一枚程序猿对AI的看法

AI如何改变IT行业

一、对软件开发的影响

• 好的方面：

  • 对于程序员来说，AI 可以帮你做一些简单重复的代码编写工作。比如，你要写一个功能，像登录页面的代码，以前你得一行一行敲，现在 AI 可以帮你写个大概，你只要修改修改，补充一些细节就行，能让你干活更快。这意味着你可以把更多时间花在设计软件更有趣、更复杂的部分，像做一个很酷炫的游戏功能，或者开发一个新的应用程序，让你能发挥更多创意，提升自己的技能。
  • 如果你是新手程序员，AI 还能像一个助手，在你遇到问题时，给你一些思路和代码示例，帮助你更快上手。
  • 但要注意，如果你只会做一些简单的代码编写工作，像写个基础的网页表单代码，AI 做得越来越好，那你可能就有点危险啦 因为这种简单工作可能会被 AI 取代一部分，不过复杂的软件设计和开发，还是需要有经验的人。

• 不好的方面：

  • 一些简单的编程工作可能会减少，因为 AI 可以自动完成，所以如果你的工作就是写那些简单代码，未来可能会面临工作机会变少的情况，需要去学习新的知识，向更高级的开发工作转型。

二、对测试和质量保证的影响

• 好的方面：

  • 测试人员会轻松一点，AI 可以自动找出软件的很多问题，像检查软件运行会不会突然崩溃，或者一些功能是不是有毛病，不用你自己一个一个去试，这样你可以更轻松地找出软件的毛病，让软件变得更好。
  • 你还可以让 AI 帮忙制定测试方案，它会帮你想办法怎么测试软件的各个部分，让测试工作更完善，让你不用整天想着怎么设计测试，能更轻松地完成任务。
  • 你可以有更多时间学习新的测试技术，比如学习怎么测试更复杂的软件，像测试一个智能汽车的软件系统，比以前只测试普通的电脑软件要高级多啦。

• 不好的方面：

  • 那些只会做简单测试，像只知道按照固定步骤测试软件的人，可能会被 AI 取代，因为 AI 做这些简单测试又快又好，不需要太多人力啦。

三、对系统运维和管理的影响

• 好的方面：

  • 如果你是系统管理员，AI 可以帮你看着电脑服务器，就像一个小助手，能提前发现服务器是不是要出问题，像会不会突然死机，或者网络会不会变慢，它会提前提醒你，让你有更多时间准备，不用你老是盯着各种数据看，你可以用这些时间去学习怎么管理更大、更复杂的系统。
  • 还能帮你更好地管理电脑资源，比如根据使用情况自动分配服务器资源，让系统运行得更顺畅，这样你就不用自己去手动调整啦。
  • 你可以学会利用 AI 工具，让你的工作变得更轻松，还可以学习怎么管理更多不同类型的系统，提升自己的能力。

• 不好的方面：

  • 一些简单的运维工作，比如每天检查服务器的基本指标，这些 AI 也能做，而且做得更好，所以只会做这些的运维人员可能会面临工作调整，要学会做更高级的运维工作，像管理很多服务器集群，或者优化整个数据中心的性能，不然就可能被淘汰。

四、对数据分析和商业智能的影响

• 好的方面：

  • 如果你是数据分析师，AI 可以帮你分析大量的数据，找出数据里的规律，像找出用户更喜欢买什么东西，或者哪个产品卖得不好，让你更快得到结果，不用自己写很复杂的公式和程序来算。
    它还能帮你预测未来的情况，像预测下个月公司能卖多少产品，你可以根据这些预测做更好的商业计划，让你在公司里变得更重要。
  • 你可以利用 AI 分析出的数据，给公司提出更好的建议，提升自己在公司的地位。

• 不好的方面：

  • 只会做简单数据计算的人，像只会用 Excel 算算平均数、求和的人，可能会被 AI 取代，因为 AI 算得又快又准，你得学会使用 AI 工具，学会分析更复杂的数据，像分析用户在网上的各种行为，来帮助公司制定更好的营销策略。

