我不認同「先禁用,等穩定再說」這種做法。工程師早就在用了,禁用只會讓它轉到私人帳號,主管更看不到。工程主管該花力氣的地方,是讓 AI 產出的程式碼走跟人寫的一樣嚴格的審查流程。下面先反駁三種常見說法,再給規則。
01說法一:「AI 寫的程式品質不穩,所以不准用」
品質不穩是真的,但結論錯了。Stack Overflow 2025 年開發者調查顯示,不信任 AI 工具輸出準確度的開發者占 46%,信任的只有 33%;最大的抱怨是「幾乎對、但不完全對」的答案,有 66% 的人選了這一項,45% 認為除錯 AI 產生的程式更花時間。
這組數字告訴我的是:工程師自己就知道要驗證。問題不在工具,在團隊有沒有把驗證流程制度化。人寫的程式也會出錯,所以我們才有 code review 和測試。AI 產出只是讓這兩件事更不能省。
02說法二:「讓每個人自己判斷就好」
這也不對。放任的結果是每個人標準不同,有人把整段客戶資料貼進聊天框問錯誤原因,有人連 AI 改了哪幾行都不看就提交。資安和授權問題不會因為「大家都很專業」就自動消失。
我在 MoBagel 帶工程團隊時學到,規則不用多,但要寫下來、可以檢查。下面五條是我會放進團隊規範的版本。
03說法三:「AI 會讓資淺工程師學不到東西」
有這個風險,但解法是改審查方式,不是不給用。資淺同仁提交 AI 協助的程式碼時,審查者多問一句:這段為什麼這樣寫,換一種寫法會怎樣。答不出來就退回。這比禁用更能逼人理解程式。
另一個做法是每月挑一個 AI 協助完成的 PR,在團隊週會上由提交者花 15 分鐘講解:給了什麼提示、AI 第一版哪裡錯、自己改了哪幾行。講得出修改理由的人,工具只是加速;講不出來的,就是該補基本功的訊號。
04五條可以直接寫進規範的規則
1. 帳號統一:只能用公司開通的企業方案帳號,確認服務條款中輸入內容不用於模型訓練。驗收方式是每季核對帳號清單與在職名單。2. 機密不入:API 金鑰、客戶個資、未公開合約不得貼入,設定檔一律用環境變數,並在 CI 加上秘密掃描。
3. 標註來源:Pull Request 說明欄加一個勾選項「本次含 AI 產生程式碼」,審查者據此調整檢查深度。4. 測試先行:AI 產出的函式必須附單元測試才可合併,測試由人確認斷言內容合理。5. 責任歸屬:合併按鈕是誰按的,程式碼就是誰負責,不接受「是 AI 寫的」當事故檢討的原因。
05怎麼知道規則有沒有用
訂規則前先記三個月的基準:每週合併的 PR 數、PR 從開立到合併的中位數時間、上線後兩週內被回報的缺陷數。規則實施後再看三個月。
假設團隊 6 人,原本每人每週合併 4 個 PR,一季就是 6 × 4 × 13 = 312 個。如果數量上升但缺陷數也跟著上升,代表審查沒跟上,要回頭加強規則三和四,而不是怪工具。下週一可以先做的事,就是從 Git 紀錄把這三個基準數字拉出來。
資料來源
文中數字與法規均出自下列正式資料,引用時請以原始出處為準。