AI已经在改变未来的工作和劳动力。这是开发人员和技术领导者需要了解的AI。

想象一下为生成AI时代开发API。该API将支持自然语言输入，利用大型语言模型的智能，通过与SaaS和企业系统集成来自动化决策，并通过连接到其他启用API来启用业务流程协作。

这是了解AI是什么以及它们的工作方式的一种方法，它将对抹布，LLM推理的支持与获取上下文业务知识和半独立行动的能力相结合。 LLM采用自然语言输入并回答问题，而AI更像是实际从事这项工作的业务伙伴。更复杂的自主剂被设计为无需在很大程度上与人互动的情况下起作用。因为它们是自主的，所以在解释投入并采取行动时会承担更多风险。

AI正在改变未来的工作方式，向开发人员，企业用户和其他人提供基于角色的合作伙伴，主动自动化任务，并充当知识渊博的合作者。 AI的用例和适用性超出了智能信息处理的范围，因此引起了巨大的商业兴趣。许多AI用例并不是很棒，但是有可能获得资金的可靠建议。

首席技术官RAM说，AI已从基于规则的系统演变为具有自然语言互动的智能，驱动的工具。它们可以部署在各种用例中，例如评估供应商和下订单的采购部门，执行复杂故障排除的客户支持部门，医疗保健部门提供诊断摘要。可伸缩性，24/7的可用性和简化的工作流程使过程驱动的人类密集型操作组织受益。

AI VS应用程序接口API

首先，让我们看一下AI与API和其他网络服务有何不同。

该公司联合创始人Deon说：“为客户服务等用例构建AI的开发人员应使用自然语言来编码业务逻辑，而不是代码。” “就像人类与网站沟通一样，他们应该使代理商能够与API进行通信。这将使真实的AI能够，使他们能够采取行动并解决问题，从而提供真正的附加值。”

您需要什么样的人工智能？

有几种类型的AI，通过做出决策和执行操作的方式进行了分类。基于模型的AI用AI模型和支持数据代替了规则，而基于目标和实用程序的AI在选择动作计划之前比较了不同的情况。更复杂的AI学习代理使用反馈循环来改善结果，而层次代理在小组中工作以分解复杂的任务。

API可以用自然语言界面封装并称为AI吗？答案是肯定的；这些是简单的反射剂，使用规则将自然语言输入连接到动作。

开发AI的先决条件是什么？

开发AI时，您应该了解涉及平台，数据，集成，安全性和合规性的先决条件。

Tray.ai的联合创始人兼首席执行官Rich说：“ AI的成功需要一个基本平台来处理数据集成，有效的过程自动化和非结构化数据管理。” “ AI的体系结构可以与严格的数据政策和安全协议保持一致，这使他们能够有效地帮助IT团队提高生产力，同时确保合规性。”

公司首席运营官迈克（Mike）表示，您需要大量清洁，并且（对于某些应用）标记了准确反映问题领域的数据，以训练和验证模型。 “强大的数据管道对于预处理，转换和确保实时数据流的可用性至关重要，以完善模型并将其适应不断变化的世界。此外，还应考虑需要特定于领域的本体论或嵌入，以增强代理商对上下文和决策能力的理解。”

关于安全和合规性，该公司研究副总裁说，AI具有身份，因此获得复杂的AI链和知识图需要控制与人类访问一样多的控制。建议：“访问解决方案中的法规和业务方案经常发生变化，并在所有潜在的人类和机器参与者上执行它们。”跟上不断变化的业务规则对于确保在过时的用法协议下不开发AI至关重要。

开发AI的技术和平台

企业平台（例如PEGA，SAP和其他）宣布了AI功能在其工作流程和用户体验中的嵌入。例如，招聘代理可以帮助人力资源招聘人员找到和招募人才，而AI虚拟服务代理可以帮助自动处理一级支持问题。

一些平台还提供了为主题专家和非技术业务用户开发自己的AI的能力。允许非技术用户创建自定义的AI。用户可以描述代理的角色并选择要完成的工作的主题，并将这些主题映射到可以在平台上执行的活动。具有AI创建功能的其他平台包括AI，AI和Tray.ai。

AI开发的第一个选择是直接从平台供应商那里获得服务，他们将您的数据用于代理分析，然后提供API进行交易。第二个选项是可以为代理开发提供常见工具的低编码或无代码，自动化和数据结构平台。

高级副总裁宣传副总裁说：“低代码和专业代码工具将混合使用建筑代理，但低代码将占主导地位，因为业务分析师将有权建立自己的解决方案。” “这将有助于企业迅速迭代满足关键业务需求的代理商。专业编码人员将使用AI来构建服务和集成以提供代理服务。”

第三个选项是使用代码，AI构建器或LLM应用程序框架本地开发AI。

“您可以用诸如C ++或类似的框架之类的母语构建AI，但是这些框架可能无法很好地扩展并且没有足够的保护。”该公司首席执行官Abhi说，现代数据基础设施，例如数据湖泊或。数据还必须与域相关，并且“使用LLM或抹布微调的技术无缝集成”。

希望成为AI开发的先驱的企业可能需要重新审视其数据管理平台，开发工具和更智能的流程，以实现大规模开发和部署代理。

IBM .AI产品管理总监说：“为加速开发，企业需要一组强大的工具，使其能够大规模设计，自定义，部署和监视代理。” “这包括针对功能调用，中间件进行优化的模型，可协调代理，并将其连接到更广泛的企业工具，优化的运行，技术护栏和治理功能，以确保它们按预期运行。这还需要符合各种用户和技能的工具，从开发人员的专业代码工具到为业务用户的低代码和无代码工具，以便将其嵌入日常工作流程中。”

测试AI

测试LLM和验证精度需要人体测试人员，自动化和合成数据来执行基本的准确性测试，而更复杂的技术使用次级人工智能模型和生成的对抗网络（GAN）进行大规模测试。

“通过复杂的可观察性工具，反馈循环和后备机制来测试准确性将有助于公司建立对AI的信任，这标志着利用可以自主执行任务的代理商的飞跃，” AI，数据，数据和分析的产品和战略副总裁洛杉矶说。

该公司首席技术官兼联合创始人迈克（Mike）表示，可以在两个阶段进行AI的准确性测试：

AI将重新定义劳动力

LLM和RAG在生成AI中受到广泛关注，AI如何影响各种业务工作流的生产力取决于AI的潜力。随着越来越多的平台提供可扩展的开发平台，新的人工智能职责可能会出现。

该公司战略副总裁说：“ AI将重塑工作场所并创建新的角色，例如'代理商经理'，他们监督专业人士，通过战略性地指导这些系统，并确保与业务角色保持一致。” “随着多代理系统的发展，可能有类似于人力资源部门的部门来管理人类和人工智能的混合劳动力，重点是培训，协调和绩效指标。这种混合方法可以将人类直觉与机器效率相结合，从而提高生产率。”

开发的关键可能并不是开发AI的容易，而是组织如何以及如何信任他们，以及员工是否接受他们。

作者是数字化转型学习公司的总裁，他指导公司领导组织的转型和转型。