一、案例定位

銀行把生成式 AI 用於 coding、debugging、refactoring 與 API discovery。

二、學習目標

辨識軟體開發型 GenAI 的 productivity use case 與 review 需求。

三、案例情境

Goldman Sachs 使用生成式 AI 加速 software development,處理 routine coding、debugging、refactoring 與 API discovery。

四、開始資料

項目 內容
公司 Goldman Sachs
用途 Coding、debugging、refactoring、API discovery

五、分析方法

追蹤 AI-assisted code share、review time、defect rate、rework hours。

六、計算結果

原書未提供本章 Goldman Sachs 的量化成效,故不補造。

七、管理解讀

銀行可先從內部 engineering workflow 導入,但 security 與 code review 不可省略。

八、AI 提問詞

根據以下 repository metrics 分析 productivity 與品質,不得自行補數字。

九、思考/情境變動

若 AI 產生 30% code,但 defect rate 上升 20%,是否可只以速度判定成功?

**參考解答:**不可;需將 quality/rework 一併納入。

十、資料說明