WIP: Software Engineering Competencies in the Age of AI

想象一下，软件工程的世界就像一个巨大且繁忙的建筑工地。几十年来，培训新建筑师（大学学生）的蓝图一直由一群被称为“认证机构”的严厉建筑师精心绘制。这些蓝图，比如 SE2014 指南，明确告诉学校应该教授哪些工具：如何砌砖、如何搅拌混凝土以及如何遵守建筑规范。

但随后，一种新型的魔法工具出现在了工地上：人工智能（AI）。它就像一个机器人助手，可以瞬间绘制墙壁或建议修复漏水点的最佳方法。问题在于？旧的蓝图并没有更新以将这个机器人纳入其中。Vonderhaar、Towhidnejad 和 Ochoa 的论文指出，如果我们继续使用旧的地图来训练建筑师，他们毕业时会准备好使用锤子进行建造，却发现行业已经转向了机器人辅助施工。

工具箱中缺失的一块
作者研究了最新的行业报告和职位发布，发现了一个明显的差距。虽然主要的行业指南——被称为 SWEBOK 的书籍——终于承认 AI 是这项工作“基础性”的一部分（这是一个巨大的变化，因为其 2014 年的版本完全没有提到这一点），但实际的学校课程和名为 SWECOM 的能力模型仍然停留在过去。

该论文指出，目前的大学正在向“AI 黄金时代”派遣缺乏生存装备的毕业生。这就像是让一名水手进入喷气式飞机的时代，却没教他如何阅读雷达。作者并不是说旧技能失去了作用，而是暗示目前的培训是不完整的。

需要两种新的超能力
基于对公司实际需求的研究，作者提议我们需要在软件工程师的训练手册中增加两个全新的“超能力”。他们并非在随意提出想法，而是直接从文献中提取了当前行业所需的内容。

1. AI 素养（“机器人低语者”技能）：
   这并不是关于构建机器人，而是关于知道如何与它交流。论文建议，即使学生只是在编写普通的代码，他们也需要知道如何有效地使用 AI 工具，如大语言模型（LLM）。

• 它的样子： 这就像学习“提示工程”（prompt engineering）——即如何通过向机器人提出正确问题的艺术，以获得好的答案。
• 难点： 作者指出，如果你在没有经过培训的情况下使用这些工具，你实际上可能会工作得更慢。你还需要知道如何检查机器人的工作是否存在“幻觉”（即机器人编造事实）和偏见。这关乎成为一名聪明的编辑，而不仅仅是一个被动的用户。

2. AI 开发（“机器人构建者”技能）：
   这是针对那些想要亲自构建 AI 系统学生的。论文建议，这是一项更繁重的任务。它不仅仅是了解一些数学知识，还需要一套全新的工具。

• 它的样子： 这包括学习如何清理混乱的数据（例如在造车前整理好一个杂乱的库房）、理解如何训练模型以及了解如何测试它们。
• 转折点： 作者指出，构建 AI 与构建普通软件不同。你不能在开始时就计划好一切，因为 AI 可能会随着学习过程而改变其逻辑。这需要一种不同的测试方式，并更加关注传统软件并不总是需要的伦理问题。

本文并非在表达什么
了解本文并未声称的内容非常重要。作者并不是说每个软件工程师都需要成为数据科学家大师。他们并不是说旧的软件构建方式已经死亡。他们也没有声称大学已经解决了这个问题。事实上，他们明确指出这是一篇“进行中的工作”（WIP）论文。

他们并不是在展示一个已经完成、解决掉的谜题。相反，他们是在举起一面镜子并说：“嘿，看看我们培训计划中的这个漏洞。”他们认为当前的指南（如 SE2014）已经过时，因为它们没有提到 AI，并认为能力模型（SWECOM）需要更新以包含这些新技能。

下一步
作者本质上是在说：“我们已经识别出了差距，这里有一份建议的技能清单来填补它。”他们建议将这两个新领域——AI 素养和 AI 开发——添加到软件工程师应该掌握的官方清单中。

然而，他们承认前方的道路上存在一些巨大的障碍。他们指出，AI 的变化速度极快，因此保持课程内容的更新将是一场持续的竞赛。他们还担心，一些学校可能没有足够了解 AI 并能教授 AI 的教师，而且加入这些新主题可能会挤压其他重要学科的空间。

因此，这篇论文并没有提供一个能解决所有问题的魔杖。相反，它提供了一份路线图。他们建议，为了在现代劳动力市场中生存，下一代软件工程师需要既精通旧的构建方式，又精通与 AI 协作的新方式。他们提议更新规则手册，以确保这些学生能够胜任当下的工作，而不是十年前的工作。