我是 GMO Connect 的平島。
自從團隊開始使用 Claude Code 之後,雖然變得更方便了,但也衍生出一些問題。「好像是某個人做的 Slack 通知工具」「有 3 支類似的彙整腳本」「如果不是做的人本人,什麼都不知道」😇
這個景象,我彷彿也在 2019 年左右 RPA 普及期看過。參考當時是怎麼跨過去的,我思考了在 vibe coding 時代的編排設計。
正在發生的事:因 vibe coding 而產生的「影子 AI 開發」正在擴大,個人依賴、重複開發、黑箱化也隨之加劇
結構上的相似性:和 RPA 普及期(2018~2020 年)的「現場機器人亂竄」是同一種模式
需要採取的對策:
| 層級 | 內容 | 最小配置 |
|---|---|---|
| 目錄 | 一覽目前有哪些工具 | 一張試算表 |
| 所有權定義 | 誰是擁有者、誰能碰 | 在 README 明確寫出 |
| 生命週期 | 清點、交接、廢止的流程 | 每月一次定期檢視 |
| 範本 | 結構標準化 | 共用儲存庫 |
因為用 Claude Code 或 Cursor 開發應用程式的成本下降了,所以個人工具、內部腳本、自動化機器人會急速增加。問題是,這些東西會分散在 個人的本機、個人的 GitHub 儲存庫、個人的 Slack 通知 裡。
當出現「這支腳本是誰在管?」的對話時,就只能回頭翻 Slack 紀錄。
vibe coding 做出來的工具,常常會變成 只有原作者能部署、也只有原作者能修 的狀態。AI 產生的程式碼雖然能跑,但真正看得懂其架構的,往往只有做出來的人。
當負責人調動或離職時,就會出現「工具停了」「無法登入」「根本不知道它在做什麼」之類的狀況。
如果沒有目錄,就很難察覺「其實已經有類似的東西了」。於是會出現一個部門一支 Slack 通知腳本、另一個部門又一支、資料彙整工具也有 4 套之類的重複問題。因為有 AI 就能很快做出來,所以比起「找現成的」,大家更傾向「重新做一個」。
2018~2020 年左右的 RPA 普及期,也發生過同樣的事情。
UiPath、WinActor、Blue Prism 受到關注,以「不用寫程式就能自動化業務」為賣點,導入到現場的速度大幅加快。各部門不經 IT 部門就自行開始做機器人,短時間內整個組織的機器人數量爆炸性增加。
| 問題 | RPA 普及期 | vibe coding 現在 |
|---|---|---|
| 作者依賴 | 沒有機器人設計者就修不了 | 只有做出來的人看得懂程式結構 |
| 離職風險 | 負責人一離職,機器人就停了 | 負責人調動後,工具變成沒人能碰 |
| 重複開發 | 自動化相同業務的機器人有好幾個 | 相同功能的腳本散落在多個團隊 |
| 黑箱化 | 沒人知道機器人內部邏輯 | AI 產生程式碼的意圖沒有被交接 |
| 缺乏治理 | 每個機器人的資安與權限管理都不一樣 | 認證資訊、API 金鑰的管理都很零散 |
結構是相同的。「個人也能輕鬆做出來」「開發成本大幅下降」這些特性,會讓擴散速度先於治理機制的建立。
RPA 產業給出的答案是 CoE(Center of Excellence,卓越中心) 和 Orchestrator(編排器)。
CoE 是負責公司內 RPA 推動與管理的橫向組織。它統一管理各部門自行製作的機器人,並定義設計標準、資安政策、生命週期管理。技術上則由像 UiPath Orchestrator 這樣的平台負責機器人的執行、監控與權限管理。
並不是把體制退回到「全部都由 IT 部門來做機器人」,而是允許現場自己製作,同時建立目錄、所有者、生命週期。在保留現場彈性的同時,確保可視化與可交接性,這就是關鍵。
vibe coding 時代也可以採用相同的方法。
我的基本方針是:「在做重型機制之前,先用最小配置開始」。
首先只要把「目前有哪些東西」列成清單,就能提高發現重複開發與個人依賴的速度。
最小管理項目如下:
| 項目 | 內容 |
|---|---|
| 名稱 | 工具或腳本名稱 |
| 用途 | 這是做什麼的(1 行) |
| 擁有者 | 責任人(主負責與備援) |
| 位置 | 儲存庫 URL、保存位置 |
| 最後確認日 | 用於清點 |
| 狀態 | 仍在使用 / 閒置 / 預計廢止 |
先用試算表開始,等數量變多了再移到 Notion 或公司內部入口網站即可。
對於用 vibe coding 做出來的工具,我認為至少在 README 寫上以下內容,會很有用。
這個工具是做什麼的(3 行以內)
# 只寫最基本的啟動指令
「因為是 AI 生成的程式碼,所以我自己也沒辦法完全掌握」這種情況確實會發生。即使如此,只要寫出 該問誰、依賴什麼,交接成本就能大幅降低。
我認為,每月一次、30 分鐘的定期清點,放進行事曆會比較好。確認項目保持簡單即可。
根據 RPA 時代的回報案例,如果放著不管、不做清點,半年後很常變成「沒有人能碰的機器人還一直在跑」。AI 工具也可能發生同樣的事。
對於會反覆出現的模式,準備範本可以避免結構過度個人化。
公司內常見的模式例如:
有了範本之後,「問 AI 做一個類似的」就會變成「複製範本,只修改需要的部分」。我期待這樣能讓認證、日誌、錯誤處理的設計更一致。
參考 RPA 時代的失敗模式,以下 3 點是很容易踩到的坑。
如果做出「在建立工具之前要先通過審查」的機制,就會抹掉 vibe coding 最大的優勢,也就是 「想到當天就能做出能跑的東西」。
一旦變成每週都要等審查,開發者就會開始尋找繞過審查的方法。結果反而可能造成「未受管理的工具越來越多」。
建議:建立工具這件事本身可以自由進行,但建立後 7 天內必須登錄到目錄中。
就算建立了目錄,如果沒有持續更新,也沒有意義。即使把「請更新」的提醒自動化了,忙碌時期還是很可能被忽略。
建議:每季進行一次 45 分鐘的清點會議。不需要全數檢查,只針對「最後確認日在 3 個月以前」的項目即可。
光是形式上設定備援擁有者還不夠,如果沒有機會確認 備援者是否真的能操作,就沒有意義。
建議:每季一次,由備援擁有者實際啟動工具並確認運作,並把這份紀錄留在 README 裡。
最後,GMO Connect 提供服務開發支援、技術支援等多元協助,若有任何需要,歡迎隨時與我們聯絡。
聯絡我們:https://gmo-connect.jp/contactus/
原文出處:https://qiita.com/hirashima-gmoconnect/items/cfe5ba40a56b3dbf6a4b