【編者按：由生成式人工智能（Gen AI）引發(fā)的技術浪潮正在深刻地影響著從軟件開發(fā)到產(chǎn)品管理的各個領域。資深人工智能專家雷鳴（Michael Lei) 針對Gen AI 對軟件行業(yè)的影響，在領英上發(fā)表了博文“Software Development is becoming the most impacted by Gen AI”（軟件開發(fā)正在受到Gen AI的最大影響）。雷鳴總曾在 Google、Meta、Microsoft和Appen等公司從事人工智能和云計算領域關鍵的產(chǎn)品研發(fā)或高級管理工作。他強調Gen AI的崛起將重塑軟件開發(fā)流程，降低開發(fā)、測試和生產(chǎn)的成本，縮短了產(chǎn)品開發(fā)周期。同時公司也將面臨如何應對技術迅速發(fā)展、業(yè)務擴展相對緩慢的挑戰(zhàn)。最后他表示雖然一些傳統(tǒng)角色的需求減少，但新興的綜合角色涌現(xiàn)，涵蓋了與客戶互動、原型設計、開發(fā)管理等多方面功能。我們特將該內容編譯出來和各位客戶、合作伙伴朋友分享。如需轉載，請聯(lián)系我們（ID：15937102830）】
今年早些時候，我和許多人一樣，認為呼叫中心的客戶服務將是生成式人工智能浪潮的首個重大影響對象。但事實證明，軟件行業(yè)首先開始自相殘殺，通過創(chuàng)建減少人類開發(fā)人員需求的人工智能工具。在最近幾個月，編碼輔助工具，如Copilot，已經(jīng)從智能集成開發(fā)環(huán)境發(fā)展成為強大的代碼生成器、測試工具、代碼解釋器和軟件共同設計者。然后，11月8日，微軟公布了“能夠學習公司私有代碼的Copilot助手”，這意味著它有可能侵入人類開發(fā)者最重要的據(jù)點維護遺留代碼庫。
這種“影響”是一種生產(chǎn)率沖擊
我們談論的是超過100%的生產(chǎn)率提高，盡管技術尚未達到取代人類開發(fā)者的水平，正如我在這篇文章中通過自己的經(jīng)驗所分析的。這種生產(chǎn)率提升通常是通過一些主要模式實現(xiàn)的：
輔助編碼：開發(fā)者將詳細的編碼任務（包括功能實現(xiàn)和自動化測試）委托給人工智能，在AI完成實現(xiàn)后進行審查/篩眩
輔助設計：開發(fā)者利用人工智能來理解需求并將其映射到技術架構，然后與人工智能一起工作，通常在交互式會話中填補設計的各個細節(jié)層面。
輔助學習：軟件開發(fā)工作以不斷學習新技術和技能而聞名�；谌斯ぶ悄艿闹R庫和生成的代碼示例大大減少了學習時間。
通過自動化進行無代碼開發(fā)：它可能尚未成熟，但我們已經(jīng)在LLMs的提示工程和模型微調API中看到了這種預覽，這些概念上不需要編程的方式重新編寫軟件。
除非企業(yè)也相應地擴大規(guī)模，否則這種生產(chǎn)率提升將減少對人類工作者的需求。
軟件開發(fā)成為第一個受影響的領域，主要原因有以下幾點
軟件專業(yè)人員是推動人工智能發(fā)展的力量，相比其他領域，他們對自己的工作以及如何改進工作有更好的把握。
代碼可以通過編譯、測試和監(jiān)控進行嚴格和半正式驗證，這使人類更有信心地控制機器輸出的質量。
編碼不是涉及直接用戶/客戶交互的關鍵業(yè)務流程的一部分。即使對于軟件產(chǎn)品公司而言，編碼只是產(chǎn)品生命周期的早期階段，后續(xù)階段有很多可以修復由此造成的問題和錯誤，比如集成測試、功能驗證、A/B 測試、陰影發(fā)布、Alpha/Beta 上線，最終客戶支持和錯誤修復。
該行業(yè)以其臭名昭著的公司座右銘“快速行動，打破常規(guī)”為標志，這個行業(yè)與其他傳統(tǒng)行業(yè)有不同的思維方式，因為它擁抱快速變化并愿意冒險。
這種趨勢將如何影響這個行業(yè)
不同角色和技能的影響會有所不同。差異化因素在于一個角色是否可以通過這種新發(fā)現(xiàn)的生產(chǎn)力提升來擴大其工作范圍。
自動化測試API的質量保證（QA）工程師已經(jīng)開始感受到壓力。從 ROI 的角度來看，手動測試在技術上可以被生成式人工智能和計算機視覺的組合所取代，類似于游戲的自動化，盡管這似乎是一個小眾市場（參見基于人工智能的測試工具）。
在代碼庫中進行模塊級開發(fā)的開發(fā)人員需求大大降低。這已經(jīng)發(fā)生在初級開發(fā)人員和新畢業(yè)生身上，他們使用通用知識來實現(xiàn)代碼模塊。隨著Copilot從遺留代碼庫中學習，許多因對遺留代碼庫有深入了解而受到重視的資深開發(fā)人員也面臨風險。
