明天就是 DevOpsDays Taipei 2025 第一天的活動 - Open Space 了… 我是 06/05 才登場, 簡報依然還在趕工中 (咦?

這次我沿用同樣的主標題 “Prompt to Product”, 不過副標換了, 這次是從 DevOps 持續改善的角度來看我們實際上開發 AI APPs 的經驗。

持續改善是個不容易做好的事情, AI APPs 則將這問題拉到另一個層次了。AI 改變了很多事情, 也改變了原本的平衡。過去的瓶頸是 coding, 而現在如果你的功能一天就開發完了, 那你要持續優化什麼?

該優化的不是只有 “功能” 而已，資料的品質、正確率也是個需要被關注的事情。過去只有數據類型的應用才會在意這些，而 Gen AI 普及，所有功能都跟 AI 沾上一點邊之後，這就變成所有開發團隊都要關注的題目了。

另一個觀點，功能一天就開發完了 (假設快了 10 倍)，你該用 10 倍速開發十個功能嗎? 不，你應該回過頭來，分配一些餘裕，把過去沒辦法做好的環節補強，否則 10x 效率，你會把缺點也放大的… AI 去除了過去最大的瓶頸 (開發產能)，則排在後面的第二瓶頸就浮現出來了，可能是 “文件”，可能是 “測試”，也可能是其他品質面向的題目需要被處理…

這次我提的觀點，就是 “正確率” 的題目。在 GenAI 開發者年會談這題的時候，很多人都給我回饋說這實戰經驗很有參考價值，但是其實這只是改善循環很基本的做法啊，量化指標，持續改善，加速循環，而我只是動點手腳，把同樣的觀念用在 GenAI 的正確率而已。

這剛好也回應了 Open Space 今年的主題之一: #AI焦慮 … 當你這些工程基礎夠好的時候，你不大需要擔心 AI 會不會讓你丟了飯碗這件事，你永遠有可以發揮的地方的，這些需要工程基礎才能做好的改變，不會是其他非工程人員學會 AI coding 就能取代的。

如果對這題目有興趣的，歡迎當天來聽我的場子 😀…。雖然很想幫大會再多催點票，不過其實票… 早在一個月前就賣光了 XDD, 只好在這邊先跟大家預告，各位後天見~

#DevOpsDaysTaipei, #DevOpsDays