凡事都有兩面，有好處，自然有壞處；有得，自有失；沒有完美，總有它的限制。
沒有一個程式可以解決所有的問題，沒有一個系統沒有漏洞。它能到達「成熟」的階段，但它永不會完美。之後就是隨著年日總有「老化」的一天，或是世界進步了，或是已經maintain不到了……科技的日新月異，隨著components/dependencies的新version推出，本來work的logic又要隨著新版本而需修改，而往往不是所有東西都能完全實現於新版本中……
而且components/dependencies也有它本來的限制，所以depends on它們的產品也自然帶著它們的不完全。
只是說database(s)，隨年日累積，多大的容量也總有一天會遇上爆data不能再寫入的問題，需要operational handling，加大容量作能維持使用得到。
再者，假若系統是由一個群體寫成，一個群體中總有每人的個性喜好，寫出的合成體也總不會完全統一(syntactically, semantically)，寫法背後的設計，因著不同角度、理解與分工，也不會完全一致，所以只能看程式員的包容程度，去修改別人/前人遺留的問題，再加以個人的改進/新功能。
就算是one man band，今天的自己與昨天的自己也可以不同了，寫出來的東西又可以一切都被推翻、可以前後不對應……
基於每人寫法、軟硬件的不完全，系統千瘡百孔地運行著。再面對的是修改不正確，以及不斷累積的technical debts，以致會到達「老化」的階段，已經到達極限，無能為力了。
問問AI如何解決/幫助，re-factoring、code reviews、automated scanning、backlogging可能有些果效，但它也只是減慢老化的過程，總有一些地方，人無能為力。
老闆總不喜歡成本花在re-factoring上，因為它(短視地)不賺錢；code reviews需要有能之士，但他們也有他們的時間/能力限制，並不足以完全解決所有問題；使用automated scanning的工具又要在程式以上多花一層功夫才能run得到，而這層功夫又可能會帶來更多的問題；backlogging只是把問題記下，不能解決問題本身……
當然，系統來到「老化」之前，自然有它「年青力壯」的階段，有它曾經的輝煌。這就是一個系統的一生，曾經風光，也總會面對被淘汰的一天。正如人生一樣。
說回AI這回事，theoretically，AI model被train到某個程度，它也會有錯亂至死去的階段，緃然它「輝煌」過。不過「舊嘅唔去，新嘅唔嚟」，新嘅model出現，又多容易呢。
將來(現在)AI寫code的世代，可能re-factoring、code reviews、automated scanning、backlogging也只是一個command的事，天曉得。但又負面一想，要看穿系統漏洞也同樣只是一個command的事，多恐怖呢。
又廢話了一頓，人也需要關機了。