開發(fā)運維（DevOps）和服務可靠性工程師（SREs）進行的大部分流程自動化編碼都有可能被語言模型所取代。然而，SREs仍然被視為線上服務的最后一道防線，因此是關鍵業(yè)務路徑的一部分。
軟件架構師在許多軟件公司中一直是一個模糊的角色，技術負責人或經(jīng)理經(jīng)常兼職擔任該角色。人工智能將極大地增強這一角色在深度和范圍上的作用，通過幫助理解需求、迭代和交互式地共同設計軟件、編寫模塊和解釋現(xiàn)有代碼庫。架構師將減少對開發(fā)人員詳細知識和技能的依賴，并成為團隊的重心。
實施數(shù)據(jù)分析和機器學習系統(tǒng)的數(shù)據(jù)工程師需求減少。甚至在生成式人工智能之前，這兩個領域就已經(jīng)遠離了繁重的編碼（例如 AWS 上的 Redshift 和Sagemaker 生態(tài)系統(tǒng)）。他們的價值在于其對業(yè)務數(shù)據(jù)模型、現(xiàn)有技術堆棧和系統(tǒng)設計的專業(yè)知識，除了 SQL技能。但許多這些領域也將被自動化。例如，我們已經(jīng)看到了許多嘗試使用生成式人工智能根據(jù)特定領域知識自動化分析處理的代碼編寫。
產(chǎn)品經(jīng)理總體上將受益。許多項目管理（可能是或不是他們的核心職責）將進一步從他們的日常工作中自動化。工具在消化客戶需求、從文本描述生成 UI 模型等方面變得越來越好。最終，人工智能將使他們能夠使用無代碼工具創(chuàng)建產(chǎn)品原型，與客戶和開發(fā)人員進行溝通，而不再使用 PRD（產(chǎn)品需求文檔）和模型。
數(shù)據(jù)科學家是一個棘手的案例。一方面，將生成式人工智能的基礎模型應用到許多不同任務中，減少了技術多樣性，也減少了從頭開始訓練許多特定任務模型的需求。另一方面，似乎快速推向人工通用智能（AGI），這可能會極大地擴展該領域。但可以肯定的是，手動調整現(xiàn)有模型訓練算法的超參數(shù)或創(chuàng)建現(xiàn)有模型架構的變體這類工作需求較少，因為越來越多的人工智能工作負載被轉移到由 OpenAI 和其他大公司運行的AI即服務中（可以通過無代碼和低數(shù)據(jù)進行微調）。
軟件公司將如何適應這一趨勢
許多公司的員工隨著業(yè)務的增長而增加。理論上，除了外包之外，大多數(shù)這些公司實際上并不是以編寫代碼作為主要產(chǎn)出，而是提供基于代碼的服務，從互聯(lián)網(wǎng)服務到SaaS。過去20年中該行業(yè)的大量就業(yè)增長可以通過以下因素解釋：
實際上，一家公司會聘請人員來為新的業(yè)務線實施服務或添加新功能，然后保留這些工作人員來維護新服務或新增功能，并逐漸適應不斷變化的客戶需求。
公司的收入增長和/或舒適的利潤率使其能夠承擔人員增長。
人們普遍認為人是高科技公司最寶貴的資產(chǎn)，實際上這種觀念源自少數(shù)超級開發(fā)者提供技術中極大部分貢獻的事實，但普遍適用于其他員工。
但是，軟件行業(yè)正在進入一個技術暫時超前于業(yè)務擴展的階段。我們已經(jīng)看到生成式人工智能迅速應用于優(yōu)化許多現(xiàn)有軟件解決方案，從聊天機器人、文檔AI到內容創(chuàng)作工具等等。但其在業(yè)務擴展方面，比如完全自動化客戶服務，仍然是緩慢和漸進的。在這個階段，該行業(yè)正在利用生成式人工智能優(yōu)化其內部運作以及輸出。
許多效率和成本削減將來自于軟件開發(fā)、測試和生產(chǎn)的自動化。
這種自動化將超過所有其他成本削減措施，例如將業(yè)務外包到低成本地區(qū)，因為后者在遠程協(xié)作管理、文化差異、復雜的企業(yè)政治和地緣政治風險方面具有挑戰(zhàn)性。
此外，除了削減成本之外，行業(yè)效率還將大幅提高。軟件產(chǎn)品開發(fā)的生命周期將大大縮短，實際上團隊規(guī)模會更校我們將看到對客戶需求的快速原型設計和迭代開發(fā)。特別是，我們可能會看到產(chǎn)品經(jīng)理、售前工程師和軟件架構師的角色融合成一個角色：
與客戶互動，了解他們的問題和不斷變化的需求。
使用生成式人工智能制作高層次的工作流程圖、數(shù)據(jù)模型和逼真的UI，以形式化想法并向客戶和開發(fā)人員傳達。
快速開發(fā)原型以進行演示并獲得反潰
利用生成式人工智能管理開發(fā)流程以提高效率。并在生成式人工智能的協(xié)助下監(jiān)督代碼開發(fā)的所有技術方面。
