Andi Gutmans 是 PHP 3 的共同创始人之一，也是 Google Agentic Data Cloud 的负责人。他并不认为依靠智能体进行软件开发是与过去彻底决裂。在接受 Eira May 和 Peter O'Connor 主持的 Stack Overflow Leaders of Code 节目采访时，他将当前的转变比作 PHP 所带来的影响：PHP 让更多人，包括非计算机科学专业人士，也能够构建网站。
但新的易用性并不意味着工程专业知识会消失。按照 Gutmans 的观点，单个开发者正逐渐转变为类似于“智能体团队负责人”的角色：明确需求、分配工作、审查结果，并作出不能不加限制地委托出去的决策。
价值从编写代码转向工程判断
Gutmans 认为，随着智能体出现，一些基本问题并没有改变。团队仍然必须确保解决方案解决的是正确的问题，架构能够扩展，系统安全、治理完善、易于使用且成本合适。新的变化在于，智能体能够自主完成更多工作，因此必须设计对其进行监督的方式，而不能只满足于审查生成的代码。
Gutmans 举例说，他曾使用一个智能体创建大约一千个测试，然后让另一个智能体批评这些测试。审查发现，产出质量还不够高，他不得不亲自改进。在这种情况下，人类判断并没有消失；它只是从细节执行转移到了设计、协调和评估上。
这种变化也延伸到理解不熟悉的代码库。智能体能够浏览项目中更广泛的范围，并可能发现一些错误类别，而当人类审查者只检查系统的有限部分时，很难发现这些错误。然而，Gutmans 表示，Google 会同时采用人工审查和智能体审查，尤其是在决策或变更较为敏感时。
审查不是绝对信任问题，而是风险管理问题
对话提出，可以通过三种模式来看待监督：人在环中、智能体在环中，以及智能体在环上。这并不意味着存在一种适用于所有情况的单一选择，而是要根据错误发生的可能性及其影响，确定适当的审查程度。
对于涉及敏感安全组件的变更，例如安全令牌，专业人类参与就更为重要。而对于 CSS 和 HTML 修改，或某些 Python 脚本，在让智能体进行安全检查的情况下，采用不同程度的自动化可能更为实际。这里的核心并不是智能体不会犯错，也不是人类能够以同等效率审查所有内容，而是审查决策应当反映风险的大小及其后果。
Gutmans 以 Waymo 的经验为例，说明感受与数据之间存在差距。他表示，与乘坐 Uber 司机驾驶的车辆相比，乘坐 Waymo 时人类遭遇有害事故的概率低 80%，尽管许多人在有人坐在驾驶位时仍然感觉更加安心。同样，一个团队可能因为主观印象而拒绝智能体的自主性，即使指标表明，在特定任务中使用智能体相比人类替代方案可能降低风险。
招聘和学习正转向考察指导能力
Gutmans 认为，计算机科学教育不会停止，但学生将能够在智能体的帮助下完成更复杂、规模更大的项目。因此，了解如何构建、运行和扩展系统仍然至关重要，同时，提出问题、评估解决方案以及指导智能工具的能力也会变得同样重要。
他说，Google 正在改变部分工程面试流程。面试不再重点要求候选人手动编写 quick sort 之类的算法，而是允许候选人使用 Gemini 和智能体解决问题，然后评估其思考方式、处理问题的步骤，以及如何指导智能体。这并没有取消技术技能，而是改变了面试试图衡量的内容：从快速产出抽象解决方案，转向推理、设计和协调的质量。
最大的障碍可能在数据，而不在模型
据 Gutmans 称，Gemini 和 Opus 等模型已经能够自动化企业的大量任务，因此模型本身不再是唯一的主要瓶颈。更重要的挑战是让企业数据能够被智能体理解和使用，同时保留语义关系、权限和治理。
这包括结构化数据和运营数据，也包括存储在云端或其他位置的图像、PDF 文件、合同以及其他非结构化数据。Google 认为，智能体可以帮助发现数据的位置，理解数据之间的联系，并构建过去需要大量数据管理员才能完成的语义视图。Gutmans 将这一趋势归入“borderless lakehouse”概念，旨在无论数据位于 GCP、AWS、Azure 还是本地环境，都能将其激活。
他还指出了 Iceberg 等开放数据格式的重要性，并表示跨云集成可能有助于访问数据，而不必完全依赖按每 GB 计算的数据传输费用。他还谈到了“knowledge catalog”，以及将本体构建从完全由人主导的过程转变为由智能体主导的过程，同时让人类承担协调和编辑角色，而不是执行繁重的手工工作。
实际会发生什么变化？ 对于技术团队来说，仅仅提供一个软件智能体然后任由其运行是不够的。有效使用需要确定哪些任务值得自动化，设置与风险相匹配的审查级别，并确保智能体能够访问的数据和权限具备良好质量。至于开发者，其角色并不会消失；相反，他们将更像是指导一组能够执行任务的工具的工程师，并对其产出的最终判断负责。