中国的 IT 支出预计在 2025 年增长 9.9% ，达到 5 万亿元人民币（约 6750 亿美元），主要驱动力来自生成式 AI 数字化和政府推动。各行各业的企业机构逐渐认识到生成式 AI 在推动创新和获取竞争优势方面的变革性潜力。生成式 AI 采用的激增正标志着重大技术转型。中国的软件工程领导者必须采取战略性和适应性管理方法，将生成式 AI 软件视为不断演进的产品，而非静态项目。
然而，生成式 AI 高度依赖机器学习模型和数据的动态特性，其输出是概率性的而非确定性的，这带来了比传统软件更高的复杂性。
因此，许多被作为非持续性项目进行管理的 AI 计划都面临回报递减、无法适应新的业务现实或数据变化的风险，最终成为表现不佳的孤立资产，导致资源浪费以及错失战略机会。
软件工程领导者要想确保生成式 AI 软件持续创造价值，关键在于战略转型：必须将生成式 AI 软件作为不断演进的动态产品来管理，而不是静态项目。这种以产品为中心、强调持续改进和价值交付的方法，是获得长期成功的关键。同时，任命专门的产品负责人监督生成式 AI 软件的整个生命周期同样至关重要。
转向以产品为中心的交付模式
目前，大多数企业正在尝试使用生成式 AI ，但很少有成熟的企业机构能够长期有效运行这些应用。造成这种现象的核心原因在于生成式 AI 软件有别于传统软件的独特性质。
中国企业机构倾向于通过内部开发或与解决方案提供商合作来构建独特、灵活且适合其需求的解决方案，而不是购买现成的 AI 应用。这意味着在采用 AI 及相关技术时，“构建”比 “购买”更受青睐。因此，在构建阶段，软件工程领导者必须采取四项关键行动（见图 1 ），推动企业机构在文化、治理、技术实践以及架构方面的转型，支持以产品为中心的交付模式。
图
1
：软件工程领导者将
AI
计划作为产品进行管理的四项行动任命产品负责人监督整个产品生命周期
传统的 CI/CD 流程的自动化旨在改善软件开发生命周期中的代码集成、测试和部署。这套工作流可满足确定性应用的需求，因为其更新遵循固定且可预测的计划。然而，生成式 AI 软件不仅需要简单的代码变更，更需要持续的模型再训练、处理复杂的数据演变，以及在动态环境中验证结果等。
通过在部署流程中自动化再训练和验证，企业可以让模型与环境一样灵活。这种方法进一步将持续监控的重点从简单的运行状态检查转向实时评估准确性、偏见和其他性能因素， 以确保在需要时能够迅速采取有理有据的行动。
因此，在整个产品生命周期中，产品负责人必须弥合业务需求与开发团队之间的差距，同时作为客户和业务的代言人。产品负责人在 DevOps 期间所需的技能包括：
l 核心产品管理能力：如市场分析、以用户为中心的利益相关方管理、优先级排序，以及在整个产品生命周期中持续交付价值的独特且复杂的技能。
l AI/ML 概念理解：包括数据需求、 AI 模型训练和评估技术、潜在偏见、伦理考量，以及 AI 模型生命周期的具体方面。
l 技术流畅度：能够与数据科学家和工程师进行有意义的沟通，理解限制条件，设定现实目标，并向业务领导传达 AI 特定的机会和风险。
通过设定产品负责人角色，企业可以显著降低 AI 项目风险。产品负责人要保证相关工作始终聚焦战略价值，而不是陷入纯技术探索。其职责是明确业务问题，利用最小可行产品 （ MVP ）尽早验证假设，并根据实际成果衡量成功。成功执行这些职责可以防止企业将大量资金浪费在技术上令人着迷但最终无法带来业务成果的 AI 项目上。产品负责人应定期进行审核，结合开发人员、测试人员和最终用户的反馈，评估性能、安全性和目标一致性。
<!-- 非定向300*250按钮 17/09 wenjing begin --> <!-- 非定向300*250按钮 end -->
</div>
