現(xiàn)如今，沒有人懷疑AI的威力，但企業(yè)必須意識到，它也會導(dǎo)致部署過多的應(yīng)用程序、擴展問題和成本超支。

我了解生成式AI的好處；我的背景是人工智能開發(fā)以及與企業(yè)和云架構(gòu)的集成。然而，我也知道，有很多好處的地方，也有必須同時考慮的缺點。生成式AI也不例外，它的發(fā)展速度使得決定如何有效管理它并減少任何負面影響變得至關(guān)重要。

我提出了云計算專業(yè)人士需要理解和管理的生成式AI的三大缺點。

1、過多的云應(yīng)用程序部署

這是我看到的最大問題?，F(xiàn)在，我們可以讓生成的人工智能驅(qū)動的開發(fā)工具使用無代碼或低代碼機制快速構(gòu)建應(yīng)用程序。部署的應(yīng)用程序數(shù)量（都需要管理）很容易失控。

當(dāng)然，加快應(yīng)用程序部署以滿足業(yè)務(wù)需求的速度是好的。90年代和21世紀初的應(yīng)用程序積壓限制了業(yè)務(wù)，任何改進的方法都有利于業(yè)務(wù)，對吧？

但是，我看到了一種幾乎不計后果的應(yīng)用程序開發(fā)方法。構(gòu)建和部署這些系統(tǒng)所需的工作只需要幾天，有時甚至幾個小時。公司沒有對應(yīng)用程序的整體角色進行太多的預(yù)先考慮，許多應(yīng)用程序是為戰(zhàn)術(shù)需求而專門構(gòu)建的，而且往往是多余的。CloudOps團隊正試圖管理三到五倍于他們應(yīng)該管理的應(yīng)用程序和連接數(shù)據(jù)庫的數(shù)量。整個混亂局面不會擴大規(guī)模，成本也太高。

2、擴展問題

生成式AI系統(tǒng)需要大量的計算和存儲資源，比目前提供的資源還要多。如何利用這些資源來推動更大的規(guī)模并不像打開更多的存儲和計算服務(wù)那么容易。

因此，必須進行一些思考和規(guī)劃，以尋找和部署更多資源，支持生成式人工智能系統(tǒng)的快速擴展使用。這通常取決于運營團隊以正確的方式部署正確數(shù)量的資源，而不會扼殺這些系統(tǒng)的價值或限制其能力。這里的權(quán)衡幾乎無休無止。

3、花錢如流水的超支

當(dāng)我們忙于建立金融操作系統(tǒng)來監(jiān)控和管理云成本時，我們可能會看到生成AI系統(tǒng)的資金開銷激增。你該怎么辦？

其實，這是一個商業(yè)問題，而非技術(shù)問題。公司需要了解云支出是如何發(fā)生的以及為什么發(fā)生的，以及回報了哪些商業(yè)利益。然后可以將成本包括在預(yù)定義的預(yù)算中。

對于那些對云支出有限制的企業(yè)來說，這是一個熱點。業(yè)務(wù)線上的開發(fā)人員，通常出于正當(dāng)?shù)纳虡I(yè)原因，希望利用生成式AI系統(tǒng)。然而，正如前面所解釋的，它們的成本很高，公司需要找到資金和商業(yè)理由，或者兩者兼而有之。

在許多情況下，生成式AI是當(dāng)下“酷孩子們”使用的東西，但它的成本往往不合理。生成式AI有時被用于簡單的戰(zhàn)術(shù)任務(wù)，而這些任務(wù)與更傳統(tǒng)的開發(fā)方法相比是可以的。自人工智能誕生以來，人工智能的過度應(yīng)用一直是一個持續(xù)的問題；現(xiàn)實情況是，這項技術(shù)只適用于某些業(yè)務(wù)問題。但它很受歡迎，被炒作，因此被過度使用。

這些問題表明，隨著這項技術(shù)的成熟，需要更多的經(jīng)驗。然而，這可能會對云運維產(chǎn)生負面影響，就像云剛開始興起時那樣。