软件开发未来峰会提出了五项关键发现，其中包括代码生成已不再是瓶颈，以及“脚手架工程”（harness engineering）这一新兴学科正在形成。一个重大关切在于，高管对 AI 驱动生产力的期望与技术现实及风险（尤其是安全风险）之间存在差距。这一点通过一个案例得到说明：为沙漠中的空气过滤器进行 AI 优化，却因环境因素差异导致在北极引发灾难性的火灾风险。公民开发者兴起的“氛围编程”（vibe coding）加剧了人们对未经审核的 spreadsheet 使用的既有担忧，因此需要强有力的管控与安全措施。许多高管看到大语言模型（LLM）在摘要任务上表现良好，便高估了其编程能力，而忽视了 Hightower 所提及的“杂务”层面。尽管人们认识到技术泡沫的存在，但其持续时间和最终结局仍不确定；这让人联想到互联网泡沫时代，但此次人们对新创事物的热情却不及从前。当前推动 AI 采用的主要动力是降低成本，这一理念令董事会兴奋，但可能因 token 成本上升而受到抑制。LLM 在运营中已证明有价值，特别是在异常检测和代码理解方面，尽管治理和数据敏感性仍是问题。代理的自动修复（auto-remediation）带来挑战，需要谨慎的文档记录和向开发团队的反馈循环。文中还讨论了一项实验，结果显示 LLM 在回答合同法问题上的表现优于教授，展现出高准确率和低危害性。领域特定语言（DSL）被视为提高 LLM 可靠性的途径，可提供 token 效率、安全性和确定性代码生成。借助 LLM，构建 DSL 解析器正变得更容易，但底层的语义模型至关重要。最后，一个日益增长的担忧是"LLM 风格”（LLM-speak），即 AI 生成文本中可识别的风格残留，可能引发读者的负面反应并模糊内容。这种普遍存在的风格挑战写作者保持独特的人类声音，并引发疑问：AI 生成的散文是否真能通过编辑去除其固有的非人工性。虽然 LLM 可能放大现有僵化的写作惯例，但培养独特人类声音的能力能够提升可见度与可信度。