AI + 和软件工程团队必须前进的 3 次紧急对话 - 英

Gartner提供可操作、客观的见解、指导和工具，让您的组织的关键任务优先事项 增强您的网络研讨会体验 问一个问题 再次观看 3AI和软件工程团队必须有紧急对话 安东尼·马伦VPAnalyst 范·贝克 副总裁分析师 关键问题 1.构建AI和软件工程合作伙伴关系的上下文2.了解共享数据管道的外观以及如何改进它3.了解软件工程和AI团队如何分担生产职责4.了解软件工程师需要的AI技能，以及哪些软件工程技能对AI工程师至关重要 AI和软件工程合作伙伴关系 关于运营模式的前言... 人工智能成熟组织将软件工程深度参与人工智能的开发 人工智能和软件工程项目通常不仅仅是一种算法 鉴于AI的系统重点，IT实际上在大多数组织中引领AI工作并不奇怪 AI和ML对软件工程的影响 为什么这种合作现在很紧急？ 共享数据管道是什么样子，我们应该如何共同开发它 驱动数据丰富应用的关键因素 •企业被大量数据淹没，平均企业拥有347.56 TB的数据，并且增长迅速•超过75％的首席执行官表示他们希望拥有数据驱动的决策•大多数企业数据是非结构化数据 数据挑战构成实施AI的五大障碍中的三个 软件工程、ML和AI的数据管道 协作共享数据服务-提取物-变换（结构化）-挖掘非结构化数据-加载/存储-数据清洗-PII服务-数据融合-元数据和活动元数据-验证-数据质量-特征工程 随着组织扩展到100和1000的AI 模型、共享元数据和API访问是关键 系统数据协作是通过语义实现的“概念模型”。 联合数据的问题、决策和交付成果工程功能 ●允许AI团队对生产数据库进行哪些加载和查询？●我们如何发展我们的集体主元数据管理方法？●如何扩大软件工程采用的现有ETL方法以支持AI信任，风险和安全功能？●我们如何在合成数据上进行协作？●生成AI如何为协作创造新的规模经济？●我们如何让员工、客户和生态系统合作伙伴参与丰富数据，以及需要提供哪些接口？●我们如何加快领域专家的反馈量？●从生产到AI团队获取数据的路径是什么？谁提取数据？●我们如何使用功能存储和其他方法来防止重复劳动？ 决定：共享数据管道是什么样子，谁管理什么？ 可交付成果:管道流程图和RACI模型。 AI团队和软件工程团队如何共享生产职责 AI进入企业导致工程功能碎片化 成熟的AI组织在整个AI用例生命周期中包括更多的软件工程师 关于机器学习模型的两个观点 软件工程师 数据科学家 Perspectives Perspectives •稳定性•性能•安全•可扩展性•Testing•回滚•可靠性 ModelOps DevOps重叠 为系统开发创建共享资产池例如AI设计模式 富达保险使数据科学家能够进行实验，但拥有共同的运营渠道来支持AI和非AI开发 联合的问题、决策和交付成果工程团队 ●我们有什么正式和非正式的行动？●开发团队如何处理动态组件（如ML模型）并管理正在进行的再培训/部署?●当模型有问题时，谁负责？它们是如何解决的？●应用程序团队将如何适应正在进行的模型再培训/重新部署？●哪些企业应用程序正在使用嵌入式AI，以及它们如何适合（或不适合）AI和SWE Ops？●该模型将如何大规模部署？●模型和应用程序开发和部署的时间表是什么？它们是否一致？●模型测试如何集成到应用程序测试周期中？●我们如何定义必要的角色和责任，以避免任何业务差距？●组织如何创建通用的测试方法？ 决定：确定如何管理重叠操作管道和工具的操作要素。 软件工程师和AI团队需要具备哪些技能 一半以上的AI团队没有参与AI模型的运行、监控和治理 几乎80％的组织拥有正式或标准的操作程序 人工智能和软件工程团队可以相互学习哪些技能？ 卡夫亨氏-数据和分析能力计划 定义：数据素养是在上下文中读取，写入和传递数据的能力，包括对数据源和构造的理解，所应用的分析方法和技术以及描述用例应用程序和由此产生的价值的能力。 增加 ●分布式开发●访问领域知识以构建AI●混合动力发展的挑战●潜在的技术债务 针对员工技能的问题、决策和可交付成果 •我们如何在两个团队之间建立知识转移方案？