AI 帶來看得到的快，那看不到的慢呢
2026-10-22
20
AI 讓團隊寫程式的速度一下子快了好幾倍，這是每天都看得到的進步。 但還有另一種速度，平常很少有人去量。 這篇從台灣雲端部署平台 Zeabur 公開的公告與事故報告出發，用一棟出租大樓當比喻，看看一個成長得很快的平台，成長的速度和發現問題的速度，為什麼會慢慢拉開距離。 再對照 Google 長期追蹤軟體團隊的 DORA 研究，看看這種落差，是不是只有 Zeabur 才會遇到。 在我參加的一場工程師社群聚會上，兩位工程師分享了各自用 AI 的經驗。 一邊快了兩到三倍，一邊快了十倍，差別藏在一個平常不會特別注意的地方。
2026 年 10 月 17 日，台灣的雲端部署平台 Zeabur 宣布結束營運。
雲端部署平台做的事，是幫別人把寫好的程式放上網路，讓大家都連得到。
公告寫到 Zeabur 成立約三年半，過去一年是成長最快的一段時間。
AI 讓很多人開始自己做網站和小工具，這些作品都需要地方放，Zeabur 的客戶數量跟著水漲船高。
公告也提到，2026 年下半年發生了兩起資安事件，也就是有駭客入侵了他們的系統。
讀完公告，我一直想著一件事。
一個成長這麼快的平台，為什麼系統出了問題，卻沒辦法很快發現、很快找到原因？
Zeabur 是被一波一波湧進來的客戶推著長大的。
現在很多團隊用 AI 幫忙寫程式，就算客戶沒變多，做東西的速度也一下子快了好幾倍。
所以同樣的問題，也可能出現在任何一個用 AI 加速的團隊身上。
這棟大樓哪裡沒顧好
2026 年 10 月的初步事故報告裡，Zeabur 自己列出了幾個問題。
把 Zeabur 想成一棟出租大樓，大部分客戶住在大家合租的樓層，有些客戶另外租了自己的獨立套房。
- 合租樓層有幾把萬用鑰匙，每一戶的門都打得開。這些鑰匙從 2024 年做出來就沒換過。2026 年 8 月大樓出過一次事，事後換了一批鑰匙，但沒換到這幾把。這幾把鑰匙是怎麼流到駭客手上的，報告發出時仍無法確認。
- 獨立套房的管理員密碼，能控制整間套房，卻沒有加密，白紙黑字寫在套房的設定資料裡。加密就是把密碼轉成只有系統解得開的亂碼，資料就算被偷看，也看不出密碼是什麼。
- 駭客拿著真的鑰匙和密碼，從大門正常進出，系統以為是自己人，神不知鬼不覺。光是 2026 年 10 月 14 日，駭客就在系統裡活動超過 16 小時，警報一聲都沒響。隔天是住戶回報，Zeabur 才發現出事。
- 大樓的監視器沒錄完整，事後想倒帶也看不清楚。資料庫的紀錄只記下駭客下了哪些指令，沒記下結果，所以有些資料到底有沒有被拿走，報告發出時仍無法確認。
補洞追不上長大
獨立套房的管理員密碼沒加密，他們 2026 年 9 月就發現了，出事時還沒修好。
他們在 2026 年 10 月初也開始把各種密碼搬到更安全的地方，出事時同樣還沒做完。
就像大樓管理員知道有些鎖有問題，也開始著手處理，但鎖還沒換好，小偷就先來了。
公告裡也提到，這個系統是從一個快速開發的專案開始，之後一路為了跟上客戶需求一直改方向，變得越來越複雜，要讓它維持正常運作也越來越難。
工程師把這種先求快、之後才補的東西叫做技術債，跟借錢一樣，拖越久利息越重。
Zeabur 的問題，是客戶增加的速度，比他們發現和修補問題的速度還快。
客戶越來越多，系統跟著越撐越大，破洞越來越多，補洞的速度卻一直追不上。
同樣的落差，AI 也做得出來
這種落差，不是只有客戶暴增才會發生。
在 Zeabur，讓系統變大的是客戶。
在一般的開發團隊，讓系統變大的也可以是自己寫出來的新功能。
現在 AI 幫忙寫程式，一個團隊做新功能的速度可以快上好幾倍。
每多一個新功能，就可能多幾個還沒被發現的破洞，但發現和修補問題的速度，不會因為用了 AI 就自動跟著變快。
Google 有個長期研究軟體團隊的計畫叫 DORA。
2025 年的報告問了將近 5,000 位技術工作者，結論是 AI 不會幫團隊解決原本的問題，它比較像一面放大鏡。
本來就做得好的團隊，用了 AI 會更好，本來就有問題的團隊，問題會被放得更大、更明顯。
報告也發現，寫程式的速度變快以後，如果少了自動測試、快速回報錯誤這類安全網，改動一多，系統就容易不穩。
自動測試，是讓電腦自己把程式從頭跑一遍，檢查有沒有哪裡壞掉，不用等人一個一個手動去點。
這份報告是問卷分析，不代表 AI 一定會造成問題，但少了安全網的團隊，比較容易出事。
喊出來的 10 倍，和做出來的 10 倍
在我 2026 年 7 月參加的一場工程師社群聚會上，一位資訊安全公司的工程師說，公司要求團隊全面用 AI 寫程式，目標是快 10 倍，結果事與願違，實際只快了兩到三倍。
同場另一位工程師的產出真的快了 10 倍以上，但他先花了好幾個月把基礎建設架好，也就是讓程式能自動測試、自動放上網路、出錯會自動通知人的那套底層系統。
同樣用了 AI，結果卻差了好幾倍。
後面那位工程師能做到的關鍵，是先把底子打好。
從他的例子來看，10 倍是先投資這些看不見的底層換來的。
先裝好警報和監視器
產出快了幾倍，每天都看得到。
系統出事時要多久才發現、多久才找到原因，這種看不到的慢，要等真的出事才知道。
做出 Terraform 這套雲端管理工具的 Mitchell Hashimoto，在 2026 年 5 月也提醒過一件事。
系統裡有些數字可能看起來很健康，例如使用者回報的錯誤變少了。
但改動來得太快，快到沒人注意到系統的骨架正在慢慢變形，整體越來越沒人看得懂，就像見樹不見林。
錯誤回報變少的同時，風險可能正在變大。
破洞不可能全部補完。
系統一直在長大，新的洞也會一直冒出來。
所以除了補洞，也要確保有人鑽進來的時候，能馬上知道。
不是每一行程式都要自己看懂，但出事的時候，團隊要能一起做到兩件事。
- 很快知道出事了。系統一有異狀就自動響警報，不用等使用者來回報。
- 很快找到是哪裡壞了。就像大樓的監視器，系統要把發生過的事記錄下來，出事時才能倒帶，看出問題從哪裡開始、影響到哪些地方。
回到我一開始想的問題。
成長得快，和出事時解決得快，是兩種不同的能力。
前者會被客戶或 AI 推著走，後者只能靠團隊一點一點蓋起來。
AI 讓我們跑得更快，這是好事。
下一步，是讓解決問題的速度也跟上，而這得從很快發現、很快找到原因開始。