高盛引進代理式 AI「虛擬工程師」，開發效率提升三倍

高盛正將代理式人工智慧（Agentic AI）推向軟體工程的核心，讓「虛擬工程師」與公司約 1.2 萬名人類工程師並肩工作，並宣稱開發效率提升達三倍。這是傳統金融機構在 AI 導入規模與深度上的一個指標性案例。

金融機構的科技組織規模常被低估。高盛擁有 1.2 萬名工程師，這個數字超過許多中型科技公司的總員工數。長期以來，投資銀行的競爭力有相當比例建立在交易系統、風險模型與資料基礎設施的技術能力上，因此其工程團隊的規模與技術債的複雜度都相當可觀。

「代理式 AI」與一般的程式碼補全工具有本質差異。補全工具是被動的——開發者輸入到哪，它就建議到哪。代理則是主動的：接下一項任務描述後，自行規畫要修改哪些檔案、依序撰寫程式碼、執行測試驗證結果，出錯時回頭修正。這個「規畫—執行—驗證」的迴圈讓 AI 能承接完整的工作項目，而非僅是加速打字。

「效率提升三倍」這類數字需要謹慎解讀。軟體開發的產出難以用單一指標衡量——程式碼行數、提交次數或關閉的工單數量，都可能因為 AI 生成大量樣板程式碼而膨脹，卻不必然對應到實際交付的商業價值。更有意義的衡量方式是端到端的週期時間：從需求提出到功能上線需要多久。不過即便存在衡量爭議，願意在生產環境大規模部署本身就是一種背書——若成效不彰，成本與風險都不允許持續。

金融業導入這類工具的門檻，比一般科技公司高出許多。程式碼變更涉及監理合規要求，必須保留完整的變更紀錄與審核軌跡；核心交易系統的錯誤成本極高，任何自動化產出都需要通過嚴格的驗證關卡；此外，程式碼與資料的機密性要求，也決定了模型的部署方式——多數金融機構不會允許核心程式碼流出自有環境。

安全面的考量同樣不能忽略。近期已有研究揭露多套 AI 程式開發代理在工具權限、沙箱隔離與共享工作區上存在共通的信任落差，攻擊者可透過外部內容間接影響代理行為。在金融環境中導入代理，權限邊界的設計比效率提升更為關鍵。

對整體產業的啟示在於，AI 對軟體工程的影響已從「輔助個別開發者」進入「改變團隊結構」的階段。當代理能承接完整任務，工程師的角色重心會向需求定義、架構決策與產出審查移動，初階實作工作的需求則相應減少。這對人才培育路徑的影響，將在未來數年逐步顯現。

後續觀察重點包括：高盛是否公布更細緻的成效指標、代理在核心系統與周邊系統的部署比例差異，以及同業的跟進速度。