MARK RALSTON/AFP via Getty Images 关注 ZDNET：将我们添加为您的首选来源。ZDNET 的主要观点 Coursera 创始人 Andrew Ng 列出了关键的 AI 开发技能。一些行业专家认为，这份清单过于关注构建。工程师还必须理解业务问题和风险。是否是时候为软件工程 AI 技能考虑更广泛的视角？ 最近，一位全球知名的 AI 专家确定了寻求 AI 开发职业的四个最基本的技能领域。然而，一些行业观察者表示，这些建议没有深入，表明 AI 技能不仅限于工程，还扩展到其他以业务为导向的领域。此外：'不再需要专业人员'：如何在今天的 AI 办公环境中保持价值 AI 开发的基本技能 Coursera 创始人兼斯坦福大学讲师 Andrew Ng，根据对超过 10,000 个职位发布和与 AI 专家、招聘经理和招聘人员的访谈分析，制定了一份 AI 开发的基本技能清单。该清单包括以下能力： 构建和部署 AI 应用程序：“了解 AI 的构建模块，例如 LLM、上下文工程、RAG、自主工作流、机器学习和深度学习。”除此之外，还需了解“如何使用统计技术来测量、引导和管理 AI 系统，以便它们更可预测地运行。” 理解软件工程基础：构建软件需要与架构、测试和安全相关的技能：“这会导致远比一个没有了解其编程代理所做权衡的缺乏经验的开发人员编写的解决方案更好的结果。” 使用编码代理：“当你掌握了这一技能，你就有了很好的思维模型来理解代理如何工作，”Ng 说。“你理解它们的局限性以及如何绕过这些局限，能够快速引导它们 —— 知道多少干预，多少保持放任 —— 来构建稳健的软件，而不会浪费过多时间或代币。” 塑造构建：“工程师不应再期待只被给予一个像素完美的设计并被要求实现它。有效的 AI 工程需要具备产品感觉，理解业务背景和客户目标。” 单靠这些技能还不够 随着生成性 AI 以及现在的自主 AI 的兴起，构建软件的过程发生了巨大的变化，Ng 说。但是，在围绕 AI 发展的炒作环境中，获取正确的技能可能是一个令人困惑的过程。尽管如此，“所有开发人员 —— 全栈工程师、数据工程师、DevOps 工程师、机器学习工程师，以及，没错，AI 工程师 —— 都需要 AI 工程技能，”他解释说。然而，Ng 收到了反对意见，认为他的技能发展建议在引入 AI 进行问题解决时需要考虑更大的背景。对此他的帖子有回复这么说：“哎呀 —— 这太内向了。没有解决业务问题。这就是人们讨厌软件工程师的原因。”此外：为什么用 AI 替换员工会适得其反 - 智能领导者产生真正价值的 5 种方式 从严格开发的角度来看，Ng 的建议虽然有帮助，但构成了“对于企业来说一个危险的狭隘框架，存在巨大的构建者偏见盲点，”The Field CTO 的创始人和 AI 顾问 Andy Thurai 说。“Ng 的分类法完全集中在‘第一天’的创新上——写代码并使模型工作。但在企业环境中，AI 最困难的部分不再是构建智能; 而是协调、观察和为其付费。依赖这组狭窄的技能优化了在生产中最不重要的变量。” “Ng 概述的四个技能领域很重要，但单靠这些是不够的，”美国运通软件工程的高级经理和女工程师学会 NYSCD 的职业发展总监 Deepika Sidana 同意。“构建 AI 应用程序只是挑战的一部分。工程师还需要了解业务问题、客户工作流、风险、合规要求以及失败的后果。”此外：最拥抱 AI 的公司招聘更多人员——包括初级职位 什么是其他关键 强大的协调技能对于将 AI 迁移到企业环境中尤其关键。这些技能包括“协调模型、工具、数据、评估、可观察性、人类批准和后备路径，”Sidana 说。“最强大的 AI 工程师将软件基础与领域知识、产品判断、沟通及对可衡量商业结果的责任结合起来。” 除了协调之外，关键技能包括“驾驭工程和确定性治理的能力；多代理协调；代理仲裁；AI FinOps；运行时经济；自主可观察性；自主安全性；以及社会技术系统集成。”