開發人員短缺正在走向勞動力大軍，并將受到嚴重打擊。據Forrester稱，到2024年，美國將出現50萬開發商的赤字。

在所有行業和全球市場中，對軟件的需求以比傳統Java或.NET開發人員可以跟上的速度增長。人工智能和機器學習的興起加劇了開發人員的短缺。但是，如果企業希望保持競爭力，他們別無選擇，只能利用這些新興技術。

那么，商業世界如何彌合對人工智能工具的需求與缺乏可用的開發人員之間的鴻溝？通過為公民開發人員（想要開發軟件但缺乏編碼背景的行業專家）配備無代碼或低代碼平臺。

AI和ML需要變得可訪問

當前，人工智能和機器學習主導著整個行業的技術對話。但是，我們正在走向不再被大肆宣傳的趨勢，它們是每天使企業受益的真正技術。

但是要使AI和ML真正成為規范，我們需要更多的開發人員才能或在適當的人工監督下模仿這些人才的技術。這就是無代碼和低代碼平臺的用武之地。低代碼和無代碼平臺依靠拖放式視覺環境，而不是從頭開始編寫的傳統編碼語言來構建網站，自動化電子郵件并構建新的應用程序。

目前，這些應用程序非常適合滾動使用，允許公民開發人員開發新工具的中心組件，以便經驗豐富的開發人員可以專注于更復雜的AI和ML元素。最終，這些更高級別的流程將成為市民開發人員可以解決的功能。

例如，在銀行工作的金融分析師可以開發由ML支持的欺詐檢測工具。或者，營銷人員可以構建一個專有應用程序，該應用程序可以利用所有客戶反饋（從社交評論到網站評論再到調查回復），并將非結構化數據提煉成可行的見解。或者，初級律師可以利用自己制作的工具來分析數千份合同中的數據，以更好地處理談判。

但是，當涉及到無代碼或低代碼的AI項目時，構建和維護必要的數據集將成為一個障礙。這個元素無處可逃。要獲得AI和ML的好處，您需要可用的結構化數據，并且需要大量數據。利用數據是數據科學家的工作，而不是公民開發人員的工作。

當您開始確定要解決的業務中的問題時，請考慮是否存在有關該問題的數據。在等待數據累積然后花額外的時間來構造數據時，您可能需要一些時間才能開始評估問題并尋求解決方案。

此過程可能需要您組織中目前沒有的專業知識。由于時間很難聘請合格的全職數據科學人才，因此請考慮與咨詢公司或基于項目的數據科學家合作，以在正確的位置獲取您的數據，以便在公民開發人員級別上開始使用它。

在克服了當前軟件開發的障礙和數據限制之后，您將可以在一個更好的地方為公民開發人員提供無代碼平臺的支持。他們可以開始構建工具，以改善與自己的工作相關的流程。

招聘中

并非所有員工都被排除擔任公民開發人員的職責。但是有某種類型的員工非常適合這個職位。實際上，您可能已經確定了一些熱情但沒有指導的隊友，他們渴望建立自己的解決方案。

如果沒有適當的資源，公民開發人員類型就傾向于追求影子IT。他們熱衷于更智能地工作，并將獲得甚至構建自己的未經認可的應用程序，以使其流程更加高效。他們不會采取不回答的態度，這意味著他們過去可能承擔了流程和網絡安全方面的責任-不是因為它們是惡意的，而是因為他們想提高工作效率。

為這些企業家類型配備公司認可的無代碼工具，即可為他們蓬勃發展所需要的已批準技術。在向公民開發人員介紹無代碼平臺時，請確保為他們提供適當的治理，并制定有關如何使用該平臺的政策，以降低影子IT的風險。對這些公民開發人員進行全面的培訓還將有助于確保領導層的支持，因此他們可以輕松地為非IT員工配備如此強大的工具。

公民開發商的興起并不意味著對受過經典培訓的開發商的需求正在消失。但是，當他們忙于構建高級工具時，公民開發人員是理想的專業人員，可以幫助業務線團隊將經過驗證和打包的技術（如AI和ML）應用于其日常工作流程。

在開發人員供應過少的情況下，由于需求增加，建立嵌入式公民開發人員團隊將使您的組織適應AI繁榮和人才短缺的情況，并解決整個組織中無數的技術問題。