在人工智能驱动的组织中寻找工作的开发人员想知道技术领导者和招聘经理在寻找什么。这是我们的清单。
人工智能（AI）在软件开发中变得越来越重要，因为组织希望实现任务自动化，更快地完成项目，提高代码质量，并提高开发人员的生产力。人工智能工具可以帮助执行检测错误、测试软件和生成代码等任务。
随着人工智能在软件开发中发挥着更重要的作用，许多开发人员正在询问哪些技能和属性将帮助他们找到下一份梦想中的工作。我们询问了技术领导者，他们认为目前人工智能驱动开发必备的技能是什么。
以下是科技公司想要的9种人工智能开发技能
- 评估人工智能对业务影响的能力
- 数据基础设施、管理和分析方面的经验
- 能够将人工智能工具集成到现有系统中
- 确保人工智能安全和可靠性的经验
- 云人工智能部署经验
- 高级快速工程和LLM集成
- 战略思维
- 优秀的时间管理
- 适应模糊性
评估人工智能对业务影响的能力
人工智能商店希望开发人员不仅了解人工智能、机器学习和深度学习的概念方面，还了解如何应用它们来实现业务目标。
人工智能驱动的信用风险分析平台EnFi的首席技术官Scott Weller说：“仅仅知道变压器模型是如何运作的是不够的；重要的是知道何时以及为什么使用人工智能来推动业务成果。”“开发人员需要了解启发式、传统软件和机器学习之间的权衡，以及如何以实用、可衡量和负责任的方式将人工智能嵌入到工作流程中。”
全渠道客户参与平台提供商SleekFlow在其产品上严重依赖人工智能。SleekFlow的首席技术官Lei Gao说：“我们应用人工智能不仅仅是为了新奇。”“我们的愿景是清洁业务回报。开发人员或工程师必须掌握如何将LLM或推荐系统等模型转化为实际价值。”
例如，开发人员需要了解人工智能驱动的软件如何帮助提高转化率或客户支持自动化。Gao说：“这不仅仅是创建好的模型，而是在业务流程中有益地利用它们。”
软件供应链管理工具提供商Sonatype的首席产品开发官Mitchell Johnson说，随着人工智能承担更多的低级编码负担，“开发人员必须越来越关注他们构建东西的原因，而不仅仅是如何构建。”
Johnson说：“了解客户领域、产品市场契合度和业务影响变得至关重要。”“人工智能原生公司重视那些更接近产品管理的开发人员——能够发现用户问题，做出权衡，并塑造构建的内容。”
数据基础设施、管理和分析方面的经验
人工智能和机器学习依靠大量数据才能最有效。因此，开发人员需要很好地掌握数据基础设施、管理和分析。
Weller说：“在人工智能优先的系统中，数据是产品。”“开发人员必须能够自如地获取、清理、标记和分析数据，因为数据卫生状况不佳会导致模型性能不佳。”他说，这包括熟悉现代数据堆栈、SQL和云原生数据工具。
Gao说，人工智能模型的强大性与为它们提供动力的数据管道一样强大。他说：“我们正在寻找能够与分布式数据平台合作并协调从摄取到实时分析的一切的工程师，”他说。
Gao说，了解有关数据网格、流处理和事件驱动架构的新概念正在成为一个日益增长的需求。他说：“在SleekFlow，我们构建了一个分布式消息传递基础设施，以实现服务之间的高数据速率，并启用了针对新的、上下文衍生的输入运行人工智能模型的能力。”
IT服务提供商Equinix的技术领导者、IEEE高级成员Vaibhav Tupe补充说：“人工智能应用程序只和它们的数据一样好，但传统的数据工程方法不足人工智能工作负载。”
Tupe说：“开发人员需要在构建数据管道、创建专门针对机器学习优化的功能以及根据人工智能需求管理数据质量方面拥有专业技能。”“这涉及设置实时功能存储、自动化数据验证以及有效管理训练数据和推理数据之间的差异。”
能够将人工智能工具集成到现有系统中
如果人工智能驱动的工具不能与现有系统很好地配合使用，客户可能看不到任何好处。
IFS的首席技术官Kevin Miller说：“作为一家帮助工业公司采用人工智能的公司，我们非常重视优先考虑具有强大AI/ML集成和实施技能的开发人员。”IFS是一家为制造、服务和管理复杂资产的企业提供工业软件的供应商。
“我们知道，支持人工智能的预测性维护对我们的每个客户都至关重要，那么我们如何将其转化为功能良好的产品呢？”米勒说。“我们需要能够将二和二放在一起的开发人员，实现与SCADA[监督控制和数据采集]系统等工业工具配合使用的预测性维护算法，并创建强大的数据管道，将实时传感器数据馈入机器学习模型。”