•我们如何利用供应商的知识交流计划？•我们需要哪些资产和资源来支持教育，我们如何评估扫盲？•我们的合作失败在哪里，是因为技能吗？•需要哪些特定角色的培训？例如，AI和开发之间的回归测试差异是什么？•软件工程师需要什么数据素养？•AI员工应该具备什么样的发展素养？ 决定：什么培训可以在AI和软件工程团队之间创建更有效和有价值的联合方法？可交付成果:按角色确定优先次序的培训计划，以及与供应商和供应商的知识交流计划。 成功的步骤和建议 协作和定义良好的流程是关键 •谁最终负责每个管道阶段？•移交发生在哪里？•两条管道的时间是什么，它们是否重合？•开发团队如何处理非静态组件？•数据科学团队如何融入测试周期? 成功的步骤（1） Education •对数据科学家进行应用程序开发流程培训•在模型开发过程中培训开发人员 理解 •讨论应用和模型开发周期•在ModelOps和DevOps管道 角色和职责 •确定哪个团队负责管道中的各个阶段，其中它们重叠 成功的步骤（2） 流程创建• 获得职能领导者的认可•定义集成的ModelOps DevOps管道 切换点 •这适用于应用程序和模型开发，也适用于模型再训练和重新部署•确保您的CI / CD流程包括模型管理 统一的XOps管道 Recommendations General •运营模式具有巨大的差异-专注于明确的合作目标，并明确围绕AI和软件系统的设计，开发，运营和观察所要完成的核心工作。•通过创建共享的设计模式池来减少系统设计重复/碎片 数据管道 •通过创建一组可供AI和软件工程团队使用的基于知识图的服务和集成，增加对一系列角色的知识图的采用•创建共享的AI数据服务组合，以提取、挖掘、转换和丰富数据。 生产 •采取持续集成和持续交付(CI / CD)的共享方法。在可能的情况下，使用常用工具和技术。•特别注意模型测试、模型集成、模型部署、模型操作和模型监控，因为这些都有最大的重复和重叠的可能性。 技能 ••跨培训团队。两个团队都应该对另一个团队的工作有基本的了解。这将有助于改善沟通和协作。•为软件工程师创建数据和AI素养计划-针对特定的角色和技能39© 2023 Gartner, Inc.和/或其附属公司。保留所有权利。Gartner是Gartner, Inc.及其附属公司的注册商标。 全球最重要的CIO和IT高管聚会™ 2023年11月6日至9日|西班牙巴塞罗那2023年11月13日至15日|日本东京2023年11月28日至30日| Kochi,印度 讨论关键主题，如行政领导、数据和分析、客户体验、网络安全等。在Gartner IT研讨会/Xpo ™上，您将重新构想您的领导、技术和业务战略方法。 在今年的会议上，您将了解到： 发现用于增强IT和业务战略的工具和技术 检查采用新兴和创新技术的机会和风险 了解更多: gartner. com / conf / cio 挑战你对领导力的看法，发现新的领导方法 # GartnerSYM 软件工程技术路线图 软件工程领导者必须为他们的团队配备最新的平台、实践和工具，以快速和大规模地构建软件。 →下载电子书 针对社交媒体上的IT的Gartner 想了解情况吗？通过LinkedIn和X（以前称为Twitter）与我们联系，以获取最新的Gartner IT见解和有关研究，事件等的更新。所有这些都是专门为IT领导者和决策者策划的。 跟随我们 寻找发送到您的收件箱的见解？订阅我们的 成为客户 客户可以全天候获得经过验证的管理和技术研究，专家建议，基准测试，诊断等。 填写表格与代表联系并了解更多信息。 了解更多 或者给我们打电话：+ 441784614280 | + 1 855 637 0291上午8点-下午7点ET上午8点-下午5点格林尼治标准时间周一至周五 获取更多Gartner见解 下载研究幻灯片 查看即将到来的和按需的Gartner网络研讨会在gartner. com / webinars 对此会话进行评级 对此会话进行评级