当 AI 与人类“抢饭碗”，IT 团队能置身之外吗？| 极客时间

9月前

人工智能的迅猛发展正在颠覆传统的技术工作岗位，给 企业人才结构与能力模型带来前所未有的挑战。技术团队在这场变革中的角色和地位也随之发生着动态转变。

前阵子，InfoQ 的年度技术盘点里对前端、架构、运维和云计算等领域做了相关探讨，分析 AI 可能对这些领域岗位带来的影响。比如，在前端领域，AI 其实已经带来了颠覆性变革，包括从 PRD 到代码、从设计到代码等多个环节。

再比如，架构师岗位的规划、设计和变更目前还很大程度上依赖于人的经验和直觉，但面向未来，AI 技术有望更广泛地用于架构设计，包括 AI 辅助设计、决策支持与建议、智能监控等方面，从而提高架构设计的智能水平。而在运维领域，AIOps 智能化运维方面的探索已过渡到参考自动驾驶的 L0-L5 成熟度模型来度量的阶段，这使得行业开始从整个软件的全生命周期来思考 AI 的赋能和提效。

如果从行业的角度看，当所有的行业都可以用 AI 重做一遍，技术团队亦面临着新的挑战和机遇。 我们可以再看几个例子：

在工业产品设计领域，利用自然语言的交互能力拓展 CAD 等设计软件的功能，可将原本需要大量人工参与的整体概念设计速度提高 80% 以上，这引发了一个问题：企业是否还需要组建大规模设计团队？
在金融科技领域，诸如交易类、风险审核类、客户服务类等领域，一些只从事重复性和简单编码工作的技术人员正逐渐被机器所替代。相反，具备技术和金融背景的复合型人才变得非常稀缺。对于技术团队来说，如何更好地掌握行业知识，提高复合型能力，成为一个重要的议题。
在互联网领域，数据标注员正在被自己服务的 AI 所替代，如果说简单的标注可以用 AI 来完成，那么数据标注行业的门槛不断提高，需要人工参与的数据筛选和标准工作变得更加困难。作为数据标注团队又该如何应对这一挑战？

在深刻认识到行业正在经历的时代变革和 AI 新风口的同时，进一步思考，技术团队需要培养哪些能力 ** 以适应这一变革？更为关键的是，未来哪些人才将会变得更加稀缺 **？对此，我们总结了以下要点：

信息鉴别能力： 随着 AI 模型输出的信息日益普及，我们必须重视其中可能存在的“毒性”和“幻觉”。只有通过扎实的专业理论和技术基础，我们才能有效提升对 AI 信息的辨别力，以规避其潜在的负面影响。
持续学习的能力： 每一次技术变革，不是终点，而是新的起点，面对不断迭代更新的技术浪潮，掌握学习能力并保持持续学习不再是一种选择，而是一种必备的生存和发展策略。
AI 与业务融合的创造能力：所谓融合不是简单的生搬硬套，这就要求开发者不仅能够进行大模型的训练和调优，还需要深入理解业务的能力。只有通过深刻的业务理解，开发者才能够更好地服务于业务，这种融合能力将成为技术团队中的重要优势。

然而，团队如何高效获取知识并提升上述能力仍然是一个挑战。

新春佳节临近，极客时间企业版 为广大技术团队提供了企业新春知识红包——3000+ 门前沿在线课程，由一线技术专家打磨，内容涵盖全面：AI 大模型应用、研发效能提升、技术团队管理等多元维度，全方位助力企业和技术团队破浪前行，从容应对 AI 时代的各项挑战，实现自我与团队的整体跃升。

每个团队都可以免费领取 100 个学习账号。** 扫描图中二维码 ** 即可免费领取学习账号。