如果你的開發人員正在使用AI程式碼工具，你可能已經看到它的優點：開發速度更快、產出更多程式碼，且在例行工作上花費的時間更少。

更困難的部分是在這之後。AI也可能以安全團隊無法應付的速度引入開源套件。更多的依賴關係意味著需要審查更多漏洞、進行更多修復工作，且積壓的工作可能會悄悄增加。

我們最新的「AI程式碼與開源風險」網路研討會探討這對安全與工程團隊的意義，並引用了300位企業領導者的數據。

AI程式碼本身並不是問題。問題在於快速生成的程式碼如何將新的開源元件帶入你的環境。

開發人員可以在幾分鐘內新增一個依賴項。你的團隊接著可能需要評估漏洞、授權、維護、擁有權，以及該套件是否應該存在。

這些工作不會因為程式碼生成得更快而消失。隨著時間推移，你會累積修復債務：安全工作累積的速度超過團隊能解決的速度。

隨著AI工具變得更自主，這個差距可能會顯著擴大。

ActiveState調查了來自科技、金融服務、醫療保健、製造業及政府的300位安全與工程領導者。

研究檢視團隊如何處理AI驅動的開源風險，修復計畫在哪些方面遇到困難，以及這些債務如何與審計失敗、違規頻率和生產力損失相關。

本次網路研討會將帶你了解這些發現，讓你能將自家計畫與其他企業的狀況做比較。

這個基準很重要。它讓你更清楚知道目前的控管措施是跟得上，還是只是將更多未解決的工作推給後端。

ActiveState的Rebecca Banks與Moris Chen將解析：

這不是另一場告訴你AI會帶來風險的講座，而是實務檢視風險的演變、其他組織如何應對，以及在AI生成程式碼進一步擴大前，你的流程可能需要改變的地方。

觀看「AI程式碼與開源風險」網路研討會，了解數據顯示的情況以及企業團隊的回應方式。

AI能在幾分鐘內找到並串聯漏洞。本場次提供實務路線圖，強化可見性、回應與修復能力。

AI幫助團隊加速10至50倍交付程式碼。本場次展示如何避免安全工作落後。

獲取最新消息、專家見解、獨家資源與產業領袖策略，全部免費提供。