将人工智能融入代码审查流程，工程领导者可大规模检测出常被人类忽视的系统性风险。对于管理分布式系统的工程领导者来说，部署速度与运行稳定性的权衡关乎平台成败。Datadog作为全球复杂基础设施可观测性公司，肩负维持此平衡的重任。当客户系统故障时，依赖其平台诊断根本原因，软件进入生产环境前需充分保障可靠性。

代码审查是提升可靠性的关键环节，传统依赖资深工程师人工审查，但团队规模扩大后，人工难以全面深入代码库。为突破瓶颈，Datadog的AI开发体验(AI DevX)团队集成OpenAI的Codex，自动检测人工易忽略的风险。

企业市场长期用自动化工具辅助代码审查，但早期工具多像“高级代码检查器”，只能识别表面语法问题，无法理解系统架构，建议常被视为噪音。Datadog需要能分析代码库及其依赖关系的解决方案，而非仅扫描代码风格违规。团队将新代理集成到活跃代码库工作流程，自动审查每个拉取请求，与静态分析工具不同，它会比较开发者意图与实际代码，通过执行测试验证行为。

为证明生成式人工智能价值，Datadog创建“事件重放框架”，模拟历史故障测试工具。重现过往拉取请求，运行人工智能代理，确定能否标记人类遗漏问题。结果该代理识别出超10例错误，约占所检查事件的22%，这些错误已绕过人工审核，表明人工智能发现工程师当时未察觉的风险。

AI DevX团队负责人Brad Carter称：“在我们这样的规模下，预防事故远比效率提升更具意义。”该技术已部署到1000多名工程师，影响公司代码审查文化。人工智能作为合作伙伴，承担跨服务交互认知负荷，改变工程人员与自动化反馈交互方式。