AI双刃剑：提升生产力同时增加技术复杂性与责任

人工智能（AI）在职场中的应用究竟是让工作变得更简单还是更复杂？这个问题的答案在不同的情境下有所不同。在最近由IDC主办的一次采访中，SIAC首席执行官托尼·汤恩斯-惠特利（Toni Townes-Whitley）表示，AI是应对系统复杂性的终极武器。她的团队通过AI技术将美国国防部的任务规划和其他操作功能的时间从数小时缩短至数分钟。这不仅提高了效率，还减少了业务开发、提案撰写、文档创建等方面的工作量。开发者也从中受益，AI显著减少了代码生成的时间。 然而，也有专家对此持谨慎态度。他们指出，AI在某些情况下确实会增加复杂性，具体影响取决于AI的应用领域和管理方式。西门子的研究与开发项目负责人苏普里亚·巴恰尔（Supriya Bachal）认为，AI的集成带来了多层面的新复杂性，工程师和组织都需要适应这些变化。一方面，AI需要掌握特定的编程语言和框架、机器学习、深度学习、自然语言处理（NLP）、数据分析等技能，这对技能要求提出了新的挑战。另一方面，NLP等技术虽然简化了传统API的集成障碍，但同时也需要解决语言模糊性、安全性和精度等问题。 AI的应用不仅能提高效率，还能优化工作流程、自动化应用程序开发，并为系统性能提供洞察，从而让开发人员和IT团队有更多时间专注于高价值任务。例如，GitHub Copilot等工具提高了编码任务的效率，而基于AI的API则更加自主，减少了维护所需的时间。洛伦·阿布谢尔（Loren Absher）表示，中间件平台和编排引擎可以促进不同系统的无缝通信，确保传统的和NLP启用的API之间顺畅协作。 AI代理技术也被认为是简化生态系统的有力工具。RozieAI副总裁亚伦·基斯勒（Aaron Kesler）指出，代理可以连接旧应用程序、API和分散的数据源，自动识别低效环节、标出瓶颈并优化现有系统的流程，而不需要编写定制代码或大量开发时间。欺诈检测代理可以自主分析交易，标记可疑模式；研究代理则可以在网上实时追踪特定产品的提及情况，汇总数据以保持团队的及时了解和主动性。 不过，AI对复杂性的影响因组织规模而异。对于拥有强大IT基础设施和技术团队的大公司来说，AI更多地只是资源转移。例如，原本用于维护旧系统的人力现在可以转向新AI系统的故障排除和维护。而对于小型IT团队而言，情况可能截然不同。他们需要负责各种API连接，并成为系统出现问题时的第一道防线，这意味着他们将承担更多的责任。 业内专家普遍认为，尽管AI在某些方面增加了IT复杂性，但它带来的效率、创造力和生产力的提升使得这些挑战值得克服。AI的应用需要透明、适应性强且安全的设计，以及强大的治理框架和持续的培训投资。这样，企业才能充分利用AI的巨大潜力，同时保持对技术的控制。 西门子是一家总部位于德国的工程巨头，专注于工业自动化、智能基础设施和交通解决方案。SIAC是雪铁龙集团旗下的信息技术咨询公司，提供先进的数字化转型服务。Vonage则是一家提供通信平台服务的公司，助力企业和开发者构建强大的应用。这些公司在技术和AI领域的投入和创新反映了当前科技行业的前沿趋势。