生成式AI的出现几乎影响了每个行业。从写电子邮件到生成代码，科技专业人士越来越依赖ChatGPT和谷歌Gemini等生成式人工智能工具。
但技术专业人士真的相信这些工具能完成工作吗?根据Dice最新的《情绪报告》(Sentiment Report)的数据，该报告全面考察了科技专业人士对从远程工作到办公室文化等方方面面的看法，30%的科技专业人士表示，他们每周至少使用一次生成式人工智能工具。与此同时，大约三分之一的科技专业人士根本没有使用生成式人工智能工具。
对于数据爱好者来说：2024年第二季度技术专业人员情绪调查是在2024年6月5日至27日通过电子邮件进行的。这项调查从居住在美国的全职技术专业人员中获得了520份合格的回复。
对于那些不使用生成式人工智能的人来说，是什么阻碍了他们?只有8%的受访者表示，他们不使用这些工具，因为他们的公司限制将生成式人工智能用于与工作相关的任务。“这种回避似乎主要是自愿的，”情绪调查补充道。“这种犹豫与我们看到的其他报告一致。reool公司在他们的人工智能情绪调查中发现，51%的科技专业人士认为人工智能被高估了。”
年轻的技术专业人士更有可能将人工智能作为他们工作流程的一部分(在18岁至34岁的人群中，约38%的人每周至少使用一次人工智能)。与此同时，55岁以上的受访者中有一半也表示他们从未使用过生成式人工智能。也许这些受访者中的一些人在承诺改变现有工作流程之前，正在等待人工智能技术的发展。
在负责开发或实施人工智能解决方案或系统的四分之一的技术专业人士中，超过一半的人认为他们所从事的项目对他们的公司具有战略价值。此外，三分之一的受访者表示，他们的人工智能相关项目主要用于向利益相关者展示公司正在使用人工智能做些什么。
自然地，那些认为他们所从事的项目具有战略价值的人工智能专业人员也更有可能对他们目前的角色感到满意。
✦ ✦ ✦ 将生成式AI应用于实践
以下是生成式人工智能如何进入当代技术工作流程的一个比较全面的列表:
软件开发:
- 代码生成：开发人员正在使用人工智能根据自然语言提示生成代码片段、整个功能甚至完整的程序。
- 代码补全：人工智能支持的代码补全工具建议下一行代码，加快开发速度并减少错误。
- 调试：人工智能可以分析代码中的潜在问题，提供对错误原因的见解，并提出解决方案。
数据科学：
- 数据探索：人工智能可以快速生成大型数据集的摘要，识别趋势，并提出潜在的相关性。
- 特征工程：人工智能可以从现有数据中自动创建新特征，提高模型性能。
- 模型构建：人工智能可以帮助选择合适的算法、调优超参数和评估模型性能。
网络安全：
- 威胁检测：人工智能可以分析大量数据，以识别潜在的安全威胁和异常情况。
- 事件响应：人工智能可以在安全事件期间自动执行日常任务，使分析师能够专注于关键问题。
- 漏洞评估：人工智能可以扫描漏洞代码并建议补救步骤。
设计和用户体验：
- 设计生成：AI可以根据用户需求和偏好生成设计概念。
- 用户测试：AI可以模拟用户交互，以识别潜在的可用性问题。
- 内容创作：人工智能可以生成营销文案、社交媒体帖子和其他内容。
当然，为了有效地使用生成式人工智能，你需要理解技术，为它确定正确的任务，并进行实验，直到达到预期的结果。在人工智能领域取得成功的公司将确保用于输入和输出的数据的质量，并在整个过程中优先考虑数据的隐私和安全性。
作者：Nick Kolakowski