五、对网络安全的影响

• 好的方面：

  • 如果你是网络安全人员，AI 可以帮你发现电脑系统里的坏蛋，像防止黑客攻击，它可以更快地找到那些入侵的迹象，比你自己找快得多，让你能更好地保护公司的网络和信息。
    还能帮你制定更好的安全计划，根据不同的攻击自动调整防御策略，让你的工作变得更轻松，也让公司更安全。
  • 你可以学习怎么利用 AI 技术来开发新的安全工具，提升自己的安全防护能力。

• 不好的方面：

  • 只会做一些基础的安全检查工作，像看看防火墙有没有正常工作的人，可能会被 AI 取代，你得学习更高级的网络安全知识，比如如何防止新型的黑客攻击，利用 AI 的能力来保护网络安全。

六、对人机交互的影响

• 好的方面：

  • 你可以开发更智能的软件，让用户可以用说话的方式来操作软件，就像和朋友聊天一样，你可以参与设计这种有趣的软件，让用户体验更好，也能提升自己的技能。
    参与开发像智能音箱这样的产品，让用户通过语音控制家里的电器，会很有成就感，也会让你在行业里变得更吃香。
  • 可以学习新的人机交互技术，让软件更智能，像让软件理解用户的情绪，根据用户的情绪来提供更好的服务。

• 不好的方面：

  • 如果你不会开发新的人机交互技术，只是做一些简单的界面设计，未来可能会落后，因为用户更喜欢方便的语音操作，你需要跟上时代，学习怎么把语音和软件更好地结合起来。

AI的出现对IT从业者的影响及从业者在工作中的不可替代性

一、AI 对 IT 从业者的影响

（一）工作内容的转变

• 自动化带来的工作替代：

  • 软件开发领域： AI 能够自动生成一些基础代码，例如通过输入功能需求，它可以生成简单的函数、类的框架甚至部分业务逻辑代码。对于一些低代码 / 无代码开发平台，使用 AI 技术，让非专业开发者也能创建基础应用程序。这意味着部分初级开发人员的工作，如编写重复的、模式化的代码（如简单的表单处理、数据验证等）会被 AI 取代。
  • 测试领域： 自动化测试方面，AI 可以自动生成测试用例，模拟用户操作，自动执行测试脚本，并对测试结果进行分析。传统的手工测试人员，如果仅能进行简单的点击测试、回归测试，其工作会逐渐被 AI 驱动的自动化测试工具取代。
  • 系统运维： AI 可以自动监控系统性能，分析服务器日志，预测硬件故障和性能瓶颈。这将减少系统运维人员进行日常的系统状态检查、资源监控和简单的故障排查工作，如手动检查服务器的 CPU、内存、磁盘使用情况等。

• 工作效率提升：

  • 数据分析： 在数据分析和处理方面，AI 可以快速处理海量数据，进行数据清洗、挖掘和初步分析，为数据分析师提供初步的分析结果和洞察。数据分析师可以在此基础上进行更深入的分析和解读，提高工作效率。
  • 网络安全： AI 可以帮助网络安全人员进行威胁检测，通过分析网络流量和用户行为模式，检测异常情况，帮助安全人员更快地发现潜在的安全威胁，从而使他们可以将更多精力投入到复杂的安全漏洞修复和策略制定上。

（二）技能要求的变化

• 新技能需求的增加：

  • 机器学习和深度学习： IT 从业者需要掌握 AI 相关的知识，如机器学习算法、深度学习框架（如 TensorFlow、PyTorch）等，以便开发和维护 AI 系统，对算法进行调优和训练。
  • 数据处理和分析能力： 无论从事哪个 IT 领域，都需要更好的数据处理能力，因为 AI 是基于数据的，从开发人员到运维人员，都需要了解如何准备数据、标注数据、清理数据，以用于训练 AI 模型或为 AI 辅助工作提供基础。
  • 跨学科知识： 对于一些涉及 AI 的项目，需要具备跨学科知识，如开发医疗 AI 系统需要医学知识，开发金融 AI 需要金融知识，要求 IT 从业者与其他领域专家合作，共同开发项目。

