大型計算機（Mainframe）常被誤認為是過去的遺物，但數(shù)據(jù)顯示，它依然是全球商業(yè)心臟的起搏器。然而，當我們將最前沿的?AI 自主智能體（Agentic AI）引入這些關鍵任務環(huán)境時，一個嚴峻的現(xiàn)實浮出水面：我們的開發(fā)人員準備好了嗎？
最近的報告顯示，35% 已在大型計算機上使用 AI 的企業(yè)表示，技能差距正在嚴重阻礙進展。作為技術領導者，我們必須認識到：在大型計算機上部署 AI，不僅是技術升級，更是一場人才與文化的重塑。
一、 治理先行：制定“交通規(guī)則”
AI 驅動的威脅正在快速增長，而治理往往滯后。在處理敏感數(shù)據(jù)的大型計算機環(huán)境中，缺乏監(jiān)管是致命的。
風險現(xiàn)狀：僅僅依靠技術監(jiān)督是不夠的，AI 系統(tǒng)對數(shù)據(jù)的依賴使得合規(guī)性變得極其復雜。
戰(zhàn)略舉措：必須建立最新的組織護欄。這不僅是為了合規(guī)，更是為了保護系統(tǒng)完整性，避免因 AI 失控導致的財務或聲譽損失。
二、 安全基石：為 AI 系好“安全帶”
引入 AI 自主智能體意味著賦予系統(tǒng)“行動權”。這需要比以往更嚴格的安全措施。
權限控制：實施基于角色的訪問控制（RBAC），嚴格限制 AI 代理的權限。
人機回環(huán)：盡管是“自主”智能體，但對高影響力操作必須保留人類監(jiān)督層。
提示工程規(guī)范：防止結構不良的提示導致 AI 做出不可預測的操作。
三、 信心與技能：從“維護者”到“駕駛員”
許多企業(yè)面臨的問題不是缺乏培訓資源，而是缺乏信心。開發(fā)人員往往對“動”這些核心遺留系統(tǒng)心存畏懼。
打破認知偏見：大型計算機技能并非過時。事實上，“COBOL + AI”的復合型人才在市場上供不應求。
建立安全區(qū)：通過導師制度和模擬環(huán)境（Sandbox），讓開發(fā)人員在不破壞生產(chǎn)環(huán)境的前提下安全試錯。
結語
AI 的興起不是要取代大型計算機專家，而是要賦予他們新的能力。當有了正確的治理、安全框架和技能培訓，開發(fā)人員將不再只是系統(tǒng)的“維護者”，而是能夠自信駕馭 AI 驅動的大型計算機的“駕駛員”。
如果開發(fā)人員沒有做好準備，AI就無法使大型計算機現(xiàn)代化。技能差距、治理不力和信心不足將迅速阻礙進展。
圖源：Credit: PeopleImages.com / Shutterstock
大型計算機通常被視為過去的技術，但超過70%的財富500強公司仍然依賴它，因為它能夠現(xiàn)代化并適應新的環(huán)境，以滿足行業(yè)日益增長的技術進步。然而，隨著大型計算機進一步深入這些混合環(huán)境，開發(fā)人員不能僅僅依賴大型計算機的專業(yè)知識。在人員和流程準備就緒之前，在大型計算機環(huán)境中整合AI——尤其是AI自主智能體——可能會創(chuàng)造或加劇現(xiàn)有問題。最近的一份報告發(fā)現(xiàn)，盡管公司正在投資技術和技能以使大型計算機開發(fā)人員為未來做好準備，但35%已經(jīng)在大型計算機上使用AI的人表示現(xiàn)有的技能差距正在阻礙進展，這強調了采用更多種技能方法的需求。
開發(fā)者需要掌握最新的AI部署規(guī)則，提升其現(xiàn)有技能和技術熟練度，并培養(yǎng)在新技術進入企業(yè)環(huán)境中時安全進行實驗的信心。
就像學習駕駛一樣，在大型計算機上部署AI不僅僅需要了解其機械原理，還需要信心、實際操作和對系統(tǒng)的信任。
