一、案例定位

理解金融機構把生成式 AI 用於 software development 的邊界。

二、學習目標

• 解讀「最高約 40% code」而不誤寫為「40% developer jobs」。
• 建立 AI code review 控制。

三、案例情境

原書指出 Goldman Sachs 使用生成式 AI 加速 software development，並引用有些說法認為 AI models 可自行寫出最高約 40% 的 code。

四、開始資料

五、Excel／AI 分析方法

可用 repository metrics 追蹤 AI-suggested lines、accepted lines、review defects、rework hours。比例公式：AI accepted lines / total committed lines。

六、計算結果

原書沒有提供 Goldman Sachs 的 total lines 或 defect rate，因此不能把 40% 換算成實際程式碼行數或人力節省。

七、結果分析與管理解讀

40% 是 code generation share 的說法，不等於 40% 的開發工作被取代；requirements、architecture、security、testing 與 accountability 仍需人工。

八、AI 提問詞

根據 repository 已提供的 AI-assisted code metrics，計算 adoption、acceptance 與 defect rates，並區分產量與品質指標。

九、思考／情境變動

**題目：**若專案共 50,000 行 committed code，其中 40% 為 AI-assisted，是多少行？

參考解答：50,000×40%=20,000 行；這只是教材計算，不代表 Goldman Sachs 的實際規模。