AI商业洞察 | AI助力解决开发者技能差距:提升效率与技能
作者：微信文章AI+商业Artificial Intelligence & Bussiness
AI助力解决开发者技能差距：提升效率与技能
随着2025年全球开发者短缺预计达到400万，企业面临着巨大的开发者人才挑战。与此同时，一些大型公司已暂停招聘，认为AI能够解决许多开发需求。这使得当前的开发者是否具备AI时代所需的技能成为关键问题。
为了应对这一挑战，企业可采取短期和长期措施。短期内，许多公司借助AI提升开发效率并赋能业务用户。AI工具通过个性化培训、实时反馈、文档生成和自动化重复任务，加速学习并提升工作效率。长远来看，企业则在培训下一代开发者上加大投资。
AI不仅能帮助经验丰富的开发者自动化调试、数据生成等重复性任务，还能为初入职场的开发者提供代码解释、个性化学习和实践机会。例如，开发平台SAP Build通过低代码和生成式AI工具，帮助企业加速应用开发，提高开发效率，减少资源消耗。技术研究公司GigaOm的一项研究表明，使用SAP Build的企业将开发速度提高了3倍，开发工作量减少了59%。
此外，企业还为业务用户提供低代码工具，助力他们快速开发应用和扩展功能，推动业务创新。例如，thyssenkrupp AG利用SAP Build开发了社交媒体招聘渠道，提升了招聘效率和应对变化的能力。
总的来说，AI技术不仅帮助企业弥补开发者技能缺口，还为行业持续创新和增长奠定了基础。
Salesforce致力解决“ jagged intelligence”问题 推动可靠企业AI
客户关系管理（CRM）软件提供商Salesforce近日宣布，针对企业应用中AI系统智能与任务执行不一致的问题，即公司所称的“ jagged intelligence”（参差不齐的智能）推出了一系列新基准、模型和框架，旨在提升AI智能体在复杂商业环境中的表现和一致性。
Salesforce AI研究负责人西尔维奥·萨瓦雷塞表示，尽管大型语言模型（LLMs）在标准化测试、旅行规划和诗歌创作等方面表现出色，但在企业环境中执行任务时常常缺乏稳定性。为了弥补这一差距，Salesforce推出了SIMPLE基准数据集，用于衡量AI系统在任务执行中的一致性。
此外，Salesforce还推出了CRMArena框架，模拟真实的CRM场景，以测试AI智能体在服务人员、分析师和管理者等不同角色中的表现。初步测试显示，即便在引导提示下，现有AI智能体在这些场景中的成功率也不足65%。
在技术创新方面，Salesforce发布了SFR-Embedding模型，能够在56个数据集上取得优异成绩，并将其应用于Data Cloud。此外，xLAM V2模型系列则专注于预测任务中的下一步动作，特别适用于需要与企业系统互动的自主代理。
Salesforce的这一研究进展反映了其对企业AI应用可靠性与一致性的重视，表明在AI革命中，稳定性和可靠性可能是决定胜负的关键。
UiPath推出全新平台，指导AI智能体遵循企业规则
智能体自动化企业UiPath近日发布了其全新的UiPath平台，旨在推动“代理自动化”，该平台通过一层AI编排层Maestro管理AI智能体与人类员工以及自动化层之间的信息流动。该平台并非简单的RPA（机器人流程自动化）升级，而是为企业提供了将AI智能体与RPA相结合的新方式，以完成复杂的工作流程。
UiPath创始人兼CEO丹尼尔·迪尼斯表示，当前的AI智能体（如大语言模型）存在非确定性问题，无法完全自主执行任务。通过Maestro，企业能够更好地控制智能体的行为，确保每个智能体在执行任务时，始终有人类在流程中进行审批和干预。Maestro会将用户的指令分解为可管理的步骤，智能体提供建议后，用户进行审核，最后由RPA工具执行推荐的任务。
该平台的核心优势在于透明度和可控性。通过这种方式，企业避免了AI智能体对系统的无限制访问，并能确保关键任务的高可靠性。此外，UiPath还与LangChain、Anthropic和Microsoft等框架合作，进一步增强了平台的多代理支持。
尽管业界普遍看好AI智能体将成为自动化的下一步，但迪尼斯强调，目前的代理仍处于过渡阶段，未来或许能够逐渐承担更多自主任务。
“体验时代”推动自我学习的AI智能体在网络上普及
著名AI科学家戴维·西尔弗和理查德·萨顿在最新的论文中提出，人工智能即将进入“体验时代”。在这个新阶段，AI系统将减少对人工数据的依赖，转而通过与环境的互动来不断自我完善。论文认为，单纯依赖人工监督学习的进展已显现减缓，亟需新的方法。
“体验时代”的核心思想是，AI智能体通过与环境的互动不断生成数据，从而实现自我学习。西尔弗和萨顿指出，未来的AI系统将跨越人类数据的局限，逐渐依赖于自我生成的体验数据，这将成为AI进化的主要驱动力。AI将具备更长时间尺度的经验流，能够自主行动、设计动态奖励，并通过自我设计的奖励系统调整行为。
这一转变对企业有重要意义。未来的AI智能体将不仅仅面向人类用户，也需为机器友好的操作做好准备，包括提供易于访问的API和交互协议。此外，企业将需要设计能够与AI智能体互动的接口，以便让代理通过与应用程序的互动不断推理、学习。
随着“体验时代”的到来，AI智能体将不仅仅是工具，而是具备自我学习能力的智能体，能够独立执行任务，挑战传统的自动化和任务执行方式。企业需为这一变革做好准备，以充分利用未来AI系统的潜力。
运用人工智能可以避免人为的安全责任
在网络安全领域，95%的数据泄露事件源于人为错误，如内部威胁、凭证滥用和疏忽等问题。尽管经验丰富的安全专家日常应对大量警报和任务切换，错误仍然频发。Elastic安全产品副总裁迈克·尼科尔斯指出，IT专业人员在应对网络安全漏洞时，更多是成为“巡警”而非“侦探”，难以从源头解决问题。
尼科尔斯建议，自动化和人工智能应被赋予IT团队，以提高工作效率。AI不仅能够提供即时信息和辅助决策，还能帮助识别潜在问题并加速数据处理过程。然而，AI不能替代分析师的判断与决策，而是应作为辅助工具嵌入工作流程中，减轻因任务切换而产生的错误。
AI的优势在于其能够处理大量警报信息，过滤虚假警报，帮助分析师集中精力解决关键问题。通过AI辅助的安全决策过程，分析师可以更快定位问题并将其解决，AI会将这些经验传递给团队，提升集体学习。
尽管AI在安全领域的潜力巨大，许多组织仍然因技术迁移的复杂性与成本而犹豫不决。Elastic推出的自动化SIEM数据集成解决方案，帮助组织加速从传统安全信息管理平台过渡，降低技术迁移的难度和时间成本。
页:
[1]