随着越来越多的企业尝试使用 AI 基础模型（如 OpenAI 的 ChatGPT），但与此同时，自动化平台对软件开发人员的影响也越来越明显。
一方面，这些平台可能会彻底改变开发人员的工作方式； 另一方面，这些平台也威胁到业内人士的工作，与既定流程形成鲜明对比。
也就是说，毫无疑问，像 ChatGPT 这样的平台是一股颠覆性的力量，受到风险资本家的热烈欢迎。 根据研究公司 Gartner 的数据，生成式 AI 解决方案在过去三年中获得了超过 17 亿美元的投资，其中很大一部分用于 AI 软件编码。
自动化对软件开发还有许多其他潜在影响，尤其是生成代码的质量和多样性。
行业分析师 Dave Vellante 写道：“大型语言模型可以降低复杂性并加速企业自动化平台的采用，但缺点是软件机器人旨在通过智能自动化提高人类生产力，而 GPT 模型可能会蚕食一些（如果不是很多的话） RPA 供应商最初针对的用例。”
这一新现实正在促使客户重新考虑他们的自动化战略，并促使供应商改进他们的消息传递并将基本模型定位为他们平台的催化剂。
那么这项新技术将如何改变开源开发者社区呢？ 为什么新兴的自动化平台是一把双刃剑 最后，这将如何永远改变这个行业？
人工智能的实际应用
在人工智能爆炸之前，自动化已经以惊人的速度发展。 根据世界经济论坛最近的预测，到 2025 年，自动化和技术进步预计将取代 8500 万个工作岗位，但“随着人类、机器和算法越来越多地协同工作”，将创造 9700 万个新角色。
开源的生成式人工智能，例如 OpenAI 开发的自然语言处理模型 GPT-3，具有颠覆大多数技术领域的潜力，软件开发者也不能幸免。
比如GPT-3可以自动生成代码，Hugging Face等一些初创公司已经开始为此做准备。
Hugging Face 首席执行官克莱门特·德拉格 (Clement Delague) 表示：“Hugging Face 是全球初创企业和其他企业的资源，我们可以帮助他们构建几乎任何自然语言处理应用程序，同时满足他们开发所需的时间、成本和复杂性。他们自己的。一小部分，帮助组织将他们的解决方案快速推向市场。”
GitHub CEO Thomas Dohmke 在最近的一篇博文中表示：“我们正在内部测试一项新功能 GitHub Copilot，它会在开发人员通过动态提取有关代码更改的信息创建拉取请求时自动建议句子和段落建议。”
人工智能技术已经被用于优化代码、提出改进建议和减少错误的可能性，以及自动化测试。 尽管 ChatGPT 在技术上处于“类似 Netscape”的时刻，但尚不清楚 IT 决策者将如何直接在其组织中实施该技术。
在一项分析中，Vellante 引用了最近的一次 CIO 圆桌会议。 在谈到机器人过程自动化、机器学习和人工智能时，一位 CIO 表示，这三者本质上都在尝试解决同一个业务场景，即消除冗余资源，无论是人力资源还是其他资源。
“OpenAI 通过 ChatGPT 展示了您可以避免大量‘开销’并围绕典型的 RPA 构建复杂的工件，”首席信息官说。 “我认为这是一个非常有趣的价值主张——能够取代一些‘经典’RPA 工作台，这些工作台需要很长时间才能掌握，并且需要很长时间才能获得超出常规用例的任何价值。”
其他人正试图让这些技术更容易获得。 红帽致力于创建社区驱动的人工智能，作为其 Project Wisdom 计划的一部分，以简化基础设施的自动化。
Red Hat 公司副总裁兼 Ansible 业务部门总经理 Tom Anderson 表示：“这是社区之旅的开始，我们将通过 Discord 等渠道就此展开合作，让人们参与进来。”
对人类开发者的担忧
问题的另一面涉及这种新兴技术完全取代人类开发人员的潜力。 事实上，像高盛这样的公司已经在内部试验生成人工智能来帮助编写代码。
当组织过于依赖 AI 生成的代码时，还会出现其他问题，例如改变世界的机器，如果针对不同的任务有不同的底层模型，就会出现碎片化，这会使开发人员难以有效协作。 另外，如果不对AI生成的代码进行制衡，可能会出现问题，尤其是考虑到目前的ChatGPT中可能还会出现所谓的“幻觉”。
Neuroflash 联合创始人兼首席营销官 Henrik Roth 说：“这些技术将非常有说服力地告诉你它‘认为’是对的，不管它有多少错误。” ChatGPT 用于创意写作和广告，Roth 说这是一个很棒的工具，但“在事实更重要的领域——比如新闻和科学——人们应该对每一个陈述进行事实核查。”
企业如何看待未来的道路
自动化平台将不可避免地改变软件开发人员的游戏规则。 大型企业，尤其是那些处于机器学习、人工智能和自动化交叉领域的企业，正在使用 RPA 作为替代工具，包括 Microsoft、AWS 和 Google。
“微软在收入份额方面处于有利地位，观察人士可以预期微软与 OpenAI 的关系将成为微软人工智能战略的关键，”Vellante 说。 从技术角度来看，微软在 AI 方面可以说落后于 AWS 和谷歌，但在商业模式方面，微软似乎已经跃居领先地位。”
在他对企业技术的研究中，客户被问及他们是否正在评估 GPT 模型以及针对哪些用例。 令人惊讶的是，56% 的客户表示他们没有对其进行评估，而另外大多数人正在评估用于客户聊天的技术。
“从表面上看，人们会得出结论，RPA 和自动化平台可以从 GPT 模型中受益，并且这些用例在很大程度上是互补的。 例如，底层模型可以编写代码或加速开发引导软件机器人的自动化代码，但同时，大型语言模型的能力与一些早期 RPA 用例之间存在重叠，并且这种重叠很可能会增加随着时间的推移更进一步。”
我们下一步去哪里？
对于开发人员来说，机遇和挑战迫在眉睫，因为基于 AI 的模型有可能彻底改变他们的工作方式，即使对工作安全和既定流程的威胁依然存在。
市场仍然两极分化：在艰难时期，公司寻找降低成本的方法，并寻找自动化可以发挥作用的领域。 但与此同时，商家也不得不花钱赚钱。
“GPT 模型正在催生新的想法。买卖双方都在努力将底层模型转化为机会。GPT 模型的早期用例很有趣，但不能直接替代企业自动化平台。但是，有毫无疑问改变世界的机器，低端自动化存在风险，这是一个与基本模型和自动化平台相交的维恩图。”
事实上，生成式 AI 会蚕食一些 RPA 用例。 另一方面，这两种技术可以协同工作以自动化更广泛的任务。
“尽管如此，我们认为所有供应商都必须利用 GPT 模型来简化和加速采用； 买家必须退后一步，试水，看看他们如何部署这些新的创新来为他们的业务增加价值。”
正如人工智能的进步颠覆了大多数技术一样，自动化平台也在不断变化，只有时间才能告诉我们未来会怎样。
