من یک مهندس پیشرو KPMG هستم. هوش مصنوعی کار من را فراتر از نوشتن کد حرکت داده است.

جاستین جانسن از KPMG بیش از یک سال است که FDE در این شرکت است. KPMG جاستین جانسن در KPMG در سال 2020 به عنوان یک توسعه دهنده فدرال Salesforce شروع به نوشتن کد با دست کرد.

در سال گذشته، او به عنوان یک مهندس پیشرو در KPMG به یک نقش جدید تبدیل شد.

کار او شامل دادن زمینه مناسب به برنامه های هوش مصنوعی و آموزش به مشتریان در مورد نحوه استفاده از آنها است. این گفتگو با جاستین جانسن، معمار فنی ارشد KPMG است. این گفتگو برای وضوح ویرایش و فشرده شده است.

من شش سال پیش به KPMG ملحق شدم و حدود یک سال است که یک مهندس پیشرو هستم و در مشتریان مختلف کار می کنم.

زمانی که من با KPMG به عنوان یک مهندس نرم افزار شروع کردم، همه کدها با دست نوشته می شدند.

من در رشته کامپیوتر تحصیل کردم. من حرفه ام را در معماری ساختم و بعدا وارد کار مشاوره و مشتری شدم.

یک مهندس مستقر در آینده مستقیما با مشتری کار می کند و از درک نیاز کسب و کار از طریق ارائه یک راه حل کاری با مشکل کنار می آید. ما مستقیما با تیم های مشتری، اغلب در محل کار می کنیم.

بسیاری از کارهایی که اکنون انجام می دهم هوش مصنوعی است. هوش مصنوعی فوق‌العاده توانایی دارد، اما واقعا به اندازه زمینه‌اش خوب است. بخش عمده‌ای از کار من جمع‌آوری اطلاعات مورد نیاز برای هوش مصنوعی برای تولید دارایی‌ها و مصنوعات ارزشمند است، سپس آن خروجی‌ها را در محصولات تحویلی مشتری و برنامه‌های نرم‌افزاری پخش می‌کند.

من همچنین تیم های مشتری را در مورد نحوه استفاده موثر از هوش مصنوعی راهنمایی می کنم - به آنها کمک می کنم عمق فنی، درک تجاری و ارتباطات واضح را برای بهبود و تقویت کار خود ترکیب کنند.

برای یک مشتری، در ابتدا برای ادغام چندین برنامه در یک سیستم نرم افزاری پیچیده استخدام شدم. پس از ماه‌ها جمع‌آوری الزامات و اصلاح زمینه، از هوش مصنوعی برای ارائه برنامه در حدود یک ماه استفاده کردیم.

مشتری می‌خواست بفهمد که چگونه اینقدر سریع حرکت کرده‌ایم - و چرا این روند تا این حد شفاف بوده است. سپس مشتری از من خواست تا به تیم‌هایش کمک کنم تا هوش مصنوعی و روش‌هایی را اتخاذ کنند که کار را ممکن کرده است.

هوش مصنوعی کار را برای من آسان‌تر کرده است که خروجی‌ام را چند برابر کنم و به تعبیری به عنوان شرکت خودم عمل کنم. من می توانم زمینه را در چندین مشتری و پروژه به طور همزمان حفظ کنم. گلوگاه در گذشته توسعه نرم افزار و نوشتن کد بود. اکنون در حال جمع آوری زمینه و اصلاح قصد قبل از شروع توسعه است.

یکی از برنامه‌های اخیری که ارائه کردم شامل امتیازدهی ریسک بود: استفاده از هوش مصنوعی برای ارزیابی ریسک‌پذیری یک مشتری یا شریک برای مشتری برای انجام تجارت با آن. سیگنال‌های مورد استفاده برای اندازه‌گیری ریسک را گرد هم آوردیم، سپس از هوش مصنوعی برای استدلال درباره آنها و ایجاد امتیاز استفاده کردیم. پس از آن، بازبینان مستقل می توانند از امتیاز ایجاد شده توسط هوش مصنوعی در ارزیابی های خود استفاده کنند.

الگویی که من متوجه شده ام این است که کار توسعه نرم افزار بیشتر به سمت لایه های داده و یکپارچه سازی پیش می رود. بسیاری از چالش‌های سازمانی به کمک به هوش مصنوعی در درک داده‌ها، گردآوری اطلاعات برای نظارت و دیده شدن، و استخراج ارزش از داده‌های پراکنده در برنامه‌های قدیمی و ابری خلاصه می‌شود. بیشتر کار من شامل جمع آوری حجم زیادی از داده ها، استفاده از هوش مصنوعی برای استدلال بر روی آن، و اتصال سیستم هایی است که به طور طبیعی با یکدیگر ارتباط برقرار نمی کنند.

حضور در محل مزایای واقعی دارد. مکالمات به صورت ارگانیک اتفاق می‌افتد، و خواندن زبان بدن و احساسات به صورت حضوری راحت‌تر از تیم‌ها است. برخی از مشتریان از راه دور هستند، اما وقتی تیم ها در دفتر هستند، من هم معمولا آنجا هستم.

یک مهندس مستقر رو به جلو بیش از یک نرم افزار سنتی ارائه می دهد. در یک پیاده سازی مرسوم، یکپارچه ساز سیستم ممکن است الزامات را جمع آوری کند، نرم افزار را بسازد و آن را به مشتری تحویل دهد. این می تواند پویایی "پرتاب آن از روی دیوار" ایجاد کند. من تعداد زیادی پیاده سازی Salesforce مخدوش را دیده ام.

با کار مستقیم با تیم های مشتری در حین توسعه، آموزش و مربیگری، می توانم دانش را در زمان واقعی انتقال دهم. مشتری برنامه را همراه با بهترین شیوه ها، اسناد و مصنوعات مورد نیاز برای پذیرش آن دریافت می کند.

هوش مصنوعی به من فضای بیشتری برای تعریف مشکلات و تصمیم گیری های حیاتی به جای صرف این زمان برای کارهای تکراری و یکنواخت می دهد. می توانم بیشتر روی چیزهایی تمرکز کنم که نیاز به قضاوت انسانی دارند.

مقاله اصلی را در Business Insider بخوانید