Техническая индустрия проходит быстрое развитие, обусловленное достижениями в области искусственного интеллекта, изменений в глобальных политических ландшафтах и изменений в динамике рынка. Эти силы изменяют то, как компании подходят к инструментам разработки, инфраструктуре данных, технологии регулирования, стратегии рабочей силы и моделях ценообразования. По мере того, как предприятия адаптируются, появляются новые проблемы и возможности, требующие вдумчивых подходов, чтобы оставаться конкурентоспособными и устойчивыми в этом развивающемся ландшафте.
ИИ в инструментах DEV, такие как завершение кода и агенты, способные написать целые разделы кодовой базы, будут продолжать ускоряться. Этот рост будет подпитывать больше инженеров и менеджеров, признающих значительный рост производительности, которые обеспечивают эти инструменты. В результате инженеры будут тратить немного меньше времени на повторяющемся коде котла и больше времени на решение сложных проблем с более высоким воздействием.
Инструменты, основанные на AI, также предоставят более значительную информацию о устаревших кодовых базах, что позволит инженерам более эффективно справляться с сложными миграциями. Тем не менее, пределы этих инструментов начнут быть более широко изученными. Инженеры имеют контекст не только поставленной задачи, но и общего направления компании и межличностной политики компании, которая предъявляет реальные требования по архитектуре. Инженерные команды начнут обнаружить, в каких сценариях эти инструменты перестают использовать использование и где они генерируют некачественный, незаметный код.
Например, агент ИИ, генерирующий рабочее веб -приложение, создает большую демонстрацию, но ли он гибко архивируется, чтобы реагировать на изменения в ответ на коммерческое давление вашей организации в течение следующих 12 месяцев? Или требования, которые вы знаете, у ваших крупнейших клиентов, вероятно, есть? Наш опыт до сих пор заключается в том, что предоставление агентам такого уровня контекста при решении более значительных инженерных задач сложно, хотя производительность повышается при выполнении более простых задач — отличный актив.
Инвестиции в инфраструктуру данных
Многие компании в настоящее время испытывают разочарование, когда руководители требуют улучшения продуктов, управляемых искусственным интеллектом, которое продолжается более года, только для того, чтобы столкнуться с препятствиями, вызванными распространенным низким качеством данных. Поскольку терпение изнашивается, мы, скорее всего, увидим значительный капитальный ремонт инфраструктуры данных, получавших одобрение для решения этих вопросов.
Тем не менее, компании, которые приступают к этим проектам, не обучаясь прошлым опыту, таким как проблемы миграции из крупных монолитных систем в распределенные архитектуры, — риск, столкнувшись с бесконечными и в конечном итоге провалившихся миграции.
По мере того, как разворачивается эта волна инвестиций в инфраструктуру данных, традиционные наборы архитектуры и навыков проектирования данных будут вновь возникнуть как важные и высоко востребованные. Компании примут участие в том, что унаследованные навыки замены, развиваемые за последние 30 лет, так же важны, как и опыт машинного обучения для раскрытия полного потенциала ИИ и достижения значимых, устойчивых достижений. Инженеры с этим опытом будут пользоваться большим спросом. Компании должны обращаться к модели рис.
Более осторожный подход к регулирующим технологиям
Значительные изменения в глобальном политическом ландшафте побуждают компании принять осторожную и реактивную позицию в отношении реализации регулирующих проектов на своих платформах. С потенциалом эпохи дерегулирования на горизонте, предприятия готовятся к навигации непредсказуемых сдвигов в нормативных требованиях.
В результате, оправдание крупных дорогостоящих проектов соответствия сталкивается с повышенным анализом. Компании опасаются совершения существенных ресурсов для инициатив, которые могут стать потопными затратами, если внезапные изменения регулирования делают их ненужными. Этот осторожный подход подчеркивает необходимость гибкости и адаптивности в планировании регулирующих технологических инвестиций в неопределенную политическую и нормативную среду.
