Norton 母公司 Gen Digital 自述 AI 辅助开发：实现提速 3 倍，但个性化算法仍由人类设计

Gen Digital 团队在 AWS 机器学习博客中公开了 Norton Revamp 的开发方法论，其中最具参考价值的是他们对人与 AI 职责的刻意划分。这个产品是一个面向职业人士的 AI 驱动声誉管理平台，由一个小型工程团队在数月内完成，2026 年 3 月上线。

团队将分工写得很明确：人类拥有架构决策、安全审查、业务逻辑和个性化算法的设计权；AI 处理代码生成、文档编写、测试脚手架搭建、重构和 UI 组件创建。这不是模糊的AI 辅助而是按具体工作环节切开的边界。

他们给出的量化结果是：功能实现速度提升 3 倍，样板代码生成加速 90%，文档加速 80%，测试创建加速 70%，UI 组件生成加速 65%。使用 Claude 时，每个设计概念产出 10 个以上变体，设计到原型的时间从数周压缩到数小时，70% 的 UI 代码由 AI 生成。定价模型在原本测试一个的时间里测试了五个。

但团队同时标注了代价：AI 输出的审核占用了 20%–30% 的工程时间。这意味着净提速并非 3 倍，而是在扣除审核成本后的实际增益。

最关键的一句判断是：AI 加速了实现，但人类设计了 AI 学习系统应如何适应用户目标。换句话说，当系统需要决定在什么条件下调整推荐策略这类涉及领域判断和长期效果的问题时，AI 没有替代人类的设计角色。团队还特别指出，产品侧的生成式 AI（Amazon Bedrock、Amazon Nova、AgentCore Web Search）和开发侧的生成式 AI 服务于不同目的，他们刻意将两者分开管理。

这份记录的证据等级是团队自报：没有外部审计，没有说明基线测量方法，也没有给出团队规模或项目周期的完整上下文。对于正在评估 AI 辅助开发的工程团队，它的价值不在于证明 AI 能写多少代码，而在于展示了一个具体项目中人类判断的不可替代边界落在哪里——不是架构这种抽象词，而是学习系统的适配逻辑这种需要理解用户长期行为才能设计的环节。