中國的IT支出預計在2025年增長9.9%，達到5萬億元人民幣（約6750億美元），主要驅動力來自生成式AI數字化和政府推動。各行各業(yè)的企業(yè)機構逐漸認識到生成式AI在推動創(chuàng)新和獲取競爭優(yōu)勢方面的變革性潛力。生成式AI采用的激增正標志著重大技術轉型。中國的軟件工程領導者必須采取戰(zhàn)略性和適應性管理方法，將生成式AI軟件視為不斷演進的產品，而非靜態(tài)項目。

然而，生成式AI高度依賴機器學習模型和數據的動態(tài)特性，其輸出是概率性的而非確定性的，這帶來了比傳統軟件更高的復雜性。

因此，許多被作為非持續(xù)性項目進行管理的AI計劃都面臨回報遞減、無法適應新的業(yè)務現實或數據變化的風險，最終成為表現不佳的孤立資產，導致資源浪費以及錯失戰(zhàn)略機會。

軟件工程領導者要想確保生成式AI軟件持續(xù)創(chuàng)造價值，關鍵在于戰(zhàn)略轉型：必須將生成式AI軟件作為不斷演進的動態(tài)產品來管理，而不是靜態(tài)項目。這種以產品為中心、強調持續(xù)改進和價值交付的方法，是獲得長期成功的關鍵。同時，任命專門的產品負責人監(jiān)督生成式AI軟件的整個生命周期同樣至關重要。

轉向以產品為中心的交付模式

目前，大多數企業(yè)正在嘗試使用生成式AI，但很少有成熟的企業(yè)機構能夠長期有效運行這些應用。造成這種現象的核心原因在于生成式AI軟件有別于傳統軟件的獨特性質。

中國企業(yè)機構傾向于通過內部開發(fā)或與解決方案提供商合作來構建獨特、靈活且適合其需求的解決方案，而不是購買現成的AI應用。這意味著在采用AI及相關技術時，“構建”比 “購買”更受青睞。因此，在構建階段，軟件工程領導者必須采取四項關鍵行動（見圖1），推動企業(yè)機構在文化、治理、技術實踐以及架構方面的轉型，支持以產品為中心的交付模式。

圖1：軟件工程領導者將AI計劃作為產品進行管理的四項行動

任命產品負責人監(jiān)督整個產品生命周期

傳統的CI/CD流程的自動化旨在改善軟件開發(fā)生命周期中的代碼集成、測試和部署。這套工作流可滿足確定性應用的需求，因為其更新遵循固定且可預測的計劃。然而，生成式AI軟件不僅需要簡單的代碼變更，更需要持續(xù)的模型再訓練、處理復雜的數據演變，以及在動態(tài)環(huán)境中驗證結果等。

通過在部署流程中自動化再訓練和驗證，企業(yè)可以讓模型與環(huán)境一樣靈活。這種方法進一步將持續(xù)監(jiān)控的重點從簡單的運行狀態(tài)檢查轉向實時評估準確性、偏見和其他性能因素， 以確保在需要時能夠迅速采取有理有據的行動。

因此，在整個產品生命周期中，產品負責人必須彌合業(yè)務需求與開發(fā)團隊之間的差距，同時作為客戶和業(yè)務的代言人。產品負責人在DevOps期間所需的技能包括：

l  核心產品管理能力：如市場分析、以用戶為中心的利益相關方管理、優(yōu)先級排序，以及在整個產品生命周期中持續(xù)交付價值的獨特且復雜的技能。

l  AI/ML概念理解：包括數據需求、AI模型訓練和評估技術、潛在偏見、倫理考量，以及AI模型生命周期的具體方面。

l  技術流暢度：能夠與數據科學家和工程師進行有意義的溝通，理解限制條件，設定現實目標，并向業(yè)務領導傳達AI特定的機會和風險。

通過設定產品負責人角色，企業(yè)可以顯著降低AI項目風險。產品負責人要保證相關工作始終聚焦戰(zhàn)略價值，而不是陷入純技術探索。其職責是明確業(yè)務問題，利用最小可行產品 （MVP）盡早驗證假設，并根據實際成果衡量成功。成功執(zhí)行這些職責可以防止企業(yè)將大量資金浪費在技術上令人著迷但最終無法帶來業(yè)務成果的AI項目上。產品負責人應定期進行審核，結合開發(fā)人員、測試人員和最終用戶的反饋，評估性能、安全性和目標一致性。