根据Gartner的一项调查，预计到2024年，人工智能将为80%的代码生成工作提供支持，从而提高效率和速度。这意味着IT劳动力将受到生成AI的重大影响，而预售、销售支持和投标管理等职位的人员将与AI一起合作。
这意味着虽然IT专业人员将越来越多地使用生成AI作为工具，但它不会立即完全取代他们。但是，当涉及编写代码时，AI确实具有优势，因为通过将软件的缺陷密度降低多达90％，它提供更好的质量。
已经观察到公司可以利用机器学习提升它们的能力，因为麦肯锡的研究显示，采用AI的公司交付更好的业绩的可能性提高了1.5倍。
由于AI使技术专业人员和开发人员可以更少花时间处理技术问题而探索创新思路，本文将介绍生成AI如何改变IT劳动力的日常操作方式。
生成AI对开发人员和IT专业人员的影响
开发人员不必担心生成AI，因为研究进一步表明，通过使用AI作为工具，他们完成任务的期限有望提前30％。
生成AI能够迅速高效地处理数据，可以极大地简化新开发人员处理复杂代码的工作。
至于IT专业人员，公司并不是要取代他们，而是希望为员工提供生成AI，例如ChatGPT和Dall-E作为工具。
他们希望通过这种增强功能开辟新的收入来源，提高生产力并扩大每位员工的利润空间。
将会有更多IT专业人员的角色开放，例如提示工程师，他们将对AI进行培训，使ChatGPT能够更有效地响应特定请求。
由于生成AI加快了创新的速度，技术专业人员还可以作为测试工程师找到更多就业机会。
在AI时代的IT专业人员的角色和责任
AI的兴起为IT专业人员开辟了包括AI工程师在内的新角色，并要求他们具备扎实的机器学习和模型构建知识。IT专业人员需要编写代码，使算法与软件协同工作。
他们还需要创建允许AI提取和处理数据的基础设施，这实质上推动了自动化。了解统计学、编程和数据库对于AI工程师来说至关重要，以确保算法始终是最新的。
在AI工程的大伞下，这些专业人员可以成为深度学习工程师、自然语言处理工程师、计算机视觉工程师、数据科学家和AI架构师。
深度学习工程师可以训练AI来读取和处理特定请求，而自然语言处理工程师使其能够像ChatGPT与人交流。
然后数据科学家负责分析部分，计算机视觉工程师负责图像处理，而AI架构师则负责创建基础设施。
未来IT专业人员所需的技能和能力
AI时代的IT专业人员需要构建人工智能基础设施，对其进行维护并训练AI模型，等等。为此，他们必须精通Python、Java、Scala和TypeScript等编程语言。
他们必须熟悉诸如Naive Bayes的算法，该算法基于贝叶斯定理，假设系统中的某种模式与其他特征的存在无关。未来的专业人员还需要了解隐马尔可夫生成AI模型和将数据点分组成簇的高斯混合模型。
对于寻求从事人工智能角色的IT专业人员来说，他们必须能够使用Hadoop处理数据集，实现分布式处理。像Apache Cassandra这样的技术还可以通过捕捉高频率活动的信号来读取用户行为。
但在核心，对微积分、概率和线性代数的深入了解，加上批判性思维和问题解决能力，对于IT专业人员在未来的发展中至关重要。
导航激进变革：适应AI增强的未来
对数百种AI应用案例的研究得出的结论是，深度学习和AI神经网络可以产生高达5.8万亿美元的年度价值。
适应AI增强的未来需要将重点从自动化转向IT专业人员与机器之间的协作。
这意味着工作职能将被重新设计，以充分利用独特的人类技能，借助算法作为工具。
随着AI加速数据提取导致更多数据流入，将增加使用更高效服务的用户数量，信息将推动更好的算法。
未来的增强型劳动力将看到人类与机器人合作，并通过提供数据和训练模型来增强AI。
这样的流程操作简化且成本较低的公司将被称为仿生组织，因为这是IT员工和AI相互授权的结果。
当公司将AI整合到未来的运营中时，以下是他们如何为过渡建立一个未来准备的劳动力。
首先，企业需要确定需要自动化的任务和流程，然后组建一个独立的AI任务部门。
在此之后，可以部署诸如机器人流程自动化的技术作为员工适应的工具。
然后需要确定需要根据当前角色和能力进行特定培训和提升的员工。
数据专家和设计师也可以合作创建一个用户友好的AI基础架构。
需要为包括人力资源、财务和IT在内的所有部门制定增强型劳动力路线图，以实现平稳过渡。
IT角色的划分：AI开发与AI应用
尽管AI对所有公司都是必不可少的，但其开发和应用是两个完全不同的领域，一个涉及算法的创建，而另一个则实现其高效集成。
明确区分处理它们的角色，可以帮助IT专业人员在未来的工作中选择自己的领域。
首先，以下是将负责AI开发的专业人员：
软件工程师负责编写代码、监控集成和管理质量控制和应用程序编程接口。除计算机科学、物理或工程学学士学位外，AI和数据科学的认证对这个工作有帮助。
与工程师不同，软件架构师负责设计AI工具和平台，选择工具包并实施数据流的无缝流动解决方案。此角色需要对统计分析、云计算和数据处理有经验。
自然语言处理工程师通过训练AI模型识别人类语言以识别特定问题和需求，在AI的发展中起着至关重要的作用。计算语言学的专业学位对寻求这一职位的工程师至关重要。
在开发之后，这些角色涉及将AI应用于组织中。
机器人工程师负责创建和管理由AI创建的策略和工作流所需的机器。这可能涉及在制造业现场工作或在服务业中监控自动化。
数据科学家需要教会员工提出正确的问题，以便算法能够帮助他们使用数据。通过这个过程不断改进的机器学习技术可以提高最终产品的质量。
除此之外，组织中每个级别和部门的专业人员都需要掌握与AI协作所需的技能，不仅仅是作为处理者，而是作为共同驾驶员。
