共计 1429 个字符，预计需要花费 4 分钟才能阅读完成。
最新研究显示，尽管 84% 的 IT 经理预计采用人工智能能够降低成本，但仍有 43% 的人担忧人工智能将催生新的技术债务。以下是避免这一陷阱的有效方法。
众多 IT 高管担忧人工智能正在加剧技术债务，而非减轻。人工智能可能在已负债累累的技术平台上运行。软件开发需要更长远的规划。
技术债务一直是技术实施中的一大难题，即便人工智能在应用开发和部署中承担了部分繁重工作，这一问题似乎并未缓解。事实上，人工智能可能使情况更加复杂。
HFS Research 与 Unqork 联合发布的一项新研究指出，43% 的 IT 经理担忧人工智能将产生新的技术债务，尽管 84% 的人预计采用人工智能能够降低成本。
这项于 9 月进行的调查涵盖了 123 名来自大型公司的高管和经理。人们对人工智能寄予厚望，期待其能帮助解决问题、清理技术债务并降低成本。至少 80% 的受访者预计人工智能将提升生产力，55% 的人则认为人工智能将有助于减少技术债务。
然而，研究人员指出，认为人工智能会增加技术债务的群体反映了‘对安全、遗留系统集成以及黑箱行为的真实焦虑，因为人工智能在整个技术栈中扩展’。主要担忧包括安全漏洞（59%）、遗留系统集成的复杂性（50%）和可见性丧失（42%）。
什么是技术债务？当技术团队在压力下对软件问题采取快速修复或捷径，而非更谨慎的解决方案时，就会产生技术债务。其结果往往是未来需要更昂贵的返工和维护，以最终解决最初的捷径。
‘技术债务存在于技术栈的多个层面，’Unqork 的首席执行官 Gary Hoberman 告诉 ZDNET。‘你可能拥有最优秀的 10 倍工程师或最先进的人工智能模型，编写出最优雅、最高效的代码，但这些代码可能仍然在充满技术债务和安全问题的运行时上运行。或者它们可能还依赖于不再受支持的开源库。’
例如，Hoberman 提到，一位 Unqork 客户正在解决其 Java 应用程序累积的 25 年技术债务。‘仅仅更新底层的 Java 虚拟机就如此昂贵和缓慢——需要数月——且收益甚微。当他们完成一个版本的更新时，新版本就会发布，需要再次升级。这就是继承技术债务的典型表现。’
人工智能为技术债务挑战带来了新的复杂性。Hoberman 进一步指出，人工智能辅助代码的广泛使用可能会带来‘意想不到的后果，例如失控的维护成本和不断增加的技术债务’。当前系统的维护已经让 IT 部门不堪重负。
规避人工智能产生技术债务的四种策略
如何防止人工智能催生新的技术债务？以下是四项建议：
1. 抑制快速生成代码但缺乏可追溯性、回滚或集成防护措施的人工智能项目
实施需要明确显示谁做了什么、何时以及为什么。缺乏这一点，基于人工智能的系统‘不仅是脆弱的，而且是未来的责任，’HFS 的实践负责人兼调查报告的合著者 Hansa Iyengar 表示。‘最容易产生债务的人工智能项目起初看似迅速，但悄悄埋下了复杂性，使每一次变更都变得更加困难。’
2. 监督模型和架构的转变
转向‘最小化客户代码创建、最大化重用并嵌入治理的架构中的产品化结果，以便人工智能减少而非增加技术债务，’Hoberman 说。
3. 向高层管理层强调软件开发中长期思考的紧迫性
强调软件支出将如何带来业务成果，如收入增长。‘当你量化什么将运行业务与什么推动变革时，与董事会进行基于事实的重新分配支出的对话就会变得容易得多，’Iyengar 说。
4. 现代化遗留系统
如果没有这种现代化，并且不改变底层架构，人工智能的好处将被埋没。‘在这种情况下，人工智能将产生更多的技术债务，而非减少，’Hoberman 说。
