在自动化所有事物的竞赛中 - 从客户服务到代码 - ai> ai被视为银弹。叙述是诱人的：可以编写整个应用程序，简化工程团队并减少对昂贵人类开发人员的需求的AI工具以及数百个工作。
，但是从我的角度来看，从我的角度来看，每天都在真实公司的数据和工作流程中度过，炒作与现实不符。
我已经与通用电气，沃尔特迪斯尼公司和哈佛医学院等行业领导者合作，以优化他们的数据和AI基础设施，这就是我学到的：在大多数工作中用AI代替人类仍然只是一个想法。
我担心我们对未来的想法太远。在过去的两年中， 的编程工作已经消失了。马克·扎克伯格（Mark Zuckerberg） 他计划用Meta的coders of Meta ai's Ai ai's Ai ai's Ai ai's Ai ai's Ai's Ai's Ai's Ai's Ai。
But, intriguingly, both Bill Gates and Sam Altman have publicly warned against replacing coders.
现在，我们不应该依靠 ai工具可以成功地代替技术或业务中的作业。这是因为AI所知道的本质上受到所见所有的限制 - 并且在技术领域看到的大部分都是样板。
生成的AI模型在大型数据集中受过培训，这些数据集均在两个主要类别上：通常属于公开可用的数据（从开放的互联网），或从组织中或购买第三部分或购买的第三部分。
简单的任务（例如构建基本网站或配置模板应用程序）对于生成模型来说是简单的胜利。但是，在编写为诸如Google或Stripe等公司提供支持的复杂，专有的基础架构代码时，存在一个问题：该代码在公共存储库中不存在。它被锁定在公司的墙壁内，无法访问培训数据，并且经常由具有数十年经验的工程师撰写。
现在。原因 自己还算。而且它没有直觉。这只是模仿模式。我在科技界的一个朋友曾经将大语言模型（LLMS）描述为“真的很好的猜测”。
今天将AI作为初级团队成员，对初稿或简单项目有帮助。但是像任何大三学生一样，它需要监督。例如，在编程中，尽管我发现简单编码的5倍改进，但我发现，审查和纠正更复杂的AI-II制作代码通常比我自己编写代码更需要时间和精力。
您仍然需要具有丰富经验的高级专业人士才能找到缺陷，并了解这些缺陷从现在起六个月后可能造成风险的细微差别。
这并不是说AI不应该在工作场所中占有一席之地。但是，用一个人和一系列AI工具代替整个程序员或会计师或营销人员团队的梦想已经为时过早。我们仍然需要这些工作中的高级人员，我们需要培训从事初级工作的人们，以便在技术上足以承担一天的更复杂的角色。
AI在技术和业务中的目标不应是从循环中删除人类。我并不是这样说，因为我很害怕AI会拿我的工作。我之所以这样说，是因为我已经看到在此阶段过多地相信AI
业务领导者，无论他们从事什么行业，都应该意识到：虽然AI承诺节省成本和较小的团队，但这些效率的提高可能会适得其反。您可能会相信AI可以执行更多的初级工作水平，但不能完成更复杂的项目。
AI很快。人类很聪明。有很大的区别。我们越早将对话从替换人类转变为加强他们，我们就越会从AI中获得好处。
derek chang是 stratus data 。