摘要：IDP与AI的结合正在民主化软件开发平台角色。它通过抽象复杂性、提供自助服务工具和智能助手，使数据工程师、业务专家等更广泛的专业人士能参与平台功能，促进协作，提高效率并降低成本。
IDP与AI的结合正在民主化软件开发平台角色。它通过抽象复杂性、提供自助服务工具和智能助手，使数据工程师、业务专家等更广泛的专业人士能参与平台功能，促进协作，提高效率并降低成本。
译自：How IDPs and AI Are Democratizing Platform Engineering Roles
作者：Massimiliano Bianchessi
内部开发者平台（IDP）和人工智能（AI）的集成正在软件开发领域催生一个新的民主化时代，帮助平台工程实现无摩擦的开发者体验和简化的软件开发生命周期（SDLC）。
平台工程利用DevOps和站点可靠性工程（SRE）原则来压缩整个SDLC。
就像一个大型工厂，无论是人员还是小型机制，都在实现共同成果方面发挥着关键作用，平台角色也履行着专业职能和职责，以与业务目标保持一致。
这些角色传统上是经验丰富的平台工程师和软件工程师的专属特权，因为它们需要软件开发、基础设施管理和特定平台技术方面的深入专业知识。
平台工程通过创建专门的跨职能平台团队，以内部开发者平台的一部分形式提供共享服务，从而促进了更顺畅的DevOps。
IDP抽象了基础设施和工具的底层复杂性，提供自助服务能力和预配置环境。同样，AI驱动的工具通过自动化重复性任务、在编码和调试方面提供智能协助，以及提供系统性能洞察，正在消除进入壁垒。
平台工程应通过为开发者提供坚实的基础和必要的工具，帮助他们轻松操作。
然而，这并非易事，因为云原生领域容易出现复杂性层层叠加，就像一个越来越缠绕的线团。
结果是，如果没有结构化的方法，平台角色往往会不明确。
跨职能平台团队通过让平台成为单一事实来源，帮助解开这个复杂的难题。IDP是知识的基础：一个交织的生态系统，其特点是高度灵活的构建模块、可重用组件、自助服务工具和预配置环境。
这种抽象允许传统平台工程之外的角色，例如数据工程师、业务分析师和其他非技术贡献者，与平台功能交互，而无需深入的操作专业知识或后端知识。
通过提供标准化、用户友好的界面和可重用组件，IDP赋能更广泛的团队独立调配环境、部署、监控和管理应用程序或数据管道。这减少了对平台工程师执行日常任务的依赖，并促进了角色间的更大自主性和协作。
具体来说，IDP可以扩展对以下人员的访问：
数据工程师：他们可以使用数据平台能力，如数据目录、数据集成层和CRUD服务。无缝的用户友好界面使数据管道管理更容易，并通过用于数据摄取和处理的预配置环境与软件工程工作流程更紧密地集成。业务技术专家和公民开发者：市场营销、财务或运营等部门的超级用户通过低代码/无代码支持、拖放界面和可重用组件市场等功能，更容易访问平台，使他们能够构建业务应用程序，无需深厚的编码知识即可创造价值。业务负责人：产品经理和数字化转型官通过自助服务工具访问仪表板和指标。他们可以触发功能发布并查看实时性能数据，而无需持续地介入开发者。其他IT角色：IDP旨在服务包括IT运营和应用程序安全在内的多个团队，通过提供自助发现和访问功能来简化其工作流程。平台通过预定义的基础设施蓝图，帮助他们进行调配和扩展。例如： 质检/测试工程师：自助服务门户提供自动化测试环境设置。质检工程师可以通过平台一键部署包含所有所需服务的测试环境。 安全分析师：带有记分卡和安全防护栏的IDP仪表板能够对新代码部署进行扫描和合规性检查。安全即服务设计直接集成到平台中。 机器学习工程师/数据科学家：他们可以使用预构建的模型训练管道和“铺就之路”来部署训练模型，而无需编写基础设施脚本或管理容器。融入AI的现代平台进一步增强了这一过程。语境感知虚拟助手和代理在IT工厂的所有层面上，简化工作流程、自动化流程并按需推荐定制解决方案。一个已经用户友好的界面可能会变得更智能：它以对话范围无缝引导您通过这些层，提供相关指导和见解。
这意味着所有参与软件构建和维护的专业人员都知道，他们可以轻松访问生态系统，并依靠情境化、有价值的信息来源来改进他们的工作并与业务目标良好对齐。但最重要的是，这意味着每个人都在平台范式中发挥作用。
简而言之，AI通过降低技术门槛和促成更广泛的参与，促进了平台角色的民主化。让我们看几个实际例子：
数据工程师收到提高数据效率的智能建议，或获得数据异常的自动警报。AI助手还可以帮助他们发现、管理和加速数据治理流程。业务技术专家受益于自然语言界面：助手可以在任务工作流程中创建自动化并生成脚本，提供应用程序组成或文档浏览方面的建议。业务负责人依靠助手总结部署影响、预测结果、标记风险或探索系统指标。增强型分析支持业务决策。质检/测试工程师可以使用AI编写测试、识别测试覆盖范围中的空白，或根据最近的代码更改或历史故障率获得预测性测试的建议。安全分析师获得关于风险问题和补救措施的精选报告，以及基于漏洞和优先级划分的自动化警报。机器学习工程师/数据科学家使用AI驱动的平台自动化模型部署、监控和数据漂移检测，他们还可以获得关于特征工程技术和ModelOps管道“黄金路径”的提示。最有价值的效果无疑是从传统的平台角色（守门人）转变为推动者和整合者，带来以下结果：
跨职能协作：在同一平台生态系统内，基于易于访问的数据、模块和服务，培养合作文化，带来与共享业务目标更好的对齐。技能多样化：内部开发者平台旨在抽象复杂性。AI进一步简化角色，拓宽了非技术用户能完成的任务范围。减少对高度技术团队的依赖：自助服务工具和智能用户友好界面减轻了平台工程师和高度专业化团队的负担。运营可扩展性和敏捷性：组织可以更有效地扩展DevOps和SRE实践，通过将平台职责分配给更广泛的用户群体，减少瓶颈，提高敏捷性和运营效率。透明度和问责制：拥有可追溯的信息来源提供了问责制，而安全防护栏确保每个人在所有组织层面都在正确的范围内操作。更快的决策：IDP拓宽了工具和数据的可用性。AI助手和增强型分析极大地促进了它们的消费。这加速了市场营销、客户服务、合规和运营等部门的响应速度和敏捷性。成本效率：平台角色的民主化减少了依赖，简化了工作流程，并打破了组织内部的孤岛。减少瓶颈有助于在整个SDLC中保持低成本。有了内部开发者平台和AI，平台角色——曾经只对经验丰富和专业的角色（如平台工程师和软件工程师）开放——现在向一系列专业人士开放，例如数据工程师和业务技术专家。
具有自助服务工具的现代平台通过抽象任何底层复杂性，在平台角色民主化中扮演主导角色。AI伴侣和代理通过自动化和编排流程、提供量身定制的建议和警报，以及通过智能帮助增强用户界面，进一步增强平台的能力。
最终，这对每个人来说都是双赢局面，促成与业务目标的更好对齐。
来源：科技小魔女