Agoda《2026 年 AI 開發者報告》呈現出一個明顯落差：AI 代理已逐漸進入實際軟體開發流程，但企業距離讓它們全面自主工作，還有一段路。報告調查印度、印尼、馬來西亞、菲律賓、新加坡、泰國與越南逾 800 名開發者及工程主管；受訪者的回應顯示，人工審核、成本控管與治理仍是重要環節。517

新加坡尤其凸顯這種落差：不少開發者看好 AI 代理未來能承擔更多工作，但認為現有程式碼庫已適合全自主代理的比例，遠低於對未來的期待。7

AI 代理進入工作流程，不等於全面放手

在受訪市場中，53% 的開發者表示，所屬機構已在正式環境使用 AI 代理，或已在組織內廣泛採用。這並不代表代理能不受監督地自行完成工作：79% 的受訪者表示，AI 產出的內容在正式部署前仍須經人工核准。17

新加坡有 58% 受訪者表示，AI 代理已用於部分正式生產流程；45% 表示代理已在團隊間廣泛使用。後者是受訪市場中最高的比例，高於區域整體的 31%。這兩項數據描述的是不同範圍的採用情況，都不表示 AI 代理已從頭到尾接手軟體開發。7

對未來的期待，跑在程式碼庫準備度前面

新加坡有 83% 的開發者預期，AI 代理在三年內將能處理大部分開發工作；但只有 37% 認為自家程式碼庫已大致或完全準備好，能讓代理全自主運作。7 兩者相差 46 個百分點，反映的是「未來預期」與「目前準備度」之間的距離，並不能證明全面自主已經可行。

要縮小差距，不能只導入代理工具，還得整理它所依賴的軟體環境與工作流程。程式碼庫狀況、驗證方式，以及變更核准機制，都會影響 AI 產出的修改能否安全進入正式環境。717

擴大應用的成本，不只有模型費用

報告列出的主要障礙包括成本（28%）、整合複雜度（24%）與缺乏治理（19%）。1617 成本考量也不只在模型呼叫本身：要讓代理用於正式環境，還需要投入設計、整合、審查與驗證工作。Agoda 技術長 Idan Zalzberg 也曾強調，這些都是建立可信賴系統時必須考量的環節。17

因此，單靠降低模型費用，未必就能消除擴大應用的阻力。團隊同樣必須計入把代理接入既有流程、檢查其產出並確保可靠性所需的工程與監督成本。1617

用量管理與技能培養同樣重要

AI 應用擴大之際，企業也透過限制用量來管理支出。新加坡有 90% 的受訪者表示，公司設有代幣配額、使用上限或預算限制等規範；區域整體則為 81%。1617

報告也指出，系統架構與設計、AI 素養，以及 AI 代理的協作與流程編排能力，重要性正在上升。不同職級對職涯的擔憂程度也有差異：49% 的初階開發者表示感到不安，相較之下，技術長與工程副總裁為 17%。1617 這顯示團隊在培訓與溝通上，可能需要依照職務和經驗年資採取不同做法。

管理層的考題：如何安全擴大規模

在新加坡受訪者中，42% 將管理 AI 風險列為工程領導層近期最重要的挑戰。717 整體來看，擴大 AI 代理應用不只是增加工具的使用量；企業也得同步強化治理、程式碼庫準備度、驗證與核准流程，並培養管理代理協作所需的技能。

這些結果反映的是受訪開發者回報的現況與預期。尤其「三年內由 AI 代理處理大部分開發工作」是受訪者的預測，並非代理屆時一定能達成這種自主程度的證明。57

Agoda《2026 年 AI 開發者報告》呈現出一個明顯落差：AI 代理已逐漸進入實際軟體開發流程，但企業距離讓它們全面自主工作，還有一段路。報告調查印度、印尼、馬來西亞、菲律賓、新加坡、泰國與越南逾 800 名開發者及工程主管；受訪者的回應顯示，人工審核、成本控管與治理仍是重要環節。517

新加坡尤其凸顯這種落差：不少開發者看好 AI 代理未來能承擔更多工作，但認為現有程式碼庫已適合全自主代理的比例，遠低於對未來的期待。7

AI 代理進入工作流程，不等於全面放手

在受訪市場中，53% 的開發者表示，所屬機構已在正式環境使用 AI 代理，或已在組織內廣泛採用。這並不代表代理能不受監督地自行完成工作：79% 的受訪者表示，AI 產出的內容在正式部署前仍須經人工核准。17

新加坡有 58% 受訪者表示，AI 代理已用於部分正式生產流程；45% 表示代理已在團隊間廣泛使用。後者是受訪市場中最高的比例，高於區域整體的 31%。這兩項數據描述的是不同範圍的採用情況，都不表示 AI 代理已從頭到尾接手軟體開發。7

對未來的期待，跑在程式碼庫準備度前面

新加坡有 83% 的開發者預期，AI 代理在三年內將能處理大部分開發工作；但只有 37% 認為自家程式碼庫已大致或完全準備好，能讓代理全自主運作。7 兩者相差 46 個百分點，反映的是「未來預期」與「目前準備度」之間的距離，並不能證明全面自主已經可行。

要縮小差距，不能只導入代理工具，還得整理它所依賴的軟體環境與工作流程。程式碼庫狀況、驗證方式，以及變更核准機制，都會影響 AI 產出的修改能否安全進入正式環境。717

擴大應用的成本，不只有模型費用

報告列出的主要障礙包括成本（28%）、整合複雜度（24%）與缺乏治理（19%）。1617 成本考量也不只在模型呼叫本身：要讓代理用於正式環境，還需要投入設計、整合、審查與驗證工作。Agoda 技術長 Idan Zalzberg 也曾強調，這些都是建立可信賴系統時必須考量的環節。17

因此，單靠降低模型費用，未必就能消除擴大應用的阻力。團隊同樣必須計入把代理接入既有流程、檢查其產出並確保可靠性所需的工程與監督成本。1617

用量管理與技能培養同樣重要

AI 應用擴大之際，企業也透過限制用量來管理支出。新加坡有 90% 的受訪者表示，公司設有代幣配額、使用上限或預算限制等規範；區域整體則為 81%。1617

報告也指出，系統架構與設計、AI 素養，以及 AI 代理的協作與流程編排能力，重要性正在上升。不同職級對職涯的擔憂程度也有差異：49% 的初階開發者表示感到不安，相較之下，技術長與工程副總裁為 17%。1617 這顯示團隊在培訓與溝通上，可能需要依照職務和經驗年資採取不同做法。

管理層的考題：如何安全擴大規模

在新加坡受訪者中，42% 將管理 AI 風險列為工程領導層近期最重要的挑戰。717 整體來看，擴大 AI 代理應用不只是增加工具的使用量；企業也得同步強化治理、程式碼庫準備度、驗證與核准流程，並培養管理代理協作所需的技能。

這些結果反映的是受訪開發者回報的現況與預期。尤其「三年內由 AI 代理處理大部分開發工作」是受訪者的預測，並非代理屆時一定能達成這種自主程度的證明。57