一项最新的调查显示，人工智能开发人员正面临着诸多挑战，其中包括技能短缺以及对流程不成熟、工具不足所带来的挫败感。
IBM赞助的这项调查揭示，在众人纷纷颂扬生成式人工智能的诸多益处，向世界宣扬它将如何极大地简化我们的生活之际，那些实际承担着构建这些神奇应用的开发人员们却持有不同的见解。
调查收集了来自美国超过1000名企业开发人员的意见，他们详细列举了在创建生成式人工智能应用程序过程中所遇到的各种挑战。
过程挑战
毫不奇怪，一个关键问题是技能差距。当被要求评价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%）认为自己是生成式人工智能的专家。在接受调查的七个自我识别的开发人员类别（人工智能开发人员、数据科学家、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、人工智能工程师和应用程序开发人员）中，大多数人认为自己是生成性人工智能专家的唯一群体是人工智能开发人员和数据科学家。不到一半的人将自己塑造成ML工程师（43%）和人工智能工程师（38%）将自己视为生成型人工智能专家。
IBM数据和人工智能总经理Ritika Gunnar在一篇博客文章中说：“这说明了生成性人工智能领域的技能差距。”“对许多开发人员来说，这是具有陡峭学习曲线的新领域——快速的创新周期意味着新技术是恒定的。”
Gunnar指出，即使是那些人工智能技能可以触手的人也面临着挑战。她说：“在可靠的框架和工具包方面，弥补技能差距是缺乏明确性。”“调查受访者将缺乏标准化的人工智能开发流程列为首要挑战，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，使它们成为报告的10个挑战中的首要挑战。紧随其后的是适应企业环境的定制（32%）、技术/技术变化率（31%）、基础设施复杂性（29%）以及建立治理和合规性（28%）。
只有19%的受访者认为大型语言模型（LLM）质量是一个挑战。
然而，超过四分之一的开发人员（26%）面临着每个程序员的噩梦：对业务结果/目标缺乏明确性。
工具不足
报告称，大多数开发人员使用5到15种工具来完成他们的工作——35%使用5到10种工具，37%使用10到15种工具，完全13%使用15种或更多工具。然而，这些工具并不总是能满足他们的需求。
Gunnar指出：“根据受访者，性能（42%）、灵活性（41%）、易用性（40%）和集成性（36%）是企业人工智能开发工具中最基本的四个品质。”“然而，超过三分之一的受访者也表示，这些相同的特征是最罕见的。”
大约三分之一的受访者还感到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，以及这些工具是开源的。
鉴于他们完成工作所需的工具数量，开发人员不想花很多时间在他们的武器库中增加另一个工具也就不足为奇了。其中三分之二的人只愿意投入两个小时或更少的时间来学习新的人工智能开发工具，另外22%的人分配了三到五个小时，只有11%的人将超过五个小时的时间用于这项任务。总的来说，他们并不倾向于经常探索新工具——只有21%的人表示他们每月检查新工具，而78%的人每一到六个月检查一次，其余2%的人很少或从不检查。调查发现，他们倾向于每次查看大约六个新工具。
虽然超过一半的开发人员正在利用低代码（65%）和无代码（59%）工具，但专业代码工具仍然占主导地位，为73%。几乎所有的受访者都在人工智能开发工作中使用人工智能编码助手，41%的人表示，这每天可以为他们节省一到两个小时。
关于Agent（智能代理）的担忧
调查最后聚焦的领域是智能代理（Agent）。近乎所有人（99%）都在积极探索或开发人工智能代理，而他们的担忧也颇为显著：31%的受访者担心代理的可信度问题，即如何确保其输出既准确又无偏见；23%的人忧虑代理可能成为不良行为者利用的新攻击途径；22%的人提及合规性挑战，即如何确保代理遵守相关法律法规；另有22%的人担心代理可能会变得过度自主，导致人类失去对系统的有效监督和可见性。
此外，前三大应用场景也在预料之中：客户服务和支持（50%）、项目管理/个人助理（47%）以及内容创建（46%）。仅有1%的受访者表示未探索智能代理的应用案例。
号召行动起来
调查凸显了这样一个事实：尽管人工智能和生成式人工智能对企业而言日益重要，但开发它们所需的工具和技术却未能跟上步伐。
Gunnar指出：“我们的调查结果明确了我们可以采取哪些措施来帮助应对人工智能开发的复杂性，以及一些已经在此方面提供帮助的工具。首先，考虑到生成式人工智能领域的快速变化，我们知道开发人员渴望获得易于上手的工具。”
她接着补充说：“在开发人员生产力方面，调查发现，人工智能驱动的编码工具得到了广泛应用，并极大地节省了时间。”
她强调，这意味着为了构建那些日益重要的生成式人工智能应用程序，开发堆栈需要更多的关注和投入。
“在更广泛的生成式人工智能讨论中，人工智能开发堆栈并没有受到太多关注。然而，它在技术的影响力方面可以发挥巨大作用，”她说。“让我们努力使人工智能堆栈像它生成的应用程序一样简单直观。”
编译自：https://www.infoworld.com/article/3633272/building-generative-ai-applications-is-too-hard-developers-say.html
