近期的一项调研显示，人工智能开发人员正面临多重挑战，其中包括技能短缺、流程不成熟以及工具不足等问题。在技术领域不断追求进步的开发者们也在面临着新的挑战。
在IBM的一次调查中，人们对于生成式人工智能的乐观预测与实际开发人员面临的挑战形成了鲜明对比。虽然有诸多赞扬生成式人工智能能够极大地简化生活的声音，但实际负责构建这些应用的开发人员却有着不同的看法。
该调查收集了超过1000名企业开发者的意见，他们详细地分享了在创建生成式人工智能应用程序过程中所遭遇的各类挑战。
技能差距的挑战
在开发过程中，技能差距是一个显著的问题。调查结果显示，不到四分之一的应用程序开发人员认为自己是生成式人工智能的专家。在多种类型的开发者中，人工智能开发人员和数据科学家被认为最可能将自己视为生成性人工智能专家。
在另一位来自IBM的数据和人工智能总经理Ritika Gunnar看来，“这突显了生成性人工智能领域的技能缺口”。她表示：“对许多开发人员来说，这是一个充满陡峭学习曲线的新领域——技术的快速创新意味着我们必须时刻保持对恒变新技术的探索。”
即使对于那些拥有一定人工智能技能的开发者来说，工具和流程的不足也是一大挑战。Gunnar指出：“调查受访者认为缺乏标准化的人工智能开发流程是首要问题，同时也强调了透明度和可追溯性的重要性。”
工具使用的困扰
根据报告，大部分开发者在使用五至十五种工具来完成他们的工作。这些工具并不能总是满足他们的需求。其中最常见的挑战包括性能、灵活性、易用性和集成性等方面。
Gunnar进一步指出：“开发人员期望的工具品质与现实中的工具之间存在差距。”他们也不愿意花费大量时间学习新的工具。大部分开发者只愿意投入有限的时间来学习新的人工智能开发工具。
智能代理的忧虑与机会
智能代理也成为开发人员关注的焦点。尽管绝大多数（99%）都在积极探索或开发人工智能代理，但同时他们也表达了对代理可信度、安全性和合规性的担忧。
而从应用场景来看，智能代理有望应用于客户服务支持、项目管理/个人助理以及内容创作等领域。
寻求行动和改变
调查的结果强调了开发所需工具和技术滞后的问题。Gunnar强调：“为了应对生成式人工智能开发的复杂性，我们需要更加易于上手的工具和更加关注开发堆栈的发展。”
她补充说：“人工智能驱动的编码工具已经得到了广泛应用，并极大地提高了开发者的效率。”对于那些希望构建重要的生成式人工智能应用程序的开发者们来说，我们需要将更多的关注和投入放在人工智能堆栈上。
面对新的技术领域和挑战，我们需要携手努力使人工智能堆栈的发展像其生成的应用程序一样简单直观。