GitLab的一份新报告发现，组织采用AI编码工具的速度快于它们能够构建管理由此产生的代码所需的政策和系统，这造成了该公司首席产品官所描述的由数量驱动的治理鸿沟。
由The Harris Poll开展并于6月底发布的AI问责报告调查了六个国家的1,528名开发者和技术采购者。报告发现，AI编码的采用在受访者中已近乎普及：91%的组织拥有两个或以上正在使用的AI编码工具，78%的组织报告称，开发者自采用这些工具以来编写和提交代码的速度更快了。
治理鸿沟
80%的受访者同意，他们的组织采用AI工具的速度快于制定管理这些工具的政策，92%的受访者报告了某种形式的AI生成代码治理挑战。GitLab将AI问责定义为回答关于任何一行AI生成代码的三个问题的能力：它来自哪里，它意图做什么，以及它一旦进入生产环境由谁负责。如今大多数组织无法可靠地回答这些问题。
“没有控制的速度是一种负担，而不是优势，”报告称。
瓶颈转移
85%的受访者同意，AI已将瓶颈从编写代码转移到审查和验证代码。问题在于结构性的：43%无法可靠地区分自己代码库中的AI生成代码和人类编写的代码，而40%提到了碎片化的工具链，39%表示他们的系统不追踪代码来源。
“AI已将瓶颈从编写代码转移到审查代码，”GitLab的首席产品和营销官Manav Khurana表示。”开发人员验证并非自己编写且可能不完全理解的代码的负担加重了。更快编写代码带来的收益被长达数天的审查周期所抵消。”
技术债务隐忧
73%的受访者对AI生成代码的可维护性表示担忧，82%表示它有可能造成一种其组织尚未准备好管理的新形式的技术债务。GitLab将此认定为”AI悖论”，单个开发者的生产力提高了，但整体软件交付流程并没有以同样的速度加快。
只有28%的受访者表示，他们的软件开发生命周期工具与共享数据和工作流完全集成，这表明该行业仍处于构建大规模管理AI辅助开发所需基础设施的早期阶段。
婷 翻译
Sources: ‘Speed without control is a liability， not an advantage’: GitLab study reveals AI code generation is outpacing controls (TechRadar， July 1， 2026); GitLab Research Reveals Organizations Are Generating AI Code Faster Than They Can Control It (GitLab press release， June 23， 2026); Developers are now validating code they didn’t write， and may not understand (The New Stack)