软件工程基础：AI原生时代

AI正迅速渗透到软件开发中，改变着开发人员构建软件的方式。然而，许多企业尚未投资于充分利用这项新技术的关键构建模块。未能关注AI原生时代基础的软件工程领导者，可能会使他们的公司面临被淘汰的风险，而更快采用AI的竞争对手将抓住创新、收入和市场主导地位。

根据最近的高德纳调查，为团队配备合适AI技术的软件工程领导者可以实现超过25%的生产力提升。他们必须建立一个新的基础，使团队能够有效地与AI共同创建软件。

为实现这一目标，软件工程领导者必须投资于五大基础实践，为团队在AI原生工程中取得成功做好准备。

实践1：平台工程

软件工程领导者应建立平台工程团队，为软件工程配置AI工具，并提供必要的平台以增强应用程序和软件的AI能力。

首先，他们应构建支持AI软件开发工具的"铺平道路"平台。铺平道路使得在整个软件开发生命周期（SDLC）中使用一套通用的AI工具成为可能。这不仅消除了使用AI能力的复杂性，还嵌入了防护栏以提高质量、降低成本、提高可靠性和安全性。

此外，他们应支持模型运营化（ModelOps）和代理工程与运营（AgentOps）的构建。平台的一个关键组成部分是促进ML模型的完整生命周期，提供大型语言模型（LLM）的部署、管理和运营。这些模型需要根据企业安全要求进行策划和维护，并提供各种提示注入以根据企业上下文定制结果。

最后，软件工程领导者应构建支持AI能力的平台。向现有和新的企业软件添加AI能力对于保持竞争力是必要的。领导者还应提供内部开发者平台，安全无缝地协助开发者将聊天机器人和AI代理等AI能力集成到他们的软件中。提供模板、应用程序编程接口（API）、指导和培训将实现快速创新和风险可控的AI能力推出。

随着开发人员开始组合软件而不是逐行编码，他们将需要支持API的可组合组件和服务来拼接。软件工程领导者应首先定义一个目标，实现基于现代多体验可组合应用程序、API和松散耦合的API优先服务的可组合架构。

他们还应建立集成策略和工具，实现定义良好的API接口并为API创建丰富的元数据。当组件遵循共同约定的模式时，强大的集成使得组合变得容易。高德纳预测，API将成为AI代理功能的组成部分，为这些代理提供消费、分析和操作数据所需的接口。

构建软件的未来取决于AI就绪数据。数据无处不在，而且非常混乱。

软件工程领导者应通过组织企业数据资产供AI使用来支持AI就绪数据。当LLM与特定上下文数据配对时，生成式AI最为有用。平台工程和内部开发者平台提供了开发者可以打包、查找和集成这些数据的载体。

支持AI所需的AI就绪数据的迫切需求需要对数据管理进行演进性改变，并对架构、平台、技能和流程进行升级。关键的是，需要考虑模型上下文协议（MCP）。这一新兴标准旨在促进AI模型（特别是LLM）与外部数据源、API和工具之间的无缝集成。

软件工程领导者还必须构建数据网格和数据结构。他们应与数据管理领导者合作，在现代数据架构中结合这两种方法。结构作为基础数据管理设计模式，而网格使用联邦模型实现最优数据交付。

随着AI技术的加速发展，软件工程领导者需要采用更新、自适应和迭代的软件开发实践，如敏捷、DevSecOps和以产品为中心的模型。为实现AI的生产力增益，领导者必须专注于优化整个SDLC与AI组件。

为支持快速开发，软件工程领导者应重振敏捷和以产品为中心的实践，以响应快速代码生成并提供可靠、快速的生产路径。他们还应加快向以产品为中心的操作模式转变，以加强工程团队中的产品所有权和客户关注。

此外，软件工程领导者应挑战团队测量和改进想法前置时间，即从构思到生产工作代码的时间，从而到客户印象和反馈的时间。

除非给予自由、心理安全和冒险与实验的环境，否则软件工程师可能变得风险规避。领导者必须建立创新文化，让团队渴望尝试AI技术。这也适用于软件产品所有权，实验和创新导致向客户交付的价值得到更大优化。

为培养支持创新的文化心态，软件工程领导者应创建激励变革的愿景，并对AI所需变革拥有所有权。

他们还应培养心理安全的环境，将挑战视为学习机会，团队成员可以表达想法、提出关切、提出问题并承认错误，而不必担心负面后果。

为激励行为改变，软件工程领导者应建立探索团队，使用精益创业方法和AI工具在关键业务领域推动快速创新。他们还应向团队提供专门的创新时间，并奖励推动创新的行为。只有在领导层强调创新为核心目标时，软件工程师才会花时间探索创新。