人工智能既能增加復(fù)雜性，也能降低復(fù)雜性。其影響取決于應(yīng)用場景和方式。
人工智能（AI）會讓工作變得更輕松還是更復(fù)雜？專家認為，答案取決于具體情境。
在最近一場由IDC主辦的訪談中，SIAC首席執(zhí)行官Toni Townes-Whitley將AI描述為對抗系統(tǒng)復(fù)雜性的終極武器。她指出，她的公司正在利用AI減少美國國防部這一全球最復(fù)雜技術(shù)環(huán)境中的技術(shù)復(fù)雜性。
她的團隊成功將任務(wù)規(guī)劃和其他操作功能從“數(shù)小時縮短至幾分鐘”。她表示，AI在商業(yè)領(lǐng)域也能產(chǎn)生類似影響，“減少業(yè)務(wù)開發(fā)、提案撰寫、搜索以及創(chuàng)建新文檔和內(nèi)容的時間和繁瑣工作。”在開發(fā)方面，AI還縮短了代碼生成所需的時間。
這些成果無疑是積極的。然而，也有聲音提醒需保持謹慎，因為AI既能降低復(fù)雜性，也可能增加復(fù)雜性。其影響取決于應(yīng)用場景和方式，當然，還需要適當?shù)闹卫怼?/p>
“AI融入技術(shù)領(lǐng)域的同時，也帶來了新的復(fù)雜性，”西門子研發(fā)項目經(jīng)理Supriya Bachal表示，“這種復(fù)雜性體現(xiàn)在多個層面。工程師和開發(fā)者在將AI集成到工具中時，需要應(yīng)對新的復(fù)雜性；組織在管理這些新AI系統(tǒng)時，同樣面臨挑戰(zhàn)。”
技能需求可能進一步加劇這一局面。盡管AI可能減少許多領(lǐng)域的人力需求（尤其是編碼和IT管理領(lǐng)域），但應(yīng)用這項技術(shù)需要掌握AI友好型編程語言和框架、機器學(xué)習(xí)、深度學(xué)習(xí)、自然語言處理（NLP）、分析、數(shù)學(xué)、統(tǒng)計、算法設(shè)計和演繹推理等專業(yè)知識。
“隨著AI驅(qū)動的解決方案遍布應(yīng)用、API和多樣化的用戶終端，IT環(huán)境將變得更加復(fù)雜，”Vonage副總裁Amitha Pulijala表示，“管理這些新工具需要更專業(yè)的技能。”
與此同時，“AI將焦點從基礎(chǔ)IT技能轉(zhuǎn)向用例、實施和用戶體驗，”Kyndryl數(shù)字工作場所服務(wù)高級副總裁Dennis Perpetua指出，“這一轉(zhuǎn)變?yōu)樾氯瞬盘峁┝藱C會，他們可以利用AI工具加速IT職業(yè)發(fā)展。”
專家建議，通過開放協(xié)作的方式推進AI項目，是克服技能挑戰(zhàn)的關(guān)鍵。這種方式需要開發(fā)者、數(shù)據(jù)科學(xué)家、IT團隊和業(yè)務(wù)利益相關(guān)者共同參與。
緩解職場挑戰(zhàn)
在操作復(fù)雜性方面，AI帶來的影響喜憂參半，但解決之道也很多。“AI可以自動化例行任務(wù)、簡化流程，甚至直接管理構(gòu)成現(xiàn)代IT架構(gòu)的復(fù)雜應(yīng)用和服務(wù)網(wǎng)絡(luò)，”西門子的Bachal表示，“例如，AI驅(qū)動的可觀測性平臺能夠解決數(shù)字空間中的問題，而這些問題通常需要大量人力和認知負荷來模擬和合成。”
新興技術(shù)的另一優(yōu)勢是，“當平臺遇到操作問題時，AI不僅能提供無限的人類問題解決能力，還能獨立完成部分問題解決工作，”Bachal補充道。
Vonage的Pulijala認為，AI將有助于緩解職場挑戰(zhàn)。“這項技術(shù)可以優(yōu)化工作流程、自動化簡單的應(yīng)用開發(fā)，并提供系統(tǒng)性能洞察，讓開發(fā)者和IT團隊專注于更高價值的任務(wù)。”
