让 AI 写一段数据转换代码，像请人切一道菜；让它长期照看整间厨房，却要处理排班、验收和事故追踪。数据管线——持续搬运、清洗和转换数据的流程——也是如此：代码只是其中一环。
Stephen Thibeault 援引 dbt《2026 State of Analytics Engineering》称，72% 的团队优先考虑 AI 辅助的数据编码，只有 24% 优先考虑 AI 辅助的管线管理。差距不只在技术。个人可以自行启用编程助手；但让 AI 检查任务报错、发出告警或参与代码审查，需要团队统一流程、权限和审批。作者接触的一家客户有约 80 名工程师会改动 dbt 项目，真正负责其编排——决定任务顺序、运行时间和失败重试——的却只有约 5 人。
作者建议不要推倒现有系统，而是在代码审查、错误初筛和数据装载检查等环节逐步加入 AI。值得注意的是，这些数字和案例均来自 dbt 发布的报告及其博客作者自述，材料未披露调查样本与实际成效。