像雲、移動電話時代、元宇宙和現在的人工智慧等技術趨勢，都依賴於隱藏在表面下的賦能技術。它們的結構完整性取決於這些賦能技術的無缺操作，而在許多情況下，這些賦能技術就是應用程序編程接口（API）。因此，它們的成功取決於API的採用。在快速普及人工智慧技術（如生成式人工智慧）的領域，這一點尤為明顯，這些技術需要一個簡單且非常易於使用的界面，讓每個人都能夠訪問該技術。這裡的秘密是，這些人工智慧工具只是連接到大型語言模型（LLM）的高度複雜和密集工作之上的界面。
重要的是要記住，人工智慧模型並不會自己思考，它們只是看起來是這樣，以便我們可以以熟悉的方式與它們互動。API實際上是作為人工智慧平台的翻譯器發揮作用，因為它們在技術層面上相對簡單、高度結構化和標準化。大多數人所認為的「人工智慧」應該通過API產品的視角來看待；有了這種思維方式，組織可以最好地準備可能的用例，並確保他們的員工具備將其付諸實踐的技能。
人工智慧和API
精明的工作者已經將ChatGPT整合到他們的日常辦公例程中，用於頭腦風暴、總結長文本、替代搜尋引擎、翻譯或撰寫例行電子郵件。但是，這些功能受到一個事實的限制，即它依賴於截至2021年的公共數據，這使得在快節奏的商業環境中難以信任。
所有跡象都指向更強大的人工智慧模型、多模態人工智慧模型（結合文本、語音、圖像）以及不斷從互動中學習的模型的發展。這些人工智慧模型將被公司用於構建面向普通市場的人工智慧支持產品，或者作為內部專有的人工智慧應用。未來的人工智慧應用將在許多方面與ChatGPT等應用程序有所不同。最大的區別在於，公司的數據和功能（通過API訪問）與人工智慧模型（反過來通過API訪問）的集成潛力。對於某些任務，一個先進的人工智慧平台甚至可能能夠搜索合適的API來完成任務並自動與之交互。當公司的數據和功能通過API可用時，許多用例變得可能，因為它們允許人工智慧模型以安全和封閉的方式與專有資訊進行交互。例如，人工智慧模型與API交互的一些較簡單的練習可能是為客戶生成個性化電子郵件或回應客戶服務請求。更高級的用例將涉及創建新的數字產品和接觸點。
值得注意的是，隨著人工智慧的普及，數據隱私、安全性和安全性將受到更多關注。雖然現在還為時過早來詳細說明這將如何發展，但適當的API治理需要提供確切控制這些方面的機制：安全性、數據流、隱私和訪問。
推動商業技術專家的崛起
為了實現人工智慧解決方案所承諾的效率提升，它們必須無縫地集成到各種業務功能的日常運營中。人們可能會認為將數據和功能打包成易於使用的API是IT部門的領域。傳統上，IT部門負責這些集成活動。然而，集中的IT部門通常缺乏業務知識和背景，無法創建有效的API，並且業務需求往往變化太快，超出了他們繁重的工作量，使他們不堪重負。
幸運的是，有一種解決方案，即商業技術專家：具備技術知識以更高效地執行相關集成工作的知識工作者。他們不一定具備編寫符合技術架構的可擴展、可靠代碼的深層技術技能，而是可以利用低代碼開發工具來正確編排和使用API。雖然全球只有2700萬開發人員，但有超過10億知識工作者。將知識工作者提升為商業技術專家將比尋找越來越昂貴的開發人員更容易。希望適當賦予他們權力的組織將需要提供全面的文檔、構建和管理解決方案的權限，以及最佳的API，以提供直觀的體驗。
不要低估API的價值
乍一看，API似乎對人工智慧革命無關緊要。人工智慧可能看起來像魔法，但在幕後，API對於從LLM請求結果並將平台與現有功能和數據集成起到至關重要的作用。投資於API創新、採用和使用意味著投資於為所有希望確保人工智慧將其公司推向新高度的工作者提供強大基礎的基礎。
Subhash Ramachandran是Software AG產品管理部門的高級副總裁
