商傳媒｜林昭衡／綜合外電報導
隨著人工智慧（AI）輔助程式開發工具日益普及，雖然能提升開發速度，但也衍生出新的「Vibe slop」風險，意指過度依賴 AI 或未能有效審核其生成程式碼所導致的品質問題與負面影響。專家警告，這些風險恐加劇技術債（technical debt），並可能導致重大的營運中斷與法律糾紛，成為 IT 主管必須正視的新課題。
根據《Search IT Operations》報導，有別於一般泛稱的 AI 品質問題，Vibe slop 的風險更具體地體現在程式碼中。未經審查的程式碼漏洞會演變成技術債，而這些未被察覺的技術債則形成營運上的盲點。研究發現，AI 模型可能建議不安全的程式設計模式，例如硬編碼憑證（hardcoded credentials）、認證捷徑，以及未經驗證的輸入，進而引發 SQL 注入（SQL injection，指透過惡意輸入修改資料庫指令以竊取或破壞資料）等風險。
一項針對 16 個 AI 模型生成的 1,760 個程式碼庫進行評估的報告指出，平均每個程式碼庫存在 15 個漏洞。這些漏洞主要集中在記錄失敗（logging failures）、注入缺陷（injection flaws）、不安全設計和存取控制破損等方面。vCSO.ai 創辦人 Nick Shevelyov 強調：「未經有效驗證就以機器速度發布的程式碼，不是高產量，而是未經驗證的庫存，最終會成為資產負債表上的負債。」
AI程式碼品質惡化技術債與營運風險
AI 生成程式碼導致的 Vibe slop 問題，正使技術債日益惡化，因為 AI 產生的程式碼累積速度遠超團隊的審查能力。Sutherland 資深副總裁 Sudheer Mareddi 指出，新的技術債形式包括重複邏輯、不一致的設計模式，以及不必要的抽象化。此外，AI 生成的程式碼通常僅針對「快樂路徑」（happy path，指程式正常運作的理想情況）進行驗證，卻忽略了併發問題（concurrency issues）、資源洩漏（resource leaks）及邊緣案例（edge cases）等常見的應用程式故障，直到實際負載下才會顯現。
營運影響已有所浮現。去年 3 月，亞馬遜（Amazon）零售網站在一週內發生兩次服務中斷，部分原因就是 AI 輔助程式碼變更所致。其中一次導致 12 萬筆訂單流失及 160 萬次網站錯誤，另一次則估計損失 630 萬筆訂單。Commvault 的資訊長 Ha Hoang 提到一個案例：AI 生成的程式碼繞過了現有的認證模式，創造了一個簡化的實現，儘管通過初步測試，卻在安全審查時因忽略既定存取控制而未獲通過。他表示，這類問題能在流程中透過安全與架構審查在短時間內被發現。
合規與人員技能衝擊
除了技術與營運問題，AI 生成程式碼還可能引發法律與合規風險。AI 模型若使用公共儲存庫進行訓練，可能導致版權管理資訊被剝奪，如 2022 年針對 Copilot 提出的 Doe v. GitHub 訴訟案。另外，Vibe coding 工具若未能自動化法規框架控制，可能在不知情下嵌入違反《一般資料保護規範》（GDPR）、《健康保險流通與責任法案》（HIPAA）或《支付卡產業資料安全標準》（PCI-DSS）等法規的內容，進而引發合規問題。
長期而言，過度依賴 Vibe coding 工具也可能削弱開發人員解決問題的能力。Sembi 工程副總裁 John-Paul Herold 警告，若不及早對法規框架的控制進行自動化，下一個合規週期將面臨混亂。Sudheer Mareddi 也認為，AI 能加速編碼，卻無法取代工程判斷，首當其衝受影響的將是診斷能力。此外，由不一致 AI 輸出建立的程式碼庫，將使新進員工難以學習，當系統發生故障時，也沒有人能完全理解，進而減緩事件回應速度。
Pearl 技術長 JP Beaudry 舉例說明，AI 在發現程式碼中較小的問題，例如競爭條件（race conditions）、命名問題和空值安全（null safety）上表現良好，但卻無法理解業務中「每天五個銷售線索是合約承諾」這樣關乎商業邏輯的關鍵資訊，因此錯過了最重要的缺陷。這顯示 AI 缺乏業務情境判斷能力，仍需人為介入審核，以確保程式碼的品質與業務目標一致。
