在AI時代取勝:用AI建構或用AI發展業務

探索生成式AI的職業機會
生成式人工智慧(AI)為科技愛好者和商業策略家開啟了令人興奮的職業道路。與傳統技術不同,AI提供了兩條截然不同的路徑:一條專注於開發AI技術,另一條則利用AI增強業務運營。
Aditya Challapally,微軟的關鍵人物兼史丹佛線上教育的講師,在其近期研究中深入探討了這兩條職業軌道。他的發現凸顯了AI在技術和商業環境中扮演的動態角色。
技術職業軌道
對於IT專業人士來說,為了應對不斷變化的業務需求,快速交付解決方案的競爭正在加劇。Challapally強調通過採用新工具,如GitHub Copilot、Cursor和Claude Code,保持領先的重要性。他在接受ZDNET採訪時分享道:「根據我的經驗,有效使用這些工具的開發者往往被稱為10倍程式設計師,即使其他人迎頭趕上,他們仍能保持競爭優勢。」
領域專長職業軌道
在商業領域,生成式AI不僅僅關於技術本身,更在於有效應用它來滿足特定行業需求。Challapally指出,隨著AI變得越來越普遍,真正的價值在於專業知識。他表示:「脫穎而出的專家是那些深入了解自己行業,並能精確指出AI能產生最大影響的人。」然而,他也警告說,單靠AI機器人無法傳達這種細膩的理解。
Challapally對50位商業領袖的訪談顯示,對AI專業知識的需求很高,技術與商業技能的融合變得越來越重要。他觀察到:「領袖們優先考慮這一點,超越了傳統任務,如項目管理或打造產品願景。」
橋接差距
根據商業領袖的看法,當今最受追捧的是那些能夠同時駕馭商業和技術領域的專業人士。這些人能夠制定產品願景,掌握程式設計基礎,並將技術能力與商業目標對齊。Challapally解釋道:「這關於將商業敏銳度與技術素養相結合。」
掌握AI工具
對於技術領域的人來說,掌握AI工具的使用至關重要。Challapally強調學會有效提示這些工具以獲得準確結果的重要性。他還警告不要低估這些工具,因為它們能顯著提升生產力,特別是對於較小的任務。他補充說:「頂尖專業人士每週都會花時間探索新模型和工具,即使大多數最終未被採用。」
給技術專業人士的建議
- 堅持基本原則:即使有了AI工具,傳統軟體工程原則,如模組化設計和系統思維,仍然至關重要。將快速的AI驅動開發與穩健的產品思維結合,能加速職業成長。
- 學習基礎知識:花費兩到四週時間獲得AI和生成式AI的基礎知識。熟悉ChatGPT和DALL-E等工具,並磨練你的提示工程技能。
- 成為提示大師:掌握提示的藝術至關重要,這可能需要四到六週的時間。從基本的輸入/輸出進展到進階技術,如多通道提示和JSON格式化,以確保AI模型輸出的穩定性和可靠性。
- 選擇你的路徑:在掌握基礎知識後,根據你的職業背景決定專業方向。企業專業人士可能專注於系統架構和AI整合,而獨立專業人士則可掌握低程式碼/無程式碼工具以及快速原型設計的基本程式設計。
給商業專業人士的建議
- 繪製你所在行業的AI地圖:花費兩到三週時間研究你所在領域現有的AI應用。了解什麼有效,什麼無效,以及新機會在哪裡。
- 了解用戶行為:花時間學習你所在行業的用戶如何與AI系統互動。在你的領域測試主要AI工具能提供寶貴的見解。
- 懂得如何行銷:隨著AI應用的激增,學習如何讓你的AI應用脫穎而出並吸引注意力至關重要。
Challapally還指出,雖然AI可以處理大約80%的簡單應用程式開發,但最後20%仍需技術專長進行除錯和現實世界的應用。他預計,對於簡單應用程式,這一比例可能很快提升至95%,但目前技術技能仍不可或缺。
相關文章
DeepMind執行長哈西里斯:我每天睡六個小時,通常在凌晨1點左右感到精力充沛。
Fortune 最近刊登了對谷歌 DeepMind 執行長 Demis Hassabis 的採訪,揭示了他對休息和生產力的非傳統方法。Hassabis 透露,他睡眠時間非常少,將清醒時間劃分為兩個不同的工作階段。關於他的睡眠習慣,Hassabis 表示:“我目標睡六小時,但我的習慣非同尋常。我可以在白天有效運作。”他強調,睡眠少於六小時會對大腦健康產生負面影響。Hassabis 於 2010 年聯合創立了 DeepMind(後被谷歌收購),並因其在蛋白質結構預測方面的開創性工作榮獲 20
儘管營收未達預期,OpenAI 與 Anthropic 仍爭奪市場份額
儘管近期有報導指出 OpenAI 未達營收目標,導致本週二科技股承壓,但私人人工智慧實驗室的投資者仍展現出韌性。資深投資者已確認,儘管媒體報導負面,他們仍不會削減投資。分析師認為當前的 AI 競逐仍處於初期階段,因此排除「贏家通吃」的結果。儘管高昂的運算成本對營收造成壓力,但各實驗室可透過調高訂閱費來提升獲利能力。產業格局正經歷微妙的變化與 OpenAI 不同,競爭對手 Anthropic 獲得了
加州自動駕駛合規:罰單、地理圍欄與 100 萬英里的新時代
