雲端、資料、提示工程缺一不可，AI 時代開發者的 6 大升級技能指南
人工智慧正在徹底改變軟體開發的面貌。過去專注於「如何寫程式」的開發者，現在必須思考「為什麼要建構這個功能」以及「如何創造商業價值」。
軟體供應鏈管理解決方案企業 Sonatype 產品開發主管 Mitchell Johnson 觀察到，AI 企業更重視接近產品管理角色的開發者，他們能夠發現用戶問題、做出權衡決策，並主導產品發展方向。
AI 組織看重的重點開發技能有哪些？
第一是評估 AI 對業務的實際影響。AI 驅動的信用風險分析平台 EnFi 技術長 Scott Weller 強調，開發者需要理解傳統軟體和機器學習間的權衡，以及如何以實用、可測量且負責任的方式將 AI 嵌入工作流程中。
全通路客戶互動平台供應商 SleekFlow 技術長 Lei Gao 表示，他們不會僅為了新奇而應用 AI，而是真正得有明確的商業報酬。例如，開發者需要理解 AI 驅動的軟體，如何幫助提升轉換率或可以支援自動化到什麼程度。重點不僅是創建優秀的模型，而是在業務流程中有效地利用它們。
第二是建立與營運數據基礎設施的經驗。在以 AI 為先的系統中，數據就是產品。Weller 指出，開發者必須熟悉如何抓取、清理、標記和分析數據，因為糟糕的數據會導致模型性能不佳。Gao 表示，他們期望開發者擁有使用分散式數據平台的能力，且可執行資料抓取、即時分析等各工作環節。
第三是將 AI 工具整合進既有系統的能力。倘若 AI 工具無法與現有系統良好協作，客戶根本也看不到任何好處。工業軟體供應商 IFS 技術長 Kevin Miller 表示，作為協助工業公司採用 AI 的角色，他們非常重視具備強大 AI/ML 整合和實施技能的開發者。
雲端就是一切！
第四是保障 AI 安全與可靠性的技術能力。在工業製造等某些領域，AI 系統必須優先考慮安全性和可靠性。Miller 指出，例如工廠營運對於環境安全要求不能有一絲差錯，在這種場域中，AI 若中途故障可能導致安全事故或生產停機。因此開發者需要能夠建構全面監控系統，這些系統不僅能夠偵測 AI 還得預測 AI 何時會出現風險。
第五是雲端平台部署與 API 整合技能。鑑於雲端服務在當今 IT 基礎設施中的重要地位，開發者需要具備雲端 AI 部署和應用程式編程介面整合的經驗。Microsoft 首席軟體工程經理 Naga Santhosh Reddy Vootukuri 表示，在今日的開發環境中，雲端就是一切。因此，開發者需要熟悉在 Amazon Web Services、Google Cloud Platform 和 Microsoft Azure 等雲端平台中使用 AI 工具。
第六是提示工程與 LLM 整合操作經驗。提示工程指的是通過設計、改良，生成更精確的提問方式，讓 AI 更懂開發者的需求。
隨著大語言模型的快速發展，開發者現在需要深入理解提示設計、有效管理上下文，以及與 LLM API 的無縫整合。開發者必須知道如何建構複雜的提示庫、處理大規模部署任務、管理限制、最佳化成本，並無縫整合多個 LLM。
開發者思維應該從「寫程式」到「懂 AI」
AI 正在重塑開發者的職場角色。現今的挑戰不只是寫出正確的程式碼，更要懂得用 AI 解決正確的問題。
隨著 AI 承擔越來越多低階開發工作，開發者具備策略思維變得比以往任何時候都更重要。
AI 開發本質上是機率性的，每次輸出內容都可能不同，開發者的角色就是在除錯。對於中階開發者來說，從「寫程式」到「懂 AI」是技能升級的必要性。不僅需要技術技能的提升，更需要思維模式的轉變。
最重要的，開發者需要具備分析問題並確定解決方案方向的能力，且也因技術不斷在變化，從事 AI 工作的開發者得有高適應性並樂於學習的心態。
【推薦閱讀】
◆【工程師升格 AI 指揮官】專家指開發流程已被 AI 重塑，工程師地位將更勝以往
◆ YCombinator 迎來工程師創業黃金時代，工程師如何在 AI 時代突圍？
◆ 【工程師只是第一批】AI 職位替代會慢慢開始並突然爆發，企業如何因應？
＊本文開放合作夥伴轉載，參考資料：《InfoWorld》、《Solwen AI》，圖片來源：pixabay
（責任編輯：鄒家彥）
留言 0