人工智能既能增加复杂性，也能降低复杂性。其影响取决于应用场景和方式。
人工智能（AI）会让工作变得更轻松还是更复杂？专家认为，答案取决于具体情境。
在最近一场由IDC主办的访谈中，SIAC首席执行官Toni Townes-Whitley将AI描述为对抗系统复杂性的终极武器。她指出，她的公司正在利用AI减少美国国防部这一全球最复杂技术环境中的技术复杂性。
她的团队成功将任务规划和其他操作功能从“数小时缩短至几分钟”。她表示，AI在商业领域也能产生类似影响，“减少业务开发、提案撰写、搜索以及创建新文档和内容的时间和繁琐工作。”在开发方面，AI还缩短了代码生成所需的时间。
这些成果无疑是积极的。然而，也有声音提醒需保持谨慎，因为AI既能降低复杂性，也可能增加复杂性。其影响取决于应用场景和方式，当然，还需要适当的治理。
“AI融入技术领域的同时，也带来了新的复杂性，”西门子研发项目经理Supriya Bachal表示，“这种复杂性体现在多个层面。工程师和开发者在将AI集成到工具中时，需要应对新的复杂性；组织在管理这些新AI系统时，同样面临挑战。”
技能需求可能进一步加剧这一局面。尽管AI可能减少许多领域的人力需求（尤其是编码和IT管理领域），但应用这项技术需要掌握AI友好型编程语言和框架、机器学习、深度学习、自然语言处理（NLP）、分析、数学、统计、算法设计和演绎推理等专业知识。
“随着AI驱动的解决方案遍布应用、API和多样化的用户终端，IT环境将变得更加复杂，”Vonage副总裁Amitha Pulijala表示，“管理这些新工具需要更专业的技能。”
与此同时，“AI将焦点从基础IT技能转向用例、实施和用户体验，”Kyndryl数字工作场所服务高级副总裁Dennis Perpetua指出，“这一转变为新人才提供了机会，他们可以利用AI工具加速IT职业发展。”
专家建议，通过开放协作的方式推进AI项目，是克服技能挑战的关键。这种方式需要开发者、数据科学家、IT团队和业务利益相关者共同参与。
缓解职场挑战
在操作复杂性方面，AI带来的影响喜忧参半，但解决之道也很多。“AI可以自动化例行任务、简化流程，甚至直接管理构成现代IT架构的复杂应用和服务网络，”西门子的Bachal表示，“例如，AI驱动的可观测性平台能够解决数字空间中的问题，而这些问题通常需要大量人力和认知负荷来模拟和合成。”
新兴技术的另一优势是，“当平台遇到操作问题时，AI不仅能提供无限的人类问题解决能力，还能独立完成部分问题解决工作，”Bachal补充道。
Vonage的Pulijala认为，AI将有助于缓解职场挑战。“这项技术可以优化工作流程、自动化简单的应用开发，并提供系统性能洞察，让开发者和IT团队专注于更高价值的任务。”
简而言之，尽管AI在某些情况下增加了技术访问的复杂性，但它也在帮助管理复杂性。“总体而言，虽然AI增加了IT某些方面的复杂性，但也带来了显著的效率、创造力和生产力提升，这些挑战是值得的，”Kyndryl的Perpetua表示。
例如，他指出：“像GitHub Copilot这样的工具提高了编码任务的效率，而基于AI的API变得更加自主，减少了创建和维护它们所需的时间。”
另一个值得关注的领域是自然语言处理（NLP），它被视为进入AI世界的门户，能够打破API之间的传统集成障碍，简化庞杂的基础设施。ISG美洲区AI咨询业务负责人Loren Absher表示：“然而，NLP带来的进步也伴随着挑战：机器在解释人类语言时必须处理模糊查询、维护安全性并确保精确性，同时还要动态扩展。”
他强调，良好的治理至关重要。“AI不仅应用于自动化（如监控、问题检测和优化），还应充当传统API与NLP驱动API之间的桥梁，”Absher表示，“中间件平台和编排引擎等工具可以促进不同系统之间的无缝通信。”
他建议设计AI系统时需“注重透明度、适应性和强大的安全协议”，“强有力的治理框架以及对培训和工具的持续投入，将确保团队能够驾驭AI的变革力量而不失控。”
警惕“智能代理”
活动中还提到，智能代理AI可能简化而非加剧复杂性。
“代理可以通过连接遗留应用、API和分散的数据源来简化生态系统，”RozieAI副总裁、前SnapLogic AI产品管理总监Aaron Kesler表示，“它们可以识别低效环节、标记瓶颈，并自动化优化现有系统的工作流程，而无需定制代码或大量开发时间。”
例如，“欺诈检测代理可以自主分析交易，标记可疑模式，同时为人类分析师提供可操作的见解，”Kesler说，“同样，研究代理可以扫描网络，追踪特定产品的提及情况，实时汇总数据以保持团队的主动性和信息更新。如今，这些任务无需依赖数据科学团队，仅需IT部门的一两名数据工程师即可完成。”
不过，需要注意的是，AI对复杂性的影响因具体情况而异。
“对于已经拥有强大IT基础设施和团队的组织，AI可能只是将资源从一处转移到另一处，”技术顾问、Ceralytics联合创始人Brandon Andersen表示，“团队不再维护遗留系统，而是转而排查和维护新的AI系统——尤其是那些复杂的连接。”
对于小型IT团队，情况可能截然不同。“这些团队不再只是当前SaaS系统的应急支持，而是需要负责各种API连接，并在系统故障时成为第一道防线，”Andersen指出，“由于这些连接不再由第三方管理，IT团队将承担更多责任。”
精选文章：