۲۷ مهر ۱۴۰۴

Techboy

اخبار و اطلاعات روز تکنولوژی

GenAI مشاغل مهندسی نرم‌افزار را نمی‌گیرد، اما نقش‌های رهبری را بازتعریف می‌کند

هوش مصنوعی مولد در حال بازتعریف نقش‌های رهبری مهندسی نرم‌افزار است، با تقویت بهره‌وری توسعه‌دهندگان، نه حذف مشاغل، بر اساس گزارشی تازه از گارتنر.

هوش مصنوعی مولد در حال بازتعریف نقش‌های رهبری مهندسی نرم‌افزار است، با تقویت بهره‌وری توسعه‌دهندگان، نه حذف مشاغل، بر اساس گزارشی تازه از گارتنر.

راهنمایی برای توسعه‌دهندگان در تمام سطوح

هوش مصنوعی مولد (genAI) در حال تغییر مسئولیت‌های مدیریتی رهبران مهندسی نرم‌افزار است، طبق گفته هاریتا خاندابوتو، تحلیلگر ارشد مدیر در گارتنر. خاندابوتو اظهار کرد که اگرچه این فناوری به‌طور پیشرفته‌ای پیشرفت کرده است، عملکرد اصلی آن افزایش کارایی و بهره‌وری تیم است.

یک نظرسنجی گارتنر از ۴۰۰ رهبر تیم مهندسی نرم‌افزار نشان داد که تا نیمه تیم‌های توسعه نرم‌افزارشان از ابزارهای genAI برای تقویت کار خود استفاده می‌کنند، به‌عنوان یک نیرو افزاینده نه‌که جایگزینی برای توسعه‌دهندگان انسانی. «در حالی که ابزارهای genAI به‌طور پیشرفته‌ای پیشرفت کرده‌اند، هدف آن‌ها جایگزین کردن مهندسان نیست»، خاندابوتو در گزارشی که دیروز توسط گارتنر منتشر شد، گفت.

هوش مصنوعی مولد می‌تواند به مهندسان باتجربه کمک کند تا در پلتفرم‌ها و پروژه‌های مختلف سازگار شوند. اعضای تیم کمتر تجربه‌دار نیز می‌توانند از خودکارسازی وظایف روتین بهره‌مند شوند، تا بر چالش‌های پیچیده‌تر تمرکز کنند، خاندابوتو گفت.

همان‌طور که رهبران مهندسی نرم‌افزار ابزارهای genAI را آزمایش و مقیاس می‌دهند، باید بر نشان دادن ارزش تجاری ملموس آن‌ها تمرکز کنند. «موضوع فقط اثبات کارکرد هوش مصنوعی نیست. بلکه نشان دادن نحوه تحول تیم‌ها برای دستیابی به نتایج واقعی تجاری است. با ارتباط نتایج فناوری با اهداف تجاری، آن‌ها می‌توانند دلایل قانع‌کننده‌ای برای سرمایه‌گذاری مستمر در تیم‌های خود بسازند»، خاندابوتو گفت.

خاندابوتو تأکید کرد که genAI یک اقدام کاهش هزینه یا جایگزینی کارکنان نیست، بلکه یک متحد قدرتمند در افزایش کارایی تیم‌های مهندسی است.

راهبردهای جذب نیروی کار با genAI تکامل می‌یابند

ادغام genAI همچنین نحوهٔ برخورد رهبران مهندسی نرم‌افزار با جذب و مدیریت استعدادها را تغییر می‌دهد. خاندابوتو گفت که کارهای زمان‌بر سنتی مانند خلاصه‌سازی بازخورد مصاحبه، نوشتن توصیف شغل و ورود تازه‌استخدام‌ها می‌تواند از طریق genAI ساده‌سازی شود. در واقع، یک نظرسنجی گارتنر در سه‌ماهه چهارم ۲۰۲۴ از ۴۸۷ مدیر اطلاعات و رهبری فناوری اطلاعات نشان داد که بیش از یک‌سوم پاسخ‌دهندگان از هوش مصنوعی برای تولید توصیف شغل استفاده می‌کنند.