簡而言之，盡管AI在某些情況下增加了技術(shù)訪問的復(fù)雜性，但它也在幫助管理復(fù)雜性。“總體而言，雖然AI增加了IT某些方面的復(fù)雜性，但也帶來了顯著的效率、創(chuàng)造力和生產(chǎn)力提升，這些挑戰(zhàn)是值得的，”Kyndryl的Perpetua表示。
例如，他指出：“像GitHub Copilot這樣的工具提高了編碼任務(wù)的效率，而基于AI的API變得更加自主，減少了創(chuàng)建和維護它們所需的時間。”
另一個值得關(guān)注的領(lǐng)域是自然語言處理（NLP），它被視為進入AI世界的門戶，能夠打破API之間的傳統(tǒng)集成障礙，簡化龐雜的基礎(chǔ)設(shè)施。ISG美洲區(qū)AI咨詢業(yè)務(wù)負責(zé)人Loren Absher表示：“然而，NLP帶來的進步也伴隨著挑戰(zhàn)：機器在解釋人類語言時必須處理模糊查詢、維護安全性并確保精確性，同時還要動態(tài)擴展。”
他強調(diào)，良好的治理至關(guān)重要。“AI不僅應(yīng)用于自動化（如監(jiān)控、問題檢測和優(yōu)化），還應(yīng)充當傳統(tǒng)API與NLP驅(qū)動API之間的橋梁，”Absher表示，“中間件平臺和編排引擎等工具可以促進不同系統(tǒng)之間的無縫通信。”
他建議設(shè)計AI系統(tǒng)時需“注重透明度、適應(yīng)性和強大的安全協(xié)議”，“強有力的治理框架以及對培訓(xùn)和工具的持續(xù)投入，將確保團隊能夠駕馭AI的變革力量而不失控。”
警惕“智能代理”
活動中還提到，智能代理AI可能簡化而非加劇復(fù)雜性。
“代理可以通過連接遺留應(yīng)用、API和分散的數(shù)據(jù)源來簡化生態(tài)系統(tǒng)，”RozieAI副總裁、前SnapLogic AI產(chǎn)品管理總監(jiān)Aaron Kesler表示，“它們可以識別低效環(huán)節(jié)、標記瓶頸，并自動化優(yōu)化現(xiàn)有系統(tǒng)的工作流程，而無需定制代碼或大量開發(fā)時間。”
例如，“欺詐檢測代理可以自主分析交易，標記可疑模式，同時為人類分析師提供可操作的見解，”Kesler說，“同樣，研究代理可以掃描網(wǎng)絡(luò)，追蹤特定產(chǎn)品的提及情況，實時匯總數(shù)據(jù)以保持團隊的主動性和信息更新。如今，這些任務(wù)無需依賴數(shù)據(jù)科學(xué)團隊，僅需IT部門的一兩名數(shù)據(jù)工程師即可完成。”
不過，需要注意的是，AI對復(fù)雜性的影響因具體情況而異。
“對于已經(jīng)擁有強大IT基礎(chǔ)設(shè)施和團隊的組織，AI可能只是將資源從一處轉(zhuǎn)移到另一處，”技術(shù)顧問、Ceralytics聯(lián)合創(chuàng)始人Brandon Andersen表示，“團隊不再維護遺留系統(tǒng)，而是轉(zhuǎn)而排查和維護新的AI系統(tǒng)——尤其是那些復(fù)雜的連接。”
對于小型IT團隊，情況可能截然不同。“這些團隊不再只是當前SaaS系統(tǒng)的應(yīng)急支持，而是需要負責(zé)各種API連接，并在系統(tǒng)故障時成為第一道防線，”Andersen指出，“由于這些連接不再由第三方管理，IT團隊將承擔(dān)更多責(zé)任。”
精選文章：
景觀設(shè)計中的性別偏見：兒童游樂場為什么總是粉色或藍色？
安藤忠雄為韓國Museum SAN 再獻新作，一座“埋入地面”的沉思之所