Bergabunglah dengan buletin harian dan mingguan kami untuk pembaruan terbaru dan konten eksklusif tentang liputan AI terkemuka di industri. Pelajari lebih lanjut
Ketika CEO Salesforce Marc Benioff baru -baru ini mengumumkan bahwa perusahaan tidak akan mempekerjakan insinyur lagi pada tahun 2025, mengutip “peningkatan produktivitas 30% pada teknik” karena AI, itu mengirim riak melalui industri teknologi. Berita utama dengan cepat membingkai ini sebagai awal dari akhir untuk insinyur manusia – AI akan datang untuk pekerjaan mereka.
Tetapi berita utama itu sepenuhnya kehilangan tanda. Apa yang sebenarnya terjadi adalah transformasi rekayasa itu sendiri. Gartner menamai Agentic AI sebagai tren teknologi teratas untuk tahun ini. Perusahaan juga memperkirakan bahwa 33% aplikasi perangkat lunak perusahaan akan mencakup AI Agentik pada tahun 2028 – sebagian besar, tetapi jauh dari adopsi universal. Timeline yang diperluas menunjukkan evolusi bertahap daripada penggantian grosir. Risiko sebenarnya bukan AI mengambil pekerjaan; Insinyur yang gagal beradaptasi dan tertinggal ketika sifat kerja teknik berkembang.
Kenyataan di seluruh industri teknologi mengungkapkan ledakan permintaan untuk insinyur dengan keahlian AI. Perusahaan jasa profesional secara agresif merekrut insinyur dengan pengalaman AI generatif, dan perusahaan teknologi menciptakan posisi teknik yang sepenuhnya baru yang berfokus pada implementasi AI. Pasar untuk para profesional yang dapat secara efektif memanfaatkan alat AI sangat kompetitif.
Sementara klaim keuntungan produktivitas yang digerakkan AI dapat didasarkan pada kemajuan nyata, pengumuman semacam itu sering mencerminkan tekanan investor untuk profitabilitas sebanyak kemajuan teknologi. Banyak perusahaan mahir dalam membentuk narasi untuk memposisikan diri sebagai pemimpin di perusahaan AI – sebuah strategi yang selaras dengan harapan pasar yang lebih luas.
Bagaimana AI Mengubah Pekerjaan Rekayasa
Hubungan antara AI dan rekayasa berkembang dalam empat cara utama, masing -masing mewakili kemampuan berbeda yang menambah bakat rekayasa manusia tetapi tentu saja tidak menggantikannya.
AI unggul pada peringkasan, membantu para insinyur menyaring basis kode, dokumentasi, dan spesifikasi teknis yang besar menjadi wawasan yang dapat ditindaklanjuti. Daripada menghabiskan berjam-jam meneliti dokumentasi, insinyur bisa mendapatkan ringkasan yang dihasilkan AI dan fokus pada implementasi.
Juga, kemampuan inferensi AI memungkinkannya untuk menganalisis pola dalam kode dan sistem dan secara proaktif menyarankan optimisasi. Ini memberdayakan para insinyur untuk mengidentifikasi potensi bug dan membuat keputusan berdasarkan informasi lebih cepat dan dengan keyakinan yang lebih besar.
Ketiga, AI telah terbukti sangat mahir mengkonversi kode antar bahasa. Kemampuan ini terbukti sangat berharga karena organisasi memodernisasi tumpukan teknologi mereka dan upaya untuk melestarikan pengetahuan kelembagaan yang tertanam dalam sistem warisan.
Akhirnya, kekuatan sejati Gen AI terletak pada kemampuan ekspansi – membuat konten baru seperti kode, dokumentasi atau bahkan arsitektur sistem. Insinyur menggunakan AI untuk mengeksplorasi lebih banyak kemungkinan daripada yang mereka bisa sendiri, dan kami melihat kemampuan ini mengubah rekayasa di seluruh industri.
