商傳媒｜葉安庭／綜合外電報導
人工智慧（AI）工具已大幅縮短軟體開發的編碼時間，成為開發流程的標準配備，有助於團隊更快產出就緒可用的程式碼。根據《TechRadar》報導，對於承受快速交付軟體壓力的組織而言，其優勢顯而易見，包括縮短開發週期、加速發布，以及讓工程師能有更多時間專注解決複雜問題。
然而，隨著AI工具的普及，許多團隊發現，加快編碼速度並非加速產品上市的完整解決方案。軟體開發速度與測試、安全部署系統之間的差距正日益擴大。頻繁使用AI編碼工具的團隊，有45%能每日或更頻繁地發布至正式環境，遠高於偶爾使用者（僅15%）。但高達69%的頻繁AI使用者卻回報，團隊經常面臨AI生成程式碼的部署問題，事故復原時間反而拉長，而非縮短。
AI工具不僅將工作負擔轉移至下游，也導致成本飆升。新創育成機構 Delphi Labs 創辦人 Kevin Simback 稱此為「補貼式智慧」時代，AI公司初期以低價策略吸引客戶。然而，隨著 OpenAI 和 Anthropic 等領導企業預計今年稍晚公開募股，產業正從投資者補貼轉向商業盈利模式。特別是AI代理人的興起，推升了營運成本。AI代理人能執行預約、編寫程式碼、管理文件等多項任務，但其運作成本高昂，因單一任務可能同時啟動數十個代理人，每個都產生計費。
計費標準以 Token（AI公司對客戶收費的基本單位）計算，一個由代理人驅動的任務，其 Token 消耗量可能是簡單聊天訊息的數十倍。分析師 Jack Gold 觀察到，在某些情況下，Token 成本在短短一、兩個月內就可能超越員工薪資。甚至 Meta 技術長 安德魯·博斯沃思 也表示，不應為使用AI而使用AI。叫車平台 Uber 的營運長本週更提出質疑，認為龐大的AI支出並未帶來顯著的生產力提升。
為降低成本，企業開始採取應對措施，包括轉用免費開源AI模型，或針對特定行業（如房地產、金融）的小型專業模型，而非大型通用模型。例如，大型通用模型每百萬個 Token 成本可能高達15美元，但小型模型可降至約5美分。此外，企業也將大型AI任務拆解成小步驟，由成本效益最佳的模型處理。Enverso 顧問公司 Adrian Balfour 指出，這種趨勢表明AI正日益商品化，模型本身的重要性可能不如以合適價格找到合適模型。
為解決速度與穩定性之間的落差，《TechRadar》建議企業應強化軟體交付基礎設施，導入標準化的「黃金路徑」（golden paths）交付流程，並在生命週期早期嵌入自動化品質與安全檢查，利用如功能開關（feature flags）、自動化回溯（automated rollbacks）等現代部署實踐。這將有助於開發團隊在享受AI帶來的高效之餘，也能兼顧軟體可靠性與品質。這對台灣的軟體開發團隊而言，也提供了重要的借鏡，如何在導入AI工具加速創新的同時，平衡效率與軟體穩定性，將是未來重要的策略考量。
