在谷歌Chrome團隊，AI已深度融入開發流程，從自動化測試到性能優化，再到缺陷修復，成為提升效率的關鍵工具。這種轉變并非孤立現象——Anthropic的Claude Code已能自主編寫約90%的代碼，而GitHub Copilot等工具的普及，正重新定義編程的工作方式。但谷歌云AI總監Addy Osmani指出，AI的崛起并不意味著人類開發者可以退居幕后，相反，專業判斷在確保代碼質量方面的重要性愈發凸顯。

Osmani觀察到，許多開發者開始依賴“氛圍編程”（Vibe Coding）——通過自然語言提示生成代碼，卻缺乏對底層邏輯的深入理解。這種模式在小型項目或原型開發中或許可行，但在Chrome這類影響數十億用戶的超大型工程中，風險不容忽視。他舉例稱，AI生成的代碼可能看似運行正常，卻隱藏著違反Web標準、性能下降或極端場景下失效等問題，而這些問題往往需要經驗豐富的工程師才能發現。

數據支持了這一觀點。2025年底Stack Overflow的調查顯示，開發者對AI準確性的信任度從40%降至29%，正面評價率也從72%下滑至60%。GitLab與哈里斯民意調查的合作研究進一步揭示，盡管團隊部署速度提升，但70%的受訪者認為AI使合規管理更困難，76%的人指出大多數合規問題在部署后才被發現，而73%的開發者曾因“氛圍編碼”導致代碼難以維護。這些發現印證了Osmani的論斷：AI的快速生成能力與代碼質量之間存在矛盾，過度依賴可能適得其反。

“AI能在項目前70%的階段表現優異，但剩下的30%需要人類專家的介入。”Osmani將這一現象稱為“70%問題”。他強調，在瀏覽器引擎等復雜系統中，AI的局限性尤為明顯——它可能無法理解代碼的長期影響，或無法權衡不同設計方案的取舍。因此，Chrome團隊采用“AI初稿”模式：AI生成代碼后，人類開發者負責添加測試、審查邏輯，并確保最終產品符合安全、可擴展性和可維護性標準。

這種模式對開發者的能力提出了新要求。Osmani建議，與AI協作時需遵循一套結構化流程：先明確需求規范，再將任務拆解為小模塊；為AI提供充分的上下文信息，并選擇合適的模型；在整個開發生命周期中保持人類監督，通過版本控制和自動化工具頻繁驗證代碼；同時，定期進行獨立編程以保持核心技能。他指出，AI的作用是放大專業知識的價值，而非替代它——開發者對問題的理解越深入，AI能提供的幫助就越大。

隨著AI工具的普及，軟件工程的角色正在轉變。過去，開發者需要花費大量時間編寫重復性代碼；如今，AI承擔了這部分工作，使開發者能專注于更具挑戰性的任務：定義問題、設計架構、權衡取舍。Osmani認為，這種轉變并非威脅，而是機遇——它讓開發者從“代碼編寫者”升級為“問題解決者”，而判斷力、創造力和全局把控能力將成為核心競爭優勢。

在實踐中，這一趨勢已初現端倪。某科技大廠團隊使用AI后，開發速度提升約30%，但Osmani強調，這并非“氛圍編程”的結果，而是“AI輔助工程”的體現——人類始終掌控系統架構，理解每一行代碼的邏輯，并確保最終產品符合專業標準。他警告，過度依賴AI可能導致核心工程能力退化，例如機械接受生成結果而不理解其原理，或在大型系統中放大AI的偏見與幻覺。