人工智能（AI）正在从技术的后端向前沿迈进，将其能力拓展至软件开发的各个方面。这些能力包括规格制定、文档编制、测试和部署，因此有望大幅加快整个软件创建过程。
将AI融入DevOps的趋势正在整个IT行业蔚然成风。技术经理和从业人员越来越愿意接受生成AI所呈现的广泛可能性。根据Gartner分析师Manjunath Bhat的分析，利用AI增强软件开发生命周期的平台工程团队数量预计在未来三年内从5%增至40%。
AI与DevOps以及相关的敏捷方法的融合是IT行业内一种乐观态度的核心。象SAS公司首席软件工程师Billy Dickerson所言，“AI与软件开发实践的协同作用承诺加强软件交付的效率和可靠性”，减少上市时间。
根据自动化专家Stonebranch对408名技术经理的调查显示，将生成式AI融入自动化程序引起了近乎普遍的兴趣（97%）。专家认为生成AI是枢纽工具，架起了不同软件工具之间的桥梁，赋予广泛用户群体更多权力。超过72%的参与者目前已在其生成AI计划中利用机器学习管道。
虽然生成AI对软件代码的创建和精炼引起了极大的兴趣，但它的潜力超越了这一方面。Gartner的Bhat指出，开发人员花费了大量工作时间在编码之外的活动上，如代码审查和调试。
从规划到监控，跨越DevOps反馈循环的各个阶段整合AI，可以增强团队之间的协作，提升结果。Dickerson强调AI在项目管理中的潜力，通过从用户需求自动生成需求并指出时间表或不完整需求中的矛盾，进行自动化，从而简化耗时的开发过程，有助于代码审查程序和培养团队合作，进而推动创新，落实业务目标。
人工智能（AI）融入DevOps是一种改变IT运营和软件开发团队相互合作方式的变革性进展。以下是与“在DevOps中拥抱AI进行敏捷转型”相关的一些额外相关事实、关键问题、挑战、争议、优势和不利方面的内容等信息。
额外事实：
– AI可以通过持续分析应用程序日志和识别可能表明潜在问题的异常值，帮助进行异常检测。
– 由AI驱动的聊天机器人和虚拟助手愈发成为支持开发和运营团队的重要部分，实时回答他们的问题。
– AI在预测分析中发挥了关键作用，可以预测潜在的系统故障，并减少停机时间。
– AI驱动的DevOps通过及早识别异常模式和潜在安全威胁来提升网络安全性。
关键问题和回答：
– AI如何增强DevOps中的敏捷性？ AI通过自动化常规任务、加快决策过程并从数据模式中促进持续学习和改进，以提高DevOps中的敏捷性。
– AI能否取代软件开发生命周期中的人类开发人员？ AI无法完全取代人类开发人员；它是一种增强工具，可以消除重复任务，释放人力资源去从事更具战略性的工作。
– 整合AI到DevOps中的成本是否值得？ 尽管前期成本可能较高，但AI带来的提高效率、减少错误和加快上市速度的长期益处可以证明投资AI是值得的。
挑战或争议：
– 人们担心随着AI接管一些传统由人类执行的任务，可能会导致就业岗位流失。
– 确保AI系统的准确性和公正性也是一项挑战，因为偏见数据集可能导致有偏见的算法。
– 与现有工具和工作流程的整合挑战可能在将AI与当前的DevOps实践融合时产生障碍。
优势：
– AI提供更快速和可靠的软件交付，使团队能够满足不断更新和改进的需求。
– AI在DevOps中可以改善团队协作，因为它能够自动化和简化项目开发各个阶段之间的沟通。
– 将AI整合到质量保证中，可以更有效地检测和纠正错误，从而提升质量保证水平。
不利方面：
– 将AI整合到现有DevOps流程中以及培训人员可能带来较高的初期成本。
– 对AI过于依赖可能导致人类团队变得自满，可能忽视需要人类干预的复杂问题。
– 确保隐私和数据安全更具挑战性，因为AI系统需要访问大量数据，其中一些可能是敏感数据。
要进一步探讨AI与DevOps的主题，您可以参考以下主要AI研究和技术进步的资源：
– Gartner
– SAS
– Stonebranch
这些链接提供了各种资源、研究和专家见解，涵盖AI和DevOps交汇的主题。
The source of the article is from the blog jomfruland.net