生成式AI現已成為科技專業人士的必備工具
科技領域的轉型時刻
短短兩年時間，人工智能（AI）已從炒作概念躍升為科技專業人士的必備技能，為使用它的團隊帶來巨大的生產力提升和創意增長。
生成式AI作為一項新興技術，問世僅僅兩年，便已成為科技專業人士的必備工具。過去一年，提及生成式AI的招聘信息增加了3.5倍。對於科技專業人士而言，這意味著日常工作重點的轉變。但既然它已成為主流技能，在招聘信息中是否還有必要列明生成式AI能力呢？
數據分析、軟件開發和科學研究領域的招聘信息中，最常提及生成式AI。諷刺的是，在保險、物流支援和醫療信息等看似適合應用生成式AI的行業中，相關招聘信息的數量卻低於預期。而建築、藝術娛樂和工業工程等行業則超出預期。
然而，行業觀察人士指出，無論行業或經驗水平如何，生成式AI的應用在科技領域內已無處不在。其優勢之明顯，已如同鍵盤技能般自然而然。
轉型工具
麻省理工學院斯隆管理學院IT高級講師Paul McDonagh-Smith向ZDNET表示，首先，生成式AI「正在重塑軟件開發的生產力和效率，讓開發人員有更多時間從事戰略性和創造性工作」。他補充說，這些工具幾乎在軟件開發的每個領域都證明了其變革性，包括代碼生成、測試、調試和文檔編寫。「通過簡化重複性的編碼任務，這些工具讓開發人員能夠更快地轉向更復雜的軟件設計和問題解決。」
NTT DATA產品工程高級副總裁Nate Berent-Spillson表示：「讓我們直接一點：AI工具早期的大部分挑戰都已解決。是的，人們對最初的失誤和信息洩露到模型中的問題曾有合理的擔憂，但我們現在已經克服了這些問題。」
巨大的生產力提升
即使是最有經驗的科技專業人士也受益於生成式AI提供的協助。Berent-Spillson續稱：「他們通過指示AI使用既定模式處理特定任務，從而實現了巨大的生產力提升。他們對軟件模式的深刻理解使他們能夠有效地運用AI，甚至可以輕鬆地切換編程語言。我們看到經驗豐富的開發人員學習了全新的語言，如Rust，並立即投入生產。」
最重要的是，Berent-Spillson表示：「AI正在消除佔用高級開發人員時間的繁瑣工作。以代碼審查為例——通過讓AI進行初步審查並向開發人員提供即時反饋，我們顯著縮短了循環時間，並釋放了高級工程師的時間，使其能夠從事更高價值的工作。」
開發人員的轉變
ServiceNow的總經理兼副總裁Jithin Bhasker表示，作為這一趨勢的一部分，「我們正在目睹開發人員從編寫代碼轉向協調AI代理」。科技人員採用生成式AI所獲得的效率提升不僅僅是個人生產力的提高，考慮到「到2030年預計將短缺50萬名開發人員，並且需要10億個新的應用程序」，這更是迫在眉睫的需求。
生成式AI工具既可以作為經驗豐富的專業人士的助手，也可以幫助經驗不足的專業人士快速上手。McDonagh-Smith說：「在某些方面，我們可以將這些工具描述為導師——提供語法建議、調試協助和代碼優化技巧。那些可能還不熟悉編碼約定和複雜算法的經驗不足的開發人員，會受到這種指導的幫助。雖然經驗豐富的開發人員也使用生成式AI工具來提高生產力，但我認為對早期職業開發人員的相對影響更大，因為AI幫助他們快速建立能力和信心，以彌補他們基礎知識方面的差距。」
謹慎行事
然而，隨著生成式AI成為科技公司中常見的工具，Berent-Spillson建議謹慎行事。他說：「真正的改變者是速度，但有一個陷阱。雖然AI可以大幅縮短循環時間，但它也會放大任何現有的流程約束。把它想象成給你的車加裝增壓器——如果你的底盤不結實，你只會更快地遇到問題。」
McDonagh-Smith建議要謹慎處理「代碼質量、可維護性和知識產權問題」。「雖然語法正確，但AI工具已被發現會創建邏輯上存在缺陷或效率低下的代碼，如果沒有仔細審查，可能會導致代碼質量隨時間推移而下降。我們還應該防止軟件膨脹，即輕鬆創建AI生成的代碼導致代碼過於複雜或不必要，從而可能使項目更難以維護。」
Berent-Spillson還指出，一個人利用生成式AI優勢的能力「直接與技術成熟度相關」。「使用雲原生模式、一切皆為代碼的方法和高度自動化的組織正在看到立竿見影的成果。但如果你仍然依賴於手動流程和大量的文檔，你將面臨更多障礙。AI擅長處理結構化的輸入——編譯的代碼天生具有結構。例如，當你進行契約優先開發時，AI可以立即理解並與端點交互，因為模式清晰且定義明確。」
生成式AI正在提供幫助
最終，McDonagh-Smith表示，生成式AI正在幫助「提高公司的創造力」。「當我看到生成式AI工具在軟件團隊中有效使用時，我注意到，除了提高生產力外，這些工具還為開發人員節省了時間，這些時間可以用於創造性的問題解決和實驗。」
**個人評論：**
這篇文章清晰地闡述了生成式AI在科技行業的快速滲透及其對生產力和創造力的影響。然而，文章並未深入探討生成式AI帶來的倫理和社會問題，例如AI生成的內容的版權歸屬、AI可能導致的失業問題，以及AI模型本身的偏見等。 這是一個值得深入探討的議題，因為科技的進步不應僅僅停留在效率提升的層面，更需要考慮其對社會的整體影響。
此外，文章提到了”code degradation” (代碼退化) 的風險，這一點非常重要，卻沒有進一步闡述。 如何評估和避免AI生成的低質量代碼，以及如何確保AI輔助開發的可靠性和可維護性，是需要業界共同努力解決的問題。 這也暗示著，未來科技人才的培養，不應僅僅著重於AI工具的使用，更要注重其批判性思維和程式設計基本功的紮實。
最後，文章中提到的”orchestrating AI agents” (協調AI代理) 值得關注。這預示著未來開發人員的角色將從單純的編碼者轉變為AI系統的管理者和調度員。 這對教育和人才培訓提出了新的挑戰，需要重新思考如何培養具備這種新型技能的科技人才。 總而言之，生成式AI的應用是一個雙面刃，其潛力巨大，但同時也伴隨著風險和挑戰，需要我們保持警惕，積極應對。
以上文章由特價GPT API KEY所翻譯及撰寫。而圖片則由FLUX根據內容自動生成。
