随着越来越多的企业尝试使用AI基础模型（例如OpenAI的ChatGPT），但与此同时，自动化平台给软件开发人员带来的影响越来越明显。
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，毫无疑问地，像ChatGPT这样的平台是一股颠覆性的力量，受到了风险资本家的热烈欢迎。根据研究公司Gartner的数据显示，过去三年中生成式AI解决方案获得了超过17亿美金的投资，其中很大一部分投入在AI软件编码上。
自动化对软件开发还有其他很多潜在影响，尤其是所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，但不利的一面是，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）最初由RPA供应商瞄准的用例。”
这一新的现实，正在促使客户重新考虑他们的自动化战略，促使厂商完善他们对外传递的信息，将基础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？新兴的自动化平台为何是一把双刃剑？最后，这将如何给这个行业带来永远的改变？
AI的实际应用
在AI呈现爆炸式发展之前，自动化已经达到惊人的发展速度。根据世界经济论坛最近预测，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9700万个新的角色。
开源的生成式AI——例如OpenAI开发的自然语言处理模型GPT-3，可能会颠覆大多数技术领域，软件开发者也不能幸免。
例如，GPT-3可以自动生成代码，一些初创公司如Hugging Face，已经开始为此做好了准备。
Hugging Face公司首席执行官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，其时间、成本和复杂性，是他们自己开发所用的很小一部分，从而帮助组织将他们的解决方案快速推向市场。”
GitHub首席执行官Thomas Dohmke在最近的一篇博客文章中表示：“我们内部正在测试新的功能，GitHub Copilot将在开发人员通过动态提取有关代码更改信息创建拉取请求时，自动提出关于句子和段落的建议。”
AI技术已经被用于优化代码，提出改进建议并降低出错的可能性，此外还被用于自动化测试。尽管ChatGPT在技术领域实现了“类似Netscape”的高光时刻，但目前尚不清楚IT决策者将如何在他们的组织中直接实施这项技术。
Vellante在一份分析中，引用了最近一次CIO圆桌会议的内容。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，这三者本质上都是在尝试解决相同的业务场景，即消除多余的资源，无论是人力资源还是其他资源。
这位CIO表示：“OpenAI通过ChatGPT展示了，你可以避免很多‘开销’，围绕典型的RPA构建复杂的工件。我认为这是一个非常有趣的价值主张——能够取代‘经典’RPA中的一些工作台，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过常规用例的任何价值。”
其他人则试图让这些技术更容易获得。Red Hat致力于创建社区驱动的AI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、Ansible业务部门总经理Tom Anderson表示：“现在这是社区之旅的开始，我们将通过Discord之类的渠道合作开展这项工作，吸引人们参与进来。”
对人类开发者的担忧
问题的另一面涉及这种新兴技术将可能完全取代人类开发者。事实上，高盛集团等公司已经开始在内部尝试使用生成式AI来协助编写代码了。
如果组织过于依赖AI生成的代码还会引发其他问题，例如如果针对不同任务有不同的基础模型，就会出现碎片化的问题，这可能会导致开发者难以有效协作。另外，如果没有对AI生成的代码进行制衡也会可能出问题，特别是考虑到当前ChatGPT仍然可能出现所谓的“幻觉”。
Neuroflash联合创始人、首席营销官Henrik Roth说：“这些技术会非常有说服力地告诉你它‘认为’是对的，不管它有多少错误。”Roth说，ChatGPT是用于创意写作和广告的绝佳工具，但“如果是在那些事实更重要的领域——例如新闻和科学领域——人们应该对每一个声明进行事实核查。”
企业如何看待未来之路
自动化平台将不可避免地改变软件开发者的游戏规则。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作为一种替代工具，包括微软、AWS和谷歌。
Vellante表示：“微软在收入份额方面处于有利地位，观察家可以预期，微软于OpenAI的关系将成为微软AI战略的关键。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。”
在他关于企业技术的研究中，询问了客户是否正在评估GPT模型以及针对哪些用例。令人惊讶的是，有56%的客户表示他们没有对此进行评估，而除此之外，另外大部分客户正在评估将这项技术用于客户聊天。
“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，基础模型可以编写代码或者加速指导软件机器人的自动化代码开发，但与此同时，大型语言模型的功能与一些早期RPA用例之间存在重叠，随着时间的推移，这种重叠很可能会进一步增加。”
接下来何去何从？
对于开发者来说，机遇和挑战都迫在眉睫，因为AI基础模型有可能会彻底改变他们的工作方式，即使对工作安全性和既定流程仍然存在威胁。
这个市场仍然是两极分化的：在艰难时期，公司会想办法削减成本，寻找自动化技术可以发挥作用的方面。但同时，企业必须花钱才能赚钱。
“GPT模型正在催生新的思想，买家和卖家都在努力将基础模型转化为机会，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。然而，低端自动化存在风险，毫无疑问，这里有一个维恩图与基础模型和自动化平台相交。”
事实上，生成式AI会蚕食一些RPA的用例。另一方面，这两种技术可以协同工作以便对更广泛的任务进行自动化。
“尽管如此，我们认为所有厂商都必须利用GPT模型来简化和加速采用；买家必须退后一步，试水一下，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。”
与AI进步颠覆了大多数技术一样，自动化平台也在不断变化中，只有时间才能证明未来会是什么样子的。
