開發(fā)人員短缺正在走向勞動力大軍,并將受到嚴重打擊。據(jù)Forrester稱,到2024年,美國將出現(xiàn)50萬開發(fā)商的赤字。
在所有行業(yè)和全球市場中,對軟件的需求以比傳統(tǒng)Java或.NET開發(fā)人員可以跟上的速度增長。人工智能和機器學習的興起加劇了開發(fā)人員的短缺。但是,如果企業(yè)希望保持競爭力,他們別無選擇,只能利用這些新興技術。
那么,商業(yè)世界如何彌合對人工智能工具的需求與缺乏可用的開發(fā)人員之間的鴻溝?通過為公民開發(fā)人員(想要開發(fā)軟件但缺乏編碼背景的行業(yè)專家)配備無代碼或低代碼平臺。
AI和ML需要變得可訪問
當前,人工智能和機器學習主導著整個行業(yè)的技術對話。但是,我們正在走向不再被大肆宣傳的趨勢,它們是每天使企業(yè)受益的真正技術。
但是要使AI和ML真正成為規(guī)范,我們需要更多的開發(fā)人員才能或在適當?shù)娜斯けO(jiān)督下模仿這些人才的技術。這就是無代碼和低代碼平臺的用武之地。低代碼和無代碼平臺依靠拖放式視覺環(huán)境,而不是從頭開始編寫的傳統(tǒng)編碼語言來構建網(wǎng)站,自動化電子郵件并構建新的應用程序。
目前,這些應用程序非常適合滾動使用,允許公民開發(fā)人員開發(fā)新工具的中心組件,以便經(jīng)驗豐富的開發(fā)人員可以專注于更復雜的AI和ML元素。最終,這些更高級別的流程將成為市民開發(fā)人員可以解決的功能。
例如,在銀行工作的金融分析師可以開發(fā)由ML支持的欺詐檢測工具。或者,營銷人員可以構建一個專有應用程序,該應用程序可以利用所有客戶反饋(從社交評論到網(wǎng)站評論再到調(diào)查回復),并將非結構化數(shù)據(jù)提煉成可行的見解?;蛘?,初級律師可以利用自己制作的工具來分析數(shù)千份合同中的數(shù)據(jù),以更好地處理談判。
但是,當涉及到無代碼或低代碼的AI項目時,構建和維護必要的數(shù)據(jù)集將成為一個障礙。這個元素無處可逃。要獲得AI和ML的好處,您需要可用的結構化數(shù)據(jù),并且需要大量數(shù)據(jù)。利用數(shù)據(jù)是數(shù)據(jù)科學家的工作,而不是公民開發(fā)人員的工作。
當您開始確定要解決的業(yè)務中的問題時,請考慮是否存在有關該問題的數(shù)據(jù)。在等待數(shù)據(jù)累積然后花額外的時間來構造數(shù)據(jù)時,您可能需要一些時間才能開始評估問題并尋求解決方案。
此過程可能需要您組織中目前沒有的專業(yè)知識。由于時間很難聘請合格的全職數(shù)據(jù)科學人才,因此請考慮與咨詢公司或基于項目的數(shù)據(jù)科學家合作,以在正確的位置獲取您的數(shù)據(jù),以便在公民開發(fā)人員級別上開始使用它。
在克服了當前軟件開發(fā)的障礙和數(shù)據(jù)限制之后,您將可以在一個更好的地方為公民開發(fā)人員提供無代碼平臺的支持。他們可以開始構建工具,以改善與自己的工作相關的流程。
招聘中
并非所有員工都被排除擔任公民開發(fā)人員的職責。但是有某種類型的員工非常適合這個職位。實際上,您可能已經(jīng)確定了一些熱情但沒有指導的隊友,他們渴望建立自己的解決方案。
如果沒有適當?shù)馁Y源,公民開發(fā)人員類型就傾向于追求影子IT。他們熱衷于更智能地工作,并將獲得甚至構建自己的未經(jīng)認可的應用程序,以使其流程更加高效。他們不會采取不回答的態(tài)度,這意味著他們過去可能承擔了流程和網(wǎng)絡安全方面的責任-不是因為它們是惡意的,而是因為他們想提高工作效率。
為這些企業(yè)家類型配備公司認可的無代碼工具,即可為他們蓬勃發(fā)展所需要的已批準技術。在向公民開發(fā)人員介紹無代碼平臺時,請確保為他們提供適當?shù)闹卫?,并制定有關如何使用該平臺的政策,以降低影子IT的風險。對這些公民開發(fā)人員進行全面的培訓還將有助于確保領導層的支持,因此他們可以輕松地為非IT員工配備如此強大的工具。
公民開發(fā)商的興起并不意味著對受過經(jīng)典培訓的開發(fā)商的需求正在消失。但是,當他們忙于構建高級工具時,公民開發(fā)人員是理想的專業(yè)人員,可以幫助業(yè)務線團隊將經(jīng)過驗證和打包的技術(如AI和ML)應用于其日常工作流程。
在開發(fā)人員供應過少的情況下,由于需求增加,建立嵌入式公民開發(fā)人員團隊將使您的組織適應AI繁榮和人才短缺的情況,并解決整個組織中無數(shù)的技術問題。
-
人工智能
+關注
關注
1789文章
46652瀏覽量
237088 -
應用程序
+關注
關注
37文章
3237瀏覽量
57547 -
機器學習
+關注
關注
66文章
8349瀏覽量
132315
發(fā)布評論請先 登錄
相關推薦
評論