探索 AI 热潮：揭开企业创业中技术债的隐藏成本

过去一年，人工智能吸引了企业领导者的关注，促使他们加速在 AI 公司的投资或加快推出自己的产品，以便赶上潮流。然而，在加入这新时代的技术进步的过程中，新进入 AI 领域的组织可能没有考虑到一个重要因素，这个因素应该在投资或创建新 AI 产品时优先考虑：技术债务。

技术债务的概念并不是新鲜的，但 AI 技术带来了不同于常规软件服务的技术债务。随着 AI 技术的快速改进，它也使得这个重要问题随之增长。

什么是技术债务？

技术债务，最简单的定义，是在创建软件的过程中积累的低质量代码。这通常是由于加速上市时间表以满足业务需求，或者为了更快地获取客户反馈。考虑技术债务时，重点是故意的方面，因为决策者通常意识到软件的风险和为速度而采取捷径的影响。AI 的出现带来了技术债务的不同和独特的挑战，伴随着重大风险和后果。

随着 AI 系统的老化和训练数据变得不准确和过时，投资 AI 的成本超过了维护高质量训练数据所需的时间和投资，亦即数据卫生。

让我们探讨技术债务是如何积累的，它对底线的影响，以及组织如何解决它。

组织如何积累技术债务？

软件可以通过两种方式积累技术债务。一种是通过糟糕的代码。组织可能会购买产品或通过并购活动继承它们，仅发现质量问题和缓慢的变化和创新率。另一种是当领导者故意选择承担技术债务。

在 AI 领域，超过 72% 的领导者希望采用 AI 来提高员工的生产力，但实施 AI 的首要担忧是数据质量和控制。使用一种旨在提高生产力的产品，同时耗费时间解决由技术债务引起的质量问题，似乎是违反直觉的。但最终的回报是提高生产力，超过了眼前这些障碍，最终会困扰软件。

模型漂移：一种新的技术债务

随着对 AI 投资的增加，组织加速了上市策略，以便从生成式 AI 的金矿中获利。虽然这可能是短期的收入驱动因素，但组织忽略了可能积累大量技术债务的长期问题，称为模型漂移。

模型漂移发生在 AI 系统的性能开始下降，输出变得不那么准确，因为训练数据过时。查看 AI 生命周期，很明显，训练数据需要不断维护和更新，以确保机器提供的响应尽可能准确——这是破坏开始的地方。当急于推出解决方案时，决策者经常低估获取额外训练数据、维护系统的数据卫生和确保有足够的人员支持这些任务的重要性。

随着训练数据继续老化，现实和输出之间的差距越来越大，组织将面临增加的成本和时间，用于解决这些问题，这些问题本可以通过适当的规划程序和协议避免。简而言之，规划上市策略时跳过下一步可能会实现更快的交付，但这不值得最终的后果，这将以多种方式影响长期利益。

技术债务对底线的影响

技术债务也会深刻影响组织的效率——例如，销售团队。当技术债务开始积累，变化的速度减慢时，销售代表越来越难以吸引客户，这减慢了成交率和最终的收入流。
除了销售团队，技术债务还会对开发团队产生重大影响。它不仅需要更多时间来更新代码，还会有效地搁置创新。通过将注意力和时间转移到维护上，产品路线图就会延迟或被放弃，产生一种涟漪效应，可能最终导致工程和商业部门之间的不信任。没有产品路线图，销售团队要么做出破碎的承诺，要么没有东西可以展示给潜在客户，这再次对收入产生了重大影响。

如何解决技术债务

随着交付的可预测性降低，组织将开始看到组织效率的崩溃，导致关于如何解决眼前挑战的讨论。有两种方法可以让决策者利用来对抗技术债务。第一种方法是完全抛弃平台和代码，重新构建，或者嵌入小的增量变化，类似于慢慢清理一个房间，以最终使系统达到速度。

第一种方法，重新平台化，需要对系统进行彻底的改造，这是一个巨大而昂贵的风险。但有时这种方法是有效的。例如，LinkedIn 在 2011 年上市后重新构建了其网站，现在已成为市场的重要参与者。

更安全的选择是实施小的变化，这些变化最终会积累起来，带来重大改进。由于开发人员已经在日常工作中与数据交互，进行一点一点的调整可以使系统摆脱技术债务。这也使开发人员的技能受益，因为它要求他们跟上最新的代码和技术标准，这反过来又为组织奠定了技术成功的基础，因为他们的技能缺口较少。实施由工程师驱动的计划，分配 20% 的时间用于安排产品更新，是一个很好的开始。虽然这个过程比重新平台化慢，但它风险较小，并且仍然为业务模型带来价值。

在 AI 时代抛弃技术债务

随着 AI 空间的快速发展，我们将继续看到更多宣称提高生产力和组织效率的解决方案出现。虽然这确实如此，但决策者必须优先考虑嵌入技术，如持续的数据维护，并考虑解决方案的整个生命周期。投资 AI 不必昂贵和令人不知所措，通过规划和上市策略的一些小变化，您可以避免下一个技术债务的堆积。
s 必须优先考虑嵌入技术，如持续的数据维护，并考虑解决方案的整个生命周期。投资 AI 不必昂贵和令人不知所措，通过规划和上市策略的一些小变化，您可以避免下一个技术债务的堆积。