Molnarkitektur trivs där AI kommer till korta: Frågor och svar med Eric Ledyard

1. Eftersom molnarkitektur utvecklas till en av de bäst betalda kompetenserna, vad gör den särskilt motståndskraftig mot automatisering jämfört med andra IT-kompetenser som programmering?

Molnarkitektur utmärker sig genom sitt unika motstånd mot automatisering på grund av dess komplexa behov av resonemang och kontextuell expertis. Även om GenAI och automatiseringsverktyg har spelat en viktig roll inom programmering under de senaste åren närmar vi oss desillusioneringens dal för GenAI; det erbjuds nu till alla, inte bara på företagsnivå. 

GenAI har många fördelar för programmerare, bland annat genom att öka utvecklarnas produktivitet. Till skillnad från programmering innebär molnarkitektur en förståelse för affärssystem och design. Även om GenAI är bra på tokenisering och ordvektorer kan den inte förstå de många nivåerna av arkitektonisk kontext som krävs för att bygga en framgångsrik molnmiljö.

Denna arkitektoniska design och implementering kräver mänsklig överblick. Även om GenAI effektivt kan effektivisera programmeringsarbetsflöden kan den inte ersätta det strategiska omdöme och den kreativitet som krävs när det gäller molnarkitektur.

2. Varför tror du att generativ AI inte kan bemästra den kreativitet på mänsklig nivå som krävs inom molnarkitektur? Kan det komma en tid i framtiden då AI överbryggar det gapet?

Även om GenAI är ett kraftfullt verktyg för att generera text och kodsträngar baserat på data som den har tränats att förstå krävs intuition, fantasi och kreativitet för att kombinera alla delar av molnarkitekturen, vilket är naturligt mänskliga egenskaper. Molnarkitektur kräver mer än sammansatta komponenter; den kräver framförhållning och unik organisatorisk anpassningsförmåga, områden där AI ofta inte räcker till. 

Varje organisation som vill få största möjliga ROI från sina GenAI-investeringar måste investera i talanger som kan arbeta hand i hand med GenAI för att uppnå de önskade resultaten.

I framtiden förväntar jag mig att jobbportaler och rekryterare byter ut roller för juniora utvecklare mot mer mångsidiga jobbtitlar som ”systemarkitekt/fullstackutvecklare” för att bevara denna nivå av mänsklig kreativitet. Även om de flesta av dessa personer befinner sig längre fram i karriären kommer företag att behöva konkurrera om de främsta talangerna och organiskt vidareutbilda de roller de behöver internt genom certifieringar som dessa.

3. Vilka specifika färdigheter bör utvecklare fokusera på idag för att lyckas i roller som utvecklas tillsammans med AI, snarare än att ersättas av AI? Hur passar kunskaper inom molnarkitektur in i denna vision?

När organisationer omorganiserar och utvecklar sina utvecklingsteam för att införliva nya tekniker som GenAI behöver de prioritera specialiserad expertis och talanger för att möta de krav som AI inte kan tillgodose.

Vi ser hur fördelarna med AI växer i takt med att automatiseringsfunktionerna utvecklas dagligen, men det är avgörande att företag samarbetar med dessa verktyg och fyller de luckor där verktygen inte räcker till.

En nyligen genomförd forskningsstudie från GitLab visade att 25 % av individuella medarbetare anser att deras organisationer inte erbjuder tillräcklig utbildning och tillräckliga resurser för att använda AI. För att säkerställa att ert företag och er roll utvecklas tillsammans med AI bör ni vidareutbilda internt med fokus på AI-utbildning och nödvändig kompetensutveckling. Organisationer måste omfamna det ständigt föränderliga utvecklarlandskapet och vidareutbilda strategiskt.

4. Att specialisera sig inom molnarkitektur verkar vara ett strategiskt karriärval just nu, men finns det inte en risk att automatisering eller framsteg inom AI så småningom gör molnarkitektur mer tillgänglig och mindre specialiserad? Hur kan utvecklare framtidssäkra sig mot denna möjlighet?

Riskerna med AI är verkliga. Företag måste hitta en balans mellan att utnyttja AI:s möjligheter och att behålla mänsklig överblick för att säkerställa kvalitet, noggrannhet och säkerhet. Även om framsteg inom AI kan förenkla vissa delar av molnarkitekturen kommer det alltid att krävas en viss nivå av kreativitet och mänsklig expertis för att säkerställa kvalitet.

Utvecklare kan framtidssäkra sina karriärer genom att fokusera på områden som kräver mänsklig insikt och använda mänskligt omdöme för att anpassa tekniken till utvecklingsteamens unika behov. Framtida framgång börjar med genomtänkt planering och disciplinerat genomförande.

5. Många unga utvecklare kan lockas att fokusera på AI på grund av teknikens upplevda glamour och framtida potential. Hur skulle du övertyga dem om att prioritera molnarkitektur, även om det på ytan verkar mindre ”banbrytande”?

För unga tekniker som inleder sina karriärer rekommenderar jag att de går ett par programmeringskurser och sedan lär sig hur applikationsarkitekturer fungerar i den molnbaserade världen, för att därefter bredda sina kunskaper till hela molnstacken. 

Även om det är avgörande att förstå fördelarna med GenAI är det lika viktigt att identifiera kompetensluckor och utveckla färdigheter som kommer att förbli nödvändiga inom utvecklargemenskapen. Experter i sådana roller, som molnarkitekter och dataspecialister, kommer att vara mycket efterfrågade i takt med att vi går vidare med AI.

Vad händer härnäst?

Även om automatisering och AI fortsätter att revolutionera branscher, är molnarkitektur ett område där mänsklig kreativitet och strategisk överblick fortfarande är oumbärliga. Utvecklare som satsar på expertis inom molnarkitektur och kompletterande färdigheter positionerar sig för framgång i en teknikdriven framtid. 

Genom att balansera innovation med mänsklig insikt kan organisationer och utvecklare utnyttja kraften i AI utan att förlora den mänskliga uppfinningsrikedomens unika bidrag.

Prenumerera på nyhetsbrevet från The CTO Club för fler insikter om moln och AI.