“软件工程的整个历史就是不断上升的抽象层次之一，”IBM 软件工程首席科学家、技术领域的主要思想领袖 Grady Booch 说。
如果您使用过 ChatGPT，您可能会考虑构建您的查询——但根本不会考虑其支持基础设施的构建——服务器、数据库、网络，甚至是它的大型语言模型。
另：如何使用ChatGPT写代码
欢迎来到抽象时代。 技术和业务专业人士的抽象化步伐正在以同样快的速度加快——以至于人们不再需要深入了解应用程序和设备下的管道——或者，甚至越来越多地，甚至不需要数据科学。
一些人将新兴技术群——人工智能、机器学习和高级机器人技术（软件和物理）——称为“新自动化”，它将处理许多死记硬背或低级任务，但越来越多地承担更多 复杂的工作。 问题在于，要有效地引入“新自动化”，需要一系列目前供不应求的技能。
另外：低代码和无代码软件可能很快就会测试 IT 手持的极限
更全面的自动化意味着为所有人提供更多的自助服务。 最近由 Stonebranch 发布的一项针对 439 名 IT 经理和操作员的调查发现，自助服务自动化对技术人员和非技术人员来说都在蓬勃发展。 几乎所有人（92%）都授权来自数据、云、开发和业务线团队的最终用户执行他们自己的工作流、工具和流程。
自助服务自动化“帮助人们控制自己的流程，减少手动工作，并提高效率——对于最终用户和 IT 团队来说，”调查报告的作者说。 对于技术领域的人来说，步伐更加深刻——数据团队的自助服务增长了 2 倍，而开发人员则看到了 4 倍的同比增长。
人工智能已经在处理技术任务中发挥作用。 OpsRamp 发布的一项调查发现，超过 60% 的公司采用 AIOps，即应用 AI 来监控和改进 IT 运营本身。 66% 的受访者表示，2023 年企业面临的最大 IT 运营挑战是尽可能多地实现运营自动化。 到目前为止，AIOps 的主要好处包括减少未解决的事件工单 (65%)； 减少检测或恢复的平均时间 (56%)，以及繁琐任务的自动化 (52%)。
Janco Associates 的最新 IT 人员配置数据显示，最近的裁员影响了数据中心和运营人员，企业领导者希望实现 IT 流程和报告的自动化。 这里明显的趋势是那些追求技术职业的人需要看得更高——应用程序和业务咨询。
另外：下岗的技术工人正在创办自己的企业，与前雇主竞争
然而，对于使用管道和代码的人来说，仍然有很多工作要做。 不幸的是，实现自动化驱动的抽象——尤其是涉及 AI 时——需要预先进行一些手动工作。 并非所有自动化解决方案都能弥合云、容器和本地系统之间的差距。 Stonebranch 调查中近 40% 的受访者表示，他们的自动化工具无法连接或只能通过 API 连接到某些基于云/SaaS 的技术。 “随着组织面临混合 IT 的挑战，跨各种环境编排自动化 IT 流程的重要性显而易见，”该报告的作者指出。
OpsRamp 研究发现，仍然很难找到具备适用于 AIOps 的正确技能组合的工程师。 大多数经理 (68%) 表示，聘请具备 AIOps 正确技能的工程师需要六个月以上的时间。 “为 AIOps 招聘比实施 AIOps 需要更长的时间，”该报告的作者指出。 “组织应尽可能投资于对现有 ITOps 员工进行 AIOps 的再培训。”
另外：想在软件方面取得成功？ 放眼硅谷之外
正如 Omega Venture Partners 的创始人兼管理合伙人 Gaurav Tewari 在福布斯所概述的那样，将 AI 和高级自动化引入 IT 和业务流程的技能现在并将继续处于高需求状态，包括培训、实施和集成 AI 系统：需要的是“能够构建应用程序以增强业务工作流程的人员。这将意味着教授系统，以便工作人员能够正确分析数据并识别细微差别的模式。”
此外，Tewan 说，管理人工智能系统“将需要跨职能的领导、协调、变革管理以及管理人工智能系统的能力，以补充员工现有的工作。”
