作者 | david linthicum
策划 | 言征
现如今，没有人怀疑AI的威力，但企业必须意识到，它也会导致部署过多的应用程序、扩展问题和成本超支。
由于我在人工智能开发以及与企业和云架构的集成方面有经验，因此我深知生成式人工智能的优点。然而，我也知道，有很多好处的地方，也有必须同时考虑的缺点。由于生成式人工智能的发展速度非常快，因此决定如何有效管理它并减少任何负面影响变得尤为重要。
我提出了云计算专业人士需要理解和管理的生成式AI的三大缺点。
1、过多的云应用程序部署
这是我看到的最大问题。现在，利用无代码或低代码机制，我们能够更快速地使用生成的人工智能驱动的开发工具构建应用程序。部署的应用程序数量（都需要管理）很容易失控。
当然，加快应用程序部署以满足业务需求的速度是好的。应用程序的积压在90年代和21世纪初时期限制了业务的发展，因此任何改进方法都对业务有利，对吧？
但是，我看到了一种几乎不计后果的应用程序开发方法。构建和部署这些系统所需的工作只需要几天，有时甚至几个小时。公司没有对应用程序的整体角色进行太多的预先考虑，许多应用程序是为战术需求而专门构建的，而且往往是多余的。CloudOps团队正试图管理三到五倍于他们应该管理的应用程序和连接数据库的数量。整个混乱局面不会扩大规模，成本也太高。
2、扩展问题
生成式人工智能系统需要比当前提供的资源更多的计算和存储资源。推动更大规模需要利用这些资源，不像打开更多的存储和计算服务那样简单。
为了迅速扩展使用生成式人工智能系统，必须考虑和规划，以获取并部署更多资源支持。这一般取决于运营团队正确地部署适量资源，以确保同时不损害系统的价值或限制其能力。这里的权衡几乎无休无止。
3、花钱如流水的超支
我们可能会注意到，在忙于建立监控和管理云成本的金融操作系统时，生成AI系统的成本急剧增加。你该怎么办？
其实，这是一个商业问题，而非技术问题。公司需要了解云支出的发生原因、方式，以及对商业利益的回报情况。然后可以将成本包括在预定义的预算中。
对于那些对云支出有限制的企业来说，这是一个热点。通常，业务线的开发人员希望利用生成式AI系统出于商业的正当原因。不过，就像之前所阐述的那样，它们需要付出高昂的代价，因此公司必须寻找资金和商业动机，或者两者兼备。
许多时候，产生式人工智能虽然是现今所谓“酷孩子们”所使用的技术，但它通常成本不划算。生成式AI有时被用于简单的战术任务，而这些任务与更传统的开发方法相比是可以的。自人工智能诞生以来，人工智能的过度应用一直是一个持续的问题；现实情况是，这项技术只适用于某些业务问题。但它很受欢迎，被炒作，因此被过度使用。
这些问题表明，随着这项技术的成熟，需要更多的经验。然而，这可能会对云运维产生负面影响，就像云刚开始兴起时那样。
原文链接：https://www.php.cn/link/a26475af783877529bf81eed81743d71