Guident 在南佛羅里達州營運一輛 AuveTech 接駁車,並運用其遠端監控技術,管理西棕櫚灘的一條四英里路線以及博卡拉頓的一條一英里路線。| 圖片來源:Guident加州正重新定義無人駕駛車輛的監管格局,從科技產業的「快速行動、打破常規」心態,轉向嚴格的問責制與嚴謹的行駛里程要求。Guident 執行董事長兼執行長哈羅德·布勞恩(Harold Braun)在《機器人報告》(The Robo
相關專題推薦
評論 (8)
0/500
Interessant, dass man hier zwischen 'AI bauen' und 'AI nutzen' unterscheidet. Ich sehe mich eher in der zweiten Gruppe – als Nicht-Programmierer finde ich es beruhigend, dass man auch mit Anwendungs-Know-how Karriere machen kann. Die Frage ist nur, ob die ganzen 'Prompt Engineer'-Jobs wirklich nachhaltig sind oder nur ein kurzer Hype. 🤔
Intéressant ! J'avoue que la distinction entre 'construire l'IA' et 'construire avec' est une nuance importante souvent négligée. Pour la plupart des entreprises, la seconde voie semble bien plus réaliste, non ? 😅 À méditer pour nos propres parcours pro...
AI careers sound thrilling! Building AI tech or weaving it into business strategy—both paths spark innovation. I’m curious, which route feels more impactful to you? 🚀
¡La IA generativa es alucinante! Me intriga cómo puede ayudar a los negocios, aunque me preocupa si las empresas pequeñas podrán competir con los gigantes usando esto. 🧐 ¡Quiero aprender más!

探索生成式AI的職業機會
生成式人工智慧(AI)為科技愛好者和商業策略家開啟了令人興奮的職業道路。與傳統技術不同,AI提供了兩條截然不同的路徑:一條專注於開發AI技術,另一條則利用AI增強業務運營。
Aditya Challapally,微軟的關鍵人物兼史丹佛線上教育的講師,在其近期研究中深入探討了這兩條職業軌道。他的發現凸顯了AI在技術和商業環境中扮演的動態角色。
技術職業軌道
對於IT專業人士來說,為了應對不斷變化的業務需求,快速交付解決方案的競爭正在加劇。Challapally強調通過採用新工具,如GitHub Copilot、Cursor和Claude Code,保持領先的重要性。他在接受ZDNET採訪時分享道:「根據我的經驗,有效使用這些工具的開發者往往被稱為10倍程式設計師,即使其他人迎頭趕上,他們仍能保持競爭優勢。」
領域專長職業軌道
在商業領域,生成式AI不僅僅關於技術本身,更在於有效應用它來滿足特定行業需求。Challapally指出,隨著AI變得越來越普遍,真正的價值在於專業知識。他表示:「脫穎而出的專家是那些深入了解自己行業,並能精確指出AI能產生最大影響的人。」然而,他也警告說,單靠AI機器人無法傳達這種細膩的理解。
Challapally對50位商業領袖的訪談顯示,對AI專業知識的需求很高,技術與商業技能的融合變得越來越重要。他觀察到:「領袖們優先考慮這一點,超越了傳統任務,如項目管理或打造產品願景。」
橋接差距
根據商業領袖的看法,當今最受追捧的是那些能夠同時駕馭商業和技術領域的專業人士。這些人能夠制定產品願景,掌握程式設計基礎,並將技術能力與商業目標對齊。Challapally解釋道:「這關於將商業敏銳度與技術素養相結合。」
掌握AI工具
對於技術領域的人來說,掌握AI工具的使用至關重要。Challapally強調學會有效提示這些工具以獲得準確結果的重要性。他還警告不要低估這些工具,因為它們能顯著提升生產力,特別是對於較小的任務。他補充說:「頂尖專業人士每週都會花時間探索新模型和工具,即使大多數最終未被採用。」
給技術專業人士的建議