• （三）职业发展路径的分化

• 向高级岗位发展：

  • 架构师和设计师： 需要更多地考虑如何将 AI 融入到系统架构中，如何设计能够支持 AI 组件的软件架构和硬件架构，确保系统的可扩展性、性能和可靠性。
  • 高级算法工程师： 负责开发和优化 AI 算法，特别是针对不同行业和应用场景的定制化算法开发。
  • 高级数据科学家： 专注于数据的深度挖掘和分析，利用 AI 技术解决复杂的业务问题，如预测用户行为、优化业务流程等。

• 向专业化方向发展：

  • AI 伦理和监管： 随着 AI 的广泛应用，需要专业人员来确保 AI 系统的道德性和合规性，避免算法歧视、隐私泄露等问题。
  • AI 系统维护和优化： 专门负责维护和优化已部署的 AI 系统，确保其性能和准确性，对系统进行监控和调整。

二、IT 从业者的不可替代性

（一）创新能力和复杂问题解决能力

• 系统架构和设计创新：

  • 尽管 AI 可以辅助进行系统设计，但对于复杂系统的架构设计，仍然需要人类的创新思维。例如，如何设计一个高并发、高可用、可扩展的分布式系统，如何将不同的 AI 组件、数据库、中间件等组合在一起，以实现特定的业务目标，这需要 IT 从业者的创新能力和对系统整体的把控能力。
    在设计满足特殊业务需求的软件架构时，人类可以综合考虑业务逻辑、用户体验、性能、成本等多方面因素，这是 AI 难以完全替代的，如设计一个用于复杂金融交易的系统，需要考虑安全、法规、性能、容错等多个复杂且相互关联的问题。

• 解决新问题和未知问题：

  • 当出现新的技术问题或业务需求时，IT 从业者可以凭借自身的经验和创造力，找到解决方案。例如，当遇到 AI 系统出现意外的性能下降或结果偏差时，需要人类工程师进行调查和调试，找出是数据问题、算法问题还是硬件问题，并给出解决方案。

（二）人际沟通和团队协作能力

• 与业务部门的沟通：

  • IT 从业者需要与业务部门沟通，将业务需求转化为技术需求。他们能够理解业务方的痛点，用通俗易懂的语言与业务人员交流，再将其转化为具体的技术规格。AI 无法像人类一样理解业务人员的复杂情感和微妙需求，如理解业务人员希望开发一个新的客户管理系统的真正目的和潜在需求。
    在项目推进过程中，需要协调不同部门，如开发、测试、运维、业务等，人类可以根据不同部门的进度和反馈，灵活调整项目计划，这是 AI 所不具备的能力。

• 团队协作和项目管理：

  • 管理开发团队、协调各方资源、把控项目进度等工作，需要人类的领导能力和人际交往能力。人类项目经理可以激发团队成员的积极性，解决成员之间的冲突，而 AI 无法替代这种人际互动和团队管理角色。

（三）专业领域知识和行业经验

• 行业知识的应用：
  • 在特定行业，如医疗、航空航天、金融等，IT 从业者需要深厚的行业知识。开发医疗影像诊断系统，需要从业者理解医疗流程、医学术语和医疗法规；开发航空航天控制系统，需要了解航空航天工程的特殊要求和标准。AI 不具备这些行业特有的知识和经验，而 IT 从业者可以将这些知识融入到技术开发中.
  • 具有多年行业经验的从业者可以根据历史数据和经验，对项目进行评估和决策，例如在金融领域，决定是否使用某种技术或如何根据市场趋势调整系统，这种经验和直觉很难被 AI 取代。

（四）伦理和道德判断

• AI 伦理的判断和决策：
  • 在开发和使用 AI时，需要考虑伦理问题，如人脸识别技术的使用是否侵犯隐私，自动化决策系统是否会造成歧视等。人类需要对这些问题进行判断，制定相应的规则和政策，确保AI 系统的开发和使用符合道德和法律要求。
  • 在处理数据时，要确保数据的来源和使用符合道德和法规，例如在使用用户数据进行 AI 训练时，人类要决定哪些数据可以使用，哪些不可以，这涉及到道德和法律的考量，AI 无法做出这些决策。