2027年IT展望报告

核心观点

• AI 加速了技术债务的积累： 研究发现，AI 编写的代码在可维护性和安全性方面存在缺陷，导致技术债务的快速增长。技术债务不仅会增加开发成本，还会降低代码质量，并增加安全风险。
• AI 代码的维护性： 91% 的 IT 行业代码的可维护性低于推荐标准。AI 生成的代码在大型系统中尤其难以维护，因为它们缺乏清晰的架构和上下文。
• AI 代码的安全性： 67% 的 IT 行业代码缺乏足够的安全控制，而大型系统的安全风险更高。AI 攻击者可以利用 AI 生成的代码中的漏洞进行攻击。
• AI 系统工程： 大约 1.5% 的企业系统可以归类为 AI 系统，但其中 72% 的系统可维护性低于推荐标准。AI 系统需要严格的工程实践和治理，才能确保其可靠性和安全性。
• 技术债务管理： 降低代码级技术债务每年可以节省约 87 万欧元（相当于节省约 5.8 个全时开发人员的工作时间）。组织需要建立技术债务管理流程，包括可见性、优先级排序和持续管理。

关键数据

• 1.4% 的企业代码是 AI 生成的。
• AI 生成的代码比人类编写的代码具有双倍的安全风险违规行为。
• 非代理式 AI 令牌支出相当于为 50 个开发人员团队每年增加一个额外的开发人员。
• 代理式编码任务可能比标准代码聊天或推理消耗高达 1000 倍的令牌。
• 91% 的 IT 行业代码的可维护性低于推荐标准。
• 具有较低代码级技术债务的系统在安全性合规方面可以高达 72% 更强。
• 39.7% 的 IT 行业系统在架构质量方面得分低于推荐标准。

研究结论

• 组织需要了解 AI 代码的优缺点，并建立相应的治理机制，以确保 AI 代码的质量和安全性。
• 技术债务管理对于保持软件系统的健康和可持续发展至关重要。
• AI 系统工程需要与传统软件工程实践相结合，以确保 AI 系统的可靠性和安全性。