确保人工智能安全和可靠性的经验
在某些部门，如工业制造，人工智能系统必须优先考虑安全和可靠性。这些行业中人工智能驱动的公司正在寻找具有技能和经验的软件工程师来确保这些品质。
人工智能安全和可靠性工程“着眼于工厂运营的零容忍安全环境，人工智能故障可能导致安全事故或生产停产，”米勒说。
Miller说，为了确保客户的信任，IFS需要开发人员可以构建全面的监控系统来检测人工智能预测何时变得不可靠，并在需要时对传统控制方法实施自动回滚机制。
Miller说：“这包括开发冗余系统和广泛的测试框架，以验证边缘案例和对抗条件下的人工智能行为。”
基于云的人工智能部署经验
鉴于云服务在当今IT基础设施中的突出作用，开发人员有望在云人工智能部署和应用程序编程接口（API）集成方面有经验。
微软首席软件工程经理Naga Santhosh Reddy Vootukuri说：“如今，云就是一切。”因此，开发人员需要熟悉在亚马逊网络服务、谷歌云平台和微软Azure等云平台中使用人工智能工具。
Vootukuri说：“这些技能将帮助他们托管人工智能解决方案，并将人工智能解决方案与现有遗留系统集成，”他利用模型上下文协议（MCP），这是一个开放标准，使人工智能应用程序能够轻松安全地连接到外部工具和数据源。
高级快速工程和LLM集成
及时工程，即构建或创建指令以从生成人工智能（genAI）模型中产生输出的过程，正在兴起，一系列行业部门出现了用例。提示工程用于内容生成、解决问题和语言翻译，并帮助genAI模型响应多种类型的查询。
Tupe说：“随着大型语言模型的快速增长，开发人员现在需要深入了解及时设计、有效管理上下文窗口以及与LLM API的无缝集成——这些技能远远超出了基本的ChatGPT交互。”
Tupe说：“开发人员必须知道如何构建复杂的提示链、处理大规模部署、管理速率限制、优化成本以及无缝集成多个LLM。”“仅仅编写基本提示的开发人员和那些能够设计由彻底测试、评估和监控功能支持的强大、企业就绪的LLM系统的开发人员之间存在巨大差异。”
战略思维
从事以人工智能为重点的项目的开发人员需要能够从战略上思考他们正在做的事情。
“随着人工智能夺走越来越多的低挂发展成果，开发人员拥有战略思维——看待问题、分析问题并确定解决方案方向的能力”David Radin说：“随着人工智能占用了越来越多的低悬而下的发展成果，开发人员比以往任何时候都更加重要。”该公司是一家提供旅行优化平台的公司，也是“人工智能时代的时间管理”研讨会的创建者。
Radin说：“人工智能通常会从一个好的提示中提供代码，在提示中有一个战略方向可以帮助您引导人工智能找到您想要的解决方案类型。”“然后，当人工智能给你一个不太充分的回应时，你的战略心态将帮助你分析答案，要么促使你的人工智能更接近你需要的方向，要么自己补充它。”
优秀的时间管理
时间管理是一种几乎适用于每种类型的工作职能的技能，以人工智能为重点的组织中的软件开发人员也不例外。
Radin说：“在人工智能驱动的商店里，优秀的时间管理技能仍然接近要求的首位。”
Radin说：“它不仅有助于组织和个人实现各自的目标，而且在人工智能时代，它还表明了人类对发展中心的重要性。”他说，这降低了裁员的风险或对错过最后期限或目标的担忧。
适应模糊性
与人工智能合作的开发者需要具备适应能力并乐于学习，因为技术日新月异。
约翰逊指出：“工具和范式几乎每月都在变化。如今的成长心态不仅仅意味着学习——它更意味着默认将AI作为起点。优秀的开发者现在会本能地问‘我如何首先用AI解决这个问题？’他们从根本上重新构想自己的方法，围绕AI（而非将其作为附加组件）来设计流程、工具和功能。”
韦勒还提到，开发者也需要适应模糊性和快速迭代。“人工智能开发本质上是概率性的，输出结果可能变化，系统会发生漂移，反馈循环也会出现，”他说。“开发者需要具备足够的成熟度，不仅要调试‘错误代码’，更要调试‘错误假设’。最优秀的开发者会拥抱这种模糊性，并构建出具有韧性、可测试性并能随时间演进的系统。”
韦勒强调，适应快速迭代是一项必备技能。“这个领域发展如此之快，每位开发者都必须热衷于验证假设。”
