亚历克斯·巴特林（Alex Batlin）是一位位于伦敦的金融科技和数字资产领袖，拥有超过25年的经验，跨越机构金融、新兴技术、加密资产托管和监管的数字资产基础设施。他目前担任Noda的执行顾问，支持公司的战略扩张进入区块链启用的金融产品，并提供有关合规、架构和数字资产市场动态的指导。如有任何事宜，请告知我。
尽管人们对 AI 辅助开发的关注度很高，从自动完成工具到可以生成整个仓库的系统，但讨论仍然集中在速度上。每个人都在谈论更快的脚手架、更快的原型设计和更快的代码生成。产品团队庆祝能够在几分钟内将自然语言描述转换为函数或 API 的能力。是的，这些收益是有意义的，但它们仍然在相同的软件范式内运作。代码被编写、编译、部署、测试和维护。周期加速，但结构保持不变。然而，在更深层次上，一个转变开始出现，这指向了下一个真正的生产力突破。为了实现令人惊叹的收益，我们需要一个范式转变：不是更快的代码，而是更少的代码。与其使用 AI 将业务规则转换为机器稍后执行的程序，不如直接用自然语言表达业务逻辑，并由智能系统执行。模型成为运行时。翻译层消失。这步骤不是一种方便。它改变了组织的运作方式。它改变了政策如何变成软件、法规如何变成行动以及企业如何适应外部压力。它带来了将多个月的工程周期缩短为快速、政策驱动的更新的可能性，这些更新可以像管理它们的机构一样快速移动。AI 如何从编写代码转变为执行逻辑软件开发中有三个广泛的 AI 采用阶段。第一个阶段是 AI 辅助编码，即机器在开发过程中帮助生成代码片段或函数。第二个阶段是 AI 生成系统，即可以从自然语言生成大型组件或架构。第三个阶段是 AI 执行逻辑，即开发人员不编写代码。相反，他们提供政策、规则或意图。系统解释这些指令并直接执行它们。大多数行业讨论仍然局限于前两个阶段。它们产生效率，但不改变软件的根本结构。分支逻辑、部署管道、回归测试和环境管理仍然存在。技术债务、依赖漂移和在政策、需求和代码之间的复杂翻译层之间导航的需要也仍然存在。第三阶段的机会更为重要。当业务指令成为真实来源时，组织从软件发布周期转变为提示驱动的执行。更新合规规则成为单个指令。调整欺诈评分阈值成为单个指令。修改特定管辖区的退款逻辑成为单个指令。这些更改不被输入到待办事项中。它们直接通过模拟、验证和批准流程进入受控执行。这种模型才刚刚开始形成。组件存在，但集成尚未普遍。然而，发展方向是明确的。为什么减少编码努力是不够的AI 生成的代码仍然带有与人类编写的代码相同的负担。系统需要维护，依赖关系会发生变化。另外，重构变得不可避免，因为逻辑会演变，测试和回归周期仍然存在，因为正确性仍然取决于用确定性语言编写的静态指令。这些约束中的许多与编写代码的人无关。它们反映了代码的本质：业务意图和机器执行之间的翻译层。这些约束会累积。它们会消耗时间和金钱。即使是最先进的 AI 生成的存储库也需要监督和复杂的测试。维护成为系统生命周期中的主要成本驱动因素。最近的研究详细阐述了这些挑战。2025 年的一项关于 AI 启用系统技术债务的研究发现，采用 AI 生成代码的组织仍然面临着显著的可维护性问题、架构不一致性和长期重构负担。这些问题无论代码是由人类还是模型编写而出现，表明加速代码生成并不能解决软件工程的结构限制。完全消除翻译层是实现生产力飞跃的唯一途径。为什么金融部门会首先感受到这一转变支付、银行和金融服务在奖励适应性的条件下运作。监管环境经常变化，强客户身份验证、欺诈退款、跨境制裁和消费者保护等领域的指导正在不断演变。例如，FCA 的 CEO...
