AI 写的代码出了事，谁背锅？
“法官问：这段错误的 SQL 是谁写的？开发答：Cursor 写的。法官问：谁 approve 的？Tech Lead 答：我看 diff 太长就过了。”
我向来是不惮以最坏的恶意来推测”AI 编程”的，然而看官们大抵都只盯着”快”这一点。
满本都写着两个字——推诿。
责任，大抵是软件工程里最重的一环。以前是写代码的人背锅，现在是没人背锅。
我横竖睡不着，把这半年的 AI 落地账本翻了一翻，才从字缝里看出字来。
AI 确实让代码写得快了，但更多的是，它把责任边界搞模糊了。
一、一场关于”谁负责”的法庭审判
假设有一天，你的生产环境出了 P0 事故。
资金扣错了，用户投诉了，老板发飙了。
法官问：这段错误的 SQL 是谁写的？
开发答：Cursor 写的。我只是复制粘贴。
法官问：谁 approve 的？
Tech Lead 答：我看 diff 太长就过了。再说，AI 写的代码，谁知道对不对？
法官问：公司为什么允许用 AI 写核心代码？
CTO 答：公司鼓励用 AI 提效啊，行业都在用。
满庭寂然。
没有人真正为 AI 代码负责。因为”AI 写的”成了最好的借口，”没看出来”成了最好的挡箭牌。
二、AI 时代的责任盲区
当 AI 幻觉导致的线上故障、安全漏洞、数据泄露发生时，责任归属是空白的。
1. 开发说”不是我写的” “这是 AI 生成的，我只是 Review 了一下。”
2. Leader 说”我看不出来” “AI 写的代码太复杂，Diff 太长，我哪看得过来？”
3. 公司说”我们鼓励创新” “行业都在用 AI，我们不能落后。”
这哪里是提效？这分明是在给事故找替罪羊。
三、怎么解？责任矩阵
既然 AI 写的代码没人负责，那就不用了吗？
那倒也不是。大抵是使用方法不对。
我总结了一个原则：
谁签字，谁负责；谁 Review，谁兜底。
AI 能帮你干什么？
- 生成代码初稿
- 提供修复建议
- 做自动化检查
但你想让它干什么？
- 做最终的发布决策
- 承担生产事故责任
- 替代人工 Review
这些它干不了，也不该让它干。
四、说句难听的
别被”AI 提效”的泡沫迷了眼。
AI 填平了”写代码”的坑，但把”背锅”的坑挖得更深了。
以前程序员的门槛，是”会不会写代码”。
现在程序员的门槛，是”敢不敢为 AI 写的代码签字”。
AI 能替你写代码，但替不了你定架构。
AI 能替你写注释，但替不了你懂业务。
AI 能替你写测试，但替不了你扛责任。
如果你还在指望”AI 能包揽软件工程的一切”，那我建议你，还是洗洗睡吧。
万一，你成了那个因为”AI 写的代码”而背锅的技术负责人呢？
大抵如此罢。
关于码孖AI
码孖AI，专注 AI 工程化落地。
说白了就是帮程序员少干点活——但别指望 AI 替你思考，它只会替你打字。
关注我，持续更新实战踩坑指南。
:::callout tip 觉得有用？ 点个「在看」，分享给同样在 AI 落地路上挣扎的朋友。 :::