خاندابوتو گفت که genAI می‌تواند فرآیند استخدام را با تسهیل شناسایی نامزدهای برتر تسریع کند. به عنوان مثال، رهبران می‌توانند با وارد کردن درخواست‌هایی مانند «مهارت‌های برتر برای یک مدیر مهندسی پلتفرم چیست؟» از genAI برای انجام تحلیل شغلی استفاده کنند. در حالی که این نقطه شروع ارزشمندی است، خاندابوتو هشدار داد که بررسی انسانی همچنان ضروری است. علاوه بر این، پلتفرم‌های هوش مصنوعی مصاحبه می‌توانند مصاحبه‌ها را به‌صورت متن تبدیل و خلاصه کنند که منجر به صرفه‌جویی قابل‌ملاحظه‌ای در زمان می‌شود.

فرآیندهای ورود نیز می‌توانند با genAI یکپارچه‌تر شوند. «چت‌بات‌های مجهز به هوش مصنوعی می‌توانند به کارمندان جدید با سؤالات متداول کمک کنند و آن‌ها را در تکمیل مدارک و آموزش راهنمایی نمایند. این باعث می‌شود که آن‌ها به‌سرعت به‌روز شوند و زودتر بر روی پروژه‌های کلیدی کار کنند»، خاندابوتو گفت. این ورود تسریع‌شده به کارمندان جدید اجازه می‌دهد تا سریع‌تر در پروژه‌های کلیدی به بهره‌وری برسند.

هوش مصنوعی مولد بر مسئولیت‌های یک رهبر مهندسی نرم‌افزار تأثیر می‌گذارد

هوش مصنوعی مولد بر مسئولیت‌های یک رهبر مهندسی نرم‌افزار تأثیر می‌گذارد.

گارتنر

اقدامات رهبران مهندسی نرم‌افزار که باید اکنون انجام دهند

برای کمک به موفقیت تیم‌های خود در عصر genAI، خاندابوتو سه حوزه‌ای را که رهبران مهندسی نرم‌افزار باید به آن‌ها اولویت دهند، مشخص کرد:

  1. مدیریت استراتژیک مهارت‌ها و توسعه: خاندابوتو گفت که مدیریت و توسعه مهارت‌ها در مرکز مسئولیت‌های یک رهبر قرار دارد. «رهبران مهندسی نرم‌افزار باید تیم‌های خود را در مدل‌های زبان بزرگ (LLMs)، مهندسی پرامپت و بیشتر ارتقا دهند تا بتوانند چالش‌های جدید را برطرف کنند.» آن‌ها همچنین باید با بخش‌های منابع انسانی برای توسعه برنامه‌های آموزشی هوش مصنوعی سفارشی همکاری کنند.
  2. پرورش فرهنگ یادگیری: تقویت برنامه‌های یادگیری چابک می‌تواند منجر به بهبود نتایج کسب‌وکار، کارمندان سازگارتر و یک برنامه پیش‌فعال برای پاسخ به نیازهای مهارتی در حال تحول شود، به گفته خاندابوتو. «ایده این است که مهارت‌های genAI هر کارمند را پیش از تقاضا توسعه دهیم.»
  3. ایجاد سیاست‌های جدید اخلاقی: برای پیاده‌سازی سیاست‌های اخلاق هوش مصنوعی واضح، رهبران مهندسی نرم‌افزار باید مسئولیت‌ها را در چرخه‌های DevOps، DataOps و ModelOps تعریف کنند. خاندابوتو نقش حیاتی تیم‌های حقوقی و امنیتی را در این تلاش‌ها تأکید کرد. «نیاز واضحی به هماهنگی این فعالیت‌های چندوظیفه‌ای وجود دارد تا مسئولیت‌پذیری و انتقال‌های نرم تضمین شود. تیم‌های حقوقی و امنیتی نیز باید در این تلاش‌ها مشارکت داشته باشند.»