Возвращение для младших ролей, но они будут выглядеть по -другому
С момента пандемии рынок юниорских инженерных ролей был холодным. Однако, поскольку более выдающиеся технологические компании сталкиваются с реальностью пятилетнего старшего таланта, выходящего на пенсию, они, вероятно, возродят юношеские программы найма. Этот сдвиг будет необходимой альтернативой конкуренции за все более ограниченный пул опытных специалистов.
Эти юношеские роли, однако, будут подвергнуты более тщательному тщательному тщательному тщательному тщательному тщательному тщательному тщательному контролю. Благодаря ожидаемым изменениям рабочей силы, обусловленными повышением производительности искусственного интеллекта, компании будут устанавливать более строгие ожидания для каждой позиции. Акцент будет сделан на обеспечение того, чтобы каждый новый найм был тесно связан с развивающимися потребностями бизнеса.
Карьера может стать более привлекательными кандидатами в этом ландшафте, чем недавние выпускники университета. Компании могут рассматривать людей с проверенными способностями и опытом в коммерческой среде как более безопасные инвестиции, что приоритет практической экспертизе по сравнению с чисто академическими полномочиями. Во всем мире поставщики «учебных лагерей» часто сосредоточены на этом профиле инженера. В 2023 году информационный бюллетень Pragmatic Engineer сообщил, что школа запуска ожидала, что их программа найма Capstone составит 15-20% хуже, чем в предыдущие годы с точки зрения средней зарплаты и продолжительности. Тем не менее, данные Lighcast показывают, что публикации ролей начального уровня выросли на 47% во второй половине 2024 года.
Цена на основе использования в SaaS и PaaS Tools
С низкими процентными ставками и горячим рынком IPO, которые не могут вновь появиться, спрос на инструменты SaaS и PaaS, которые применяют цены на основе использования, а не на цены на сиденья будут расти.
Новое поколение компаний SaaS, предлагающих эти инструменты, будет Lean By Design, сосредоточившись на подрыве конкурентов с конкурентными ценами. В отличие от многих устоявшихся поставщиков SaaS, которые занимаются сложными и амбициозными планами IPO в надежде стать следующим технологическим гигантом, эти новые участники будут расставлять приоритеты в области устойчивости и бизнес-модели, похожей на товары с самого начала. Клиенты, все больше не желая финансировать высокие затраты, связанные с планами расширения грандиозного, будут тяготеть к этим прагматическим предложениям.
Установленные инструменты, которые охватывают цены на основе использования, такие как соты и Posthog, хорошо расположены для процветания. Работая на рынках, где более выдающиеся игроки традиционно взимают сиденье, прозрачные цены этих компаний позиционируют их для сильного внедрения.
Заключение
Компании должны ориентироваться в сложном взаимодействии инноваций, регулирования и эволюции рабочей силы в качестве технологических достижений. ИИ преобразует рабочие процессы разработки, но раскрывает ограничения, в то время как спрос на лучшую инфраструктуру данных подчеркивает важность основополагающих наборов навыков. Нормативные технологические инвестиции становятся более осторожными, младшие роли определяются для удовлетворения современных потребностей, а модели ценообразования на основе использования изменяют ландшафты SaaS и PaaS. Понимая эти тенденции и стратегически адаптируясь, предприятия могут процветать в быстро меняющейся среде, позиционируя себя для долгосрочного успеха.
Trending Stories youtube.com/thenewstack Tech движется быстро, не пропустите эпизод. Подпишитесь на наш канал YouTube, чтобы транслировать все наши подкасты, интервью, демонстрации и многое другое. Группа подпишитесь с эскизом. Tito Sarrionandia является вице-президентом по технике инженерии в Liberis, ведущей технологические инициативы, управляемые искусственным интеллектом по улучшению доступа к капиталу для малого бизнеса. С момента присоединения в 2022 году он сосредоточился на использовании данных и искусственного интеллекта для уточнения моделей оценки риска и улучшения кредитования … Подробнее от Tito Sarrionandia
