Bloomberg 如何为 9,000 名工程师部署 AI 编码工具

观点

这就是真正的企业规模 AI 编码的样子 - 不是一个拥有 50 名工程师的初创公司，而是拥有 9,000 名开发人员的 Bloomberg、全球最大的 JavaScript 代码库之一，以及数亿行生产代码。这里的经验教训是来之不易的，也是务实的。

超越绿地项目后，AI 编码的生产力收益下降很快。 Bloomberg 的调查显示，AI 编码在概念验证、测试生成和一次性脚本中有明显的优势。但一旦进入他们现有的代码库 - 系统复杂性”至少呈多项式增长”（相对于代码行数）- 测量结果迅速下降。这与许多企业的发现一致：AI 编码擅长新代码，但对演进遗留系统更困难。

真正的成果来自开发者不想做的工作。 Bloomberg 围绕维护重新调整了他们的 AI 编码策略：安全补丁、迁移、依赖升级 - 那些没人争取的”琐碎工作”。他们的”提升代理”扫描代码库，识别补丁适用的地方，并生成带有解释的 PR。这就是 AI 的规模优势：不是替代开发者，而是自动化没人喜欢的繁琐合规工作。

铺好的路径与工具本身一样重要。 当 9,000 名工程师都想构建 AI 工具时，混乱随之而来。Bloomberg 建立了一个模型实验网关、MCP 目录让团队在构建重复的服务器之前发现现有的、以及一个部署 MCP 服务器的 PaaS 平台并处理身份验证和安全。指导原则是：“让正确的事做起来极其容易，让错误的事做起来极其困难。”

采用在不同角色之间并不均匀。 IC（个人贡献者）比工程经理更快采用。Bloomberg 的回应是：领导力研讨会，确保管理者能够真正指导他们的团队使用 AI 工具。新员工在入职期间学习 AI 编码，然后在加入团队时成为变革代理 - “为什么我们不这样做呢？“

主要要点

• AI 编码收益在绿地之外下降 - 概念验证和测试是简单的胜利；遗留代码更困难
• 针对维护，而非开发 - 安全补丁、迁移和升级是 AI 最具优势的地方
• 新的度量问题：合并到主分支的时间增加了 - AI 生成 PR 更快，但代码审查成为了瓶颈
• 建立一条铺好的路径 - 用于模型的网关、用于发现的 MCP 目录、用于部署的 PaaS
• 让演示容易，生产受控 - 让团队自由实验，但要求生产环境有质量关卡
• 在入职时对新员工进行 AI 优先工作流培训 - 他们成为挑战”我们一直这样做”的变革代理
• 领导力也需要提升技能 - IC 更快采用；管理者需要研讨会来指导支持 AI 的团队
• AI 改变了成本函数 - 权衡决策改变；某些工作变得更便宜，某些更贵

全景图

在企业规模（9,000 名工程师、数亿行代码），AI 编码的成果来自维护工作 - 安全补丁、迁移、升级 - 而不是绿地开发。真正的洞察：针对没人想做的琐碎合规工作。代码审查成为了新的瓶颈。