一项新的调查显示，AI开发人员面临许多挑战，包括未成熟过程和工具不足引起的技能短缺和挫败感。

这项由IBM赞助的调查显示，实际上构建这些惊人应用程序的开发人员在人们庆祝生成人工智能的好处并向世界传讲的好处有不同的见解，如何极大地简化我们的生活。

该调查收集了美国1000多名公司开发人员的意见，他们详细介绍了创建生成人工智能应用程序所面临的挑战。

过程挑战

毫不奇怪，关键问题是技能差距。当被要求评估他们在该领域的熟练程度和专业经验时，不到四分之一的应用程序开发人员（24％）认为自己是生成人工智能的专家。在接受调查的七个自我识别开发人员类别（AI开发人员，软件工程师，系统开发人员，机器学习（ML）工程师，软件开发人员，IT工程师，AI工程师和应用程序开发人员）中，大多数人唯一一个人认为自己是AI专家是AI开发人员和数据科学家。他们中不到一半将自己描绘成ML工程师（43％），AI工程师（38％）将自己视为生成的AI专家。

IBM总经理数据和人工智能在博客文章中说：“这说明了生成AI领域的技能差距。” “对于许多开发人员来说，这是一个具有陡峭学习曲线的新领域 - 快速创新周期意味着新技术是恒定的。”

指出，即使那些AI技巧是触手的人也面临挑战。她说：“在可靠的框架和工具包上，限制技能差距是缺乏明确的。” “调查受访者列出了缺乏标准化的AI开发过程是最大的挑战，同时优先考虑透明度和可追溯性。”

三分之一的调查受访者引用了这两个类别中的每一个，使其成为报告的10个挑战中的首要任务。紧随其后的是适应企业环境（32％），技术/技术变化率（31％），基础设施复杂性（29％）以及治理和合规性（28％）（28％）的自定义。

只有19％的受访者认为大语言模型（LLM）的质量是一个挑战。

但是，超过四分之一的开发商（26％）面临着每个程序员的噩梦：缺乏对业务成果/目标的清晰度。

工具不足

报告说，大多数开发人员使用5至15个工具来完成工作 - 35％使用5至10个工具，37％使用10到15个工具，而13％的工具完全使用15个或更多工具。但是，这些工具并不总是满足他们的需求。

“性能（42％），灵活性（41％），易用性（40％）和集成（36％）是 AI开发工具中的四种最基本素质。” “但是，超过三分之一的受访者还说，这些相同的特征是最稀有的。”

大约三分之一的受访者还感受到了其他四个基本特征的状况：文档质量，成本效益，社区支持和资源，这些工具是开源的。

鉴于他们需要完成工作所需的工具数量，因此开发人员不想花很多时间在他们的武器库中添加另一个工具，这不足为奇。他们中的三分之二愿意仅投资两个小时或更短的时间来学习新的AI开发工具，另外22％分配了三到五个小时，只有11％的时间在这项任务上花费了五个多小时。总体而言，他们不会经常探索新工具 - 只有21％的人说他们每月检查新工具，而每六个月检查78％的工具，而剩下的2％很少或从未检查。调查发现，他们倾向于一次看大约六个新工具。

虽然超过一半的开发人员利用低代码（65％）和无代码（59％）工具，但专业代码工具仍以73％的占主导地位。几乎所有受访者都在其AI开发工作中使用AI编码助手，而41％的受访者表示，这可以节省他们一天一到两个小时。

对（智能代理）的担忧

调查的最终区域是智能代理（）。几乎所有（99％）正在积极探索或发展人工智能剂，他们的担忧很大：31％的受访者担心代理人的信誉，即如何确保其产出既准确又无偏见； 23％的人担心代理商可能会成为坏演员的新攻击道路。 22％提到合规性挑战，即如何确保代理人遵守相关法律和法规；另有22％的人担心代理商可能会变得过度自治，从而导致人类失去了对系统的有效监督和可见性。

此外，还可以预期前三个应用程序方案：客户服务和支持（50％），项目管理/个人助理（47％）和内容创建（46％）。只有1％的受访者表示，他们没有探索智能代理的申请案例。

呼吁采取行动

该调查强调了一个事实，尽管人工智能和生成AI对企业变得越来越重要，但开发它们所需的工具和技术仍未跟上。

“我们的发现阐明了我们可以采取哪些步骤来帮助应对AI开发的复杂性，以及一些已经在这方面有所帮助的工具。首先，考虑到生成AI领域的快速变化，我们知道开发人员渴望获得易于获取的工具。”

她接着补充说：“就开发人员的生产力而言，调查发现，AI驱动的编码工具已被广泛使用，并节省了时间。”

这意味着要构建那些越来越重要的通用AI应用程序，开发堆栈需要更多的关注和投资。

“在更广泛的生成AI讨论中，AI开发堆栈没有得到太多关注。但是，它可以在技术的影响中发挥巨大作用。”她说。 “让我们努力使AI堆栈与其生成的应用一样简单而直观。”

从：