- 堅持基本原則:即使有了AI工具,傳統軟體工程原則,如模組化設計和系統思維,仍然至關重要。將快速的AI驅動開發與穩健的產品思維結合,能加速職業成長。
- 學習基礎知識:花費兩到四週時間獲得AI和生成式AI的基礎知識。熟悉ChatGPT和DALL-E等工具,並磨練你的提示工程技能。
- 成為提示大師:掌握提示的藝術至關重要,這可能需要四到六週的時間。從基本的輸入/輸出進展到進階技術,如多通道提示和JSON格式化,以確保AI模型輸出的穩定性和可靠性。
- 選擇你的路徑:在掌握基礎知識後,根據你的職業背景決定專業方向。企業專業人士可能專注於系統架構和AI整合,而獨立專業人士則可掌握低程式碼/無程式碼工具以及快速原型設計的基本程式設計。
給商業專業人士的建議
- 繪製你所在行業的AI地圖:花費兩到三週時間研究你所在領域現有的AI應用。了解什麼有效,什麼無效,以及新機會在哪裡。
- 了解用戶行為:花時間學習你所在行業的用戶如何與AI系統互動。在你的領域測試主要AI工具能提供寶貴的見解。
- 懂得如何行銷:隨著AI應用的激增,學習如何讓你的AI應用脫穎而出並吸引注意力至關重要。
Challapally還指出,雖然AI可以處理大約80%的簡單應用程式開發,但最後20%仍需技術專長進行除錯和現實世界的應用。他預計,對於簡單應用程式,這一比例可能很快提升至95%,但目前技術技能仍不可或缺。
DeepMind執行長哈西里斯:我每天睡六個小時,通常在凌晨1點左右感到精力充沛。
Fortune 最近刊登了對谷歌 DeepMind 執行長 Demis Hassabis 的採訪,揭示了他對休息和生產力的非傳統方法。Hassabis 透露,他睡眠時間非常少,將清醒時間劃分為兩個不同的工作階段。關於他的睡眠習慣,Hassabis 表示:“我目標睡六小時,但我的習慣非同尋常。我可以在白天有效運作。”他強調,睡眠少於六小時會對大腦健康產生負面影響。Hassabis 於 2010 年聯合創立了 DeepMind(後被谷歌收購),並因其在蛋白質結構預測方面的開創性工作榮獲 20
儘管營收未達預期,OpenAI 與 Anthropic 仍爭奪市場份額
儘管近期有報導指出 OpenAI 未達營收目標,導致本週二科技股承壓,但私人人工智慧實驗室的投資者仍展現出韌性。資深投資者已確認,儘管媒體報導負面,他們仍不會削減投資。分析師認為當前的 AI 競逐仍處於初期階段,因此排除「贏家通吃」的結果。儘管高昂的運算成本對營收造成壓力,但各實驗室可透過調高訂閱費來提升獲利能力。產業格局正經歷微妙的變化與 OpenAI 不同,競爭對手 Anthropic 獲得了
Interessant, dass man hier zwischen 'AI bauen' und 'AI nutzen' unterscheidet. Ich sehe mich eher in der zweiten Gruppe – als Nicht-Programmierer finde ich es beruhigend, dass man auch mit Anwendungs-Know-how Karriere machen kann. Die Frage ist nur, ob die ganzen 'Prompt Engineer'-Jobs wirklich nachhaltig sind oder nur ein kurzer Hype. 🤔
Intéressant ! J'avoue que la distinction entre 'construire l'IA' et 'construire avec' est une nuance importante souvent négligée. Pour la plupart des entreprises, la seconde voie semble bien plus réaliste, non ? 😅 À méditer pour nos propres parcours pro...
AI careers sound thrilling! Building AI tech or weaving it into business strategy—both paths spark innovation. I’m curious, which route feels more impactful to you? 🚀
¡La IA generativa es alucinante! Me intriga cómo puede ayudar a los negocios, aunque me preocupa si las empresas pequeñas podrán competir con los gigantes usando esto. 🧐 ¡Quiero aprender más!





首頁