Dalam perawatan kesehatan, AI membantu menciptakan sistem instruksi medis yang dipersonalisasi yang menyesuaikan berdasarkan kondisi spesifik pasien dan riwayat medis. Dalam manufaktur farmasi, sistem yang ditingkatkan AI mengoptimalkan jadwal produksi untuk mengurangi limbah dan memastikan pasokan obat kritis yang memadai. Bank -bank besar telah berinvestasi di Gen AI lebih lama dari yang disadari kebanyakan orang; Mereka membangun sistem yang membantu mengelola persyaratan kepatuhan yang kompleks sambil meningkatkan layanan pelanggan.
Lanskap keterampilan teknik baru
Saat AI membentuk kembali teknik, ia menciptakan spesialisasi yang sepenuhnya baru dan keterampilan, seperti kemampuan untuk berkomunikasi secara efektif dengan sistem AI. Insinyur yang unggul dalam bekerja dengan AI dapat mengekstraksi hasil yang jauh lebih baik.
Mirip dengan bagaimana DevOps muncul sebagai disiplin, operasi model bahasa besar (LLMOPS) berfokus pada penyebaran, memantau, dan mengoptimalkan LLM di lingkungan produksi. Praktisi LLMOPS Track Model Drift, mengevaluasi model alternatif dan membantu memastikan kualitas yang konsisten dari output yang dihasilkan AI.
Membuat lingkungan standar di mana alat AI dapat digunakan secara aman dan efektif menjadi penting. Platform Engineering menyediakan templat dan pagar yang memungkinkan para insinyur untuk membangun aplikasi yang ditingkatkan AI lebih efisien. Standardisasi ini membantu memastikan konsistensi, keamanan, dan pemeliharaan di seluruh implementasi AI organisasi.
Kolaborasi manusia-AI berkisar dari AI hanya memberikan rekomendasi yang dapat diabaikan manusia, hingga sistem yang sepenuhnya otonom yang beroperasi secara mandiri. Insinyur yang paling efektif memahami kapan dan bagaimana menerapkan tingkat otonomi AI yang sesuai berdasarkan konteks dan konsekuensi dari tugas yang dihadapi.
Kunci integrasi AI yang sukses
Kerangka Tata Kelola AI yang Efektif – yang peringkat No. 2 dalam daftar tren teratas Gartner – menetapkan pedoman yang jelas sambil meninggalkan ruang untuk inovasi. Kerangka kerja ini membahas pertimbangan etis, kepatuhan peraturan dan manajemen risiko tanpa menghambat kreativitas yang membuat AI berharga.
Daripada memperlakukan keamanan sebagai renungan, organisasi yang sukses membangunnya ke dalam sistem AI mereka sejak awal. Ini termasuk pengujian yang kuat untuk kerentanan seperti halusinasi, injeksi cepat dan kebocoran data. Dengan memasukkan pertimbangan keamanan ke dalam proses pengembangan, organisasi dapat bergerak cepat tanpa mengorbankan keamanan.
Insinyur yang dapat merancang sistem AI agen menciptakan nilai yang signifikan. Kami melihat sistem di mana satu model AI menangani pemahaman bahasa alami, yang lain melakukan penalaran dan yang ketiga menghasilkan respons yang tepat, semuanya bekerja dalam konser untuk memberikan hasil yang lebih baik daripada yang dapat diberikan oleh model tunggal.
Saat kita melihat ke depan, hubungan antara insinyur dan sistem AI kemungkinan akan berkembang dari alat dan pengguna ke sesuatu yang lebih simbiosis. Sistem AI saat ini kuat tetapi terbatas; Mereka tidak memiliki pemahaman yang benar dan sangat bergantung pada bimbingan manusia. Sistem masa depan mungkin menjadi kolaborator sejati, mengusulkan solusi baru di luar apa yang mungkin dipertimbangkan oleh para insinyur dan mengidentifikasi potensi risiko yang mungkin diabaikan manusia.
Namun peran penting insinyur – memahami persyaratan, membuat penilaian etis dan menerjemahkan kebutuhan manusia ke dalam solusi teknologi – akan tetap tak tergantikan. Dalam kemitraan antara kreativitas manusia dan AI ini, ada potensi untuk memecahkan masalah yang belum pernah kita tangani sebelumnya – dan itu tidak lain adalah penggantian.
Rizwan Patel adalah kepala keamanan informasi dan teknologi yang muncul di Altimetrik.
