生成式AI和大型语言模型(LLM)并不是全新的技术，但当OpenAI推出ChatGPT时，全世界都更加认识到它们的力量。它令人惊讶的类似人类的能力让公众着迷，但也带来了一些担忧，例如错误信息的危险、潜在的偏见，甚至机器取代人类工作的可能性，包括软件开发人员。

    事实上，人工智能辅助软件开发近呈爆炸式增长，加入了多年来使用的其他技术，旨在提高开发人员的生产力。过去，使用低代码平台等工具来自动化和加速软件开发会受到怀疑。有些人认为它不可扩展、过于简单或功能不够强大，无法构建企业系统。多年来我一直在揭穿这些神话，而现在，GenAI正在帮助打破这些神话。如今，自动化可以帮助开发人员更好地完成工作，这在一定程度上要归功于ChatGPT。

    我预计会有更多的人开始使用这些工具来加速项目，从生成代码片段的法学硕士，到抽象整个软件开发生命周期的高度复杂的低代码解决方案。然而，这并不意味着人工智能将消灭软件开发就业市场。根据美国劳工统计局的数据，从2021年到2031年，软件开发人员、分析师和测试人员的总体就业人数预计将增长25%，远快于美国所有职业的平均水平。需要软件进行创新的组织与帮助他们的开发人员数量之间的差距仍然巨大。

    因此，GenAI不会让开发者失业。相反，它将帮助他们在更短的时间内完成更多的工作，因为它对世界上的空白画布和作家街区造成了严重打击。只要团队准备好学习和适应，他们就能够更快地启动，并在人工导师的帮助下克服以前导致项目停滞的障碍。

    看到底层机制

    无论人工智能的前景多么诱人，该技术也带来了新的挑战。个与信任有关。当使用GenAI辅助传统编码时，开发人员将希望确保生成的代码是安全的并保持高性能。如果他们使用人工智能工具创建相对少量的代码，他们可能能够保持控制。然而，GenAI（目前）是一个相当不确定的解决方案，它的答案根据特定的上下文和提示而变化，这引入了不可预测性，需要编码专家的监督来评估建议并使它们适应上下文。

    此外，软件开发本质上是一个迭代过程——交付的内容明天需要更改。即使一家公司对一定程度的不确定性感到满意，并相信人工智能会继续生成代码，但随着它开始生成越来越多的代码，开发人员将很难理解其正在做的全部事情，他们终会得到无法管理的代码。因此，团队需要对人工智能创建的代码有可见性和治理。必须有人能够理解它，因为终他们将不得不改变它，这给我带来了不可避免的技术债务问题。

    如何大限度地减少技术债务

    人工智能正在加速从零到一的过程——它推动创新，让开发人员无需从头开始。但1到n的问题仍然存在，它们启动速度更快，但很快就必须处理安全、治理、代码质量和管理整个应用程序生命周期等问题。应用程序的大成本不是创建它，而是维护它、调整它并确保它持久。如果组织已经在技术债务（退出的开发人员留下的代码、关闭应用程序并创建巨大工作负载需要处理的供应商）中苦苦挣扎，那么现在他们还必须处理大量人工智能生成的代码，而这些代码的开发人员可能理解，也可能不理解。

    尽管首席信息官们可能会认为他们可以培训团队如何推动人工智能并使用它来获得他们需要的答案，但投资于帮助您以实际方式利用GenAI的技术可能会更有效。看到、控制和信任。这就是为什么我相信，从根本上讲，未来一切都将在人工智能驱动的低代码平台上交付。它们支持应用程序更改的实时、可视化表示，并使测试、登台和监控应用程序更加高效。

    虽然人工智能肯定会压缩组织内部的创新周期，但问题仍然存在：它们能走多远？有多种方法可以压缩DevOps并释放开发人员繁重的任务，以便他们可以专注于更有趣的工作。尽管如此，能够在不损害开发人员和IT信任的情况下产生显著加速飞跃的技术将赢得这场竞赛。我相信这是人工智能、低代码和人类创造力的结合。