一、了解道路規(guī)則
企業(yè)安全團隊越來越關注AI驅動的威脅，Gartner將其識別為增長最快的攻擊類別。然而，治理和合規(guī)工作尚未跟上AI發(fā)展的快速步伐。有限的理解、低優(yōu)先級和技術監(jiān)督的差距正在造成重大風險，尤其是因為AI系統(tǒng)依賴于敏感數(shù)據(jù)和不斷演變的代碼。與任何變革性技術一樣，圍繞AI的規(guī)則和法規(guī)正在不斷演變，開發(fā)人員必須保持最新知識，特別是在受監(jiān)管的環(huán)境中。
通過更好地了解和掌握最新信息，開發(fā)人員將能夠使用最新的組織護欄來監(jiān)控大型計算機，這些護欄旨在保護系統(tǒng)和脆弱的數(shù)據(jù)。有效的護欄和治理框架確保員工負責任地使用AI，幫助組織避免監(jiān)管違規(guī)、法律風險、安全風險以及可能導致的財務或聲譽損害。
隨著經(jīng)驗豐富的專業(yè)人員退休，圍繞“遺留”系統(tǒng)的誤解持續(xù)存在，組織面臨著日益增長的技能差距。投資大型計算機教育不僅僅是一項技術需求，還是一種戰(zhàn)略舉措，旨在保護關鍵業(yè)務應用程序和基礎設施，確保連續(xù)性并在快速變化的環(huán)境中保持競爭力。
二、安全是AI的安全帶
與任何重大技術變革一樣，安全性必須是采用AI自主智能體的基石。這些系統(tǒng)需要強大的保障措施，以確保安全可靠的運行。一項關鍵措施是基于角色的訪問控制，它根據(jù)其特定功能限制代理權限，降低未經(jīng)授權操作的風險。這通過安全的憑據(jù)存儲、加密和多因素認證得到加強，以保護系統(tǒng)完整性和用戶授權。
同樣重要的是控制代理與數(shù)據(jù)交互和執(zhí)行任務的方式。輸入驗證、輸出監(jiān)控和行為約束等技術有助于防止語言模型組件的濫用，而對高影響力行動的人類監(jiān)督則增加了額外的保護層。提示工程同樣至關重要，因為結構不良的提示可能導致AI智能體采取不可預測或不安全的操作。通過應用嚴格的提示設計和輸入驗證，組織可以確保AI驅動的過程保持準確、安全并符合業(yè)務目標。這確保了在執(zhí)行之前對敏感或破壞性操作進行仔細審查。
最后，持續(xù)監(jiān)控、可觀測性和審計在整個系統(tǒng)生命周期中提供了透明度和問責制。這些實踐增強了信任和完整性，使組織能夠在保持合規(guī)性和控制的同時自信地部署AI。
三、通過核心技能整合推動駕駛準備
要在AI時代取得成功，開發(fā)人員需要具備核心技能與未來準備的技能，并以基礎培訓為支撐。當負責任且深思熟慮地使用時，AI工具可以縮小這一差距并加速現(xiàn)代化努力——前提是它們被有意部署。
大型計算機熟練度為AI部署奠定了深厚系統(tǒng)知識的基礎。AI素養(yǎng)和AI智能體熟練度使開發(fā)人員能夠構建、訓練和管理與業(yè)務邏輯和企業(yè)目標一致的AI智能體。
問題并不在于缺乏教育資源——目前有大量的培訓可供選擇。真正的障礙在于認知：大型計算機技能常常被認為過時或“不流行”。然而，這些技能仍然具有很高的價值。事實上，像COBOL這樣領域的專業(yè)知識往往比像Java這樣更常見的語言獲得更高的薪酬，因為合格的專業(yè)人員供不應求。
Futurum Group的一項研究表明，盡管教育機構正在培養(yǎng)更多具備大型計算機技能的畢業(yè)生，但仍有61%的受訪者報告稱，教學內容與實際需求之間存在顯著的技能差距。這表明需要持續(xù)的技能整合，而不僅僅是基礎培訓。
四、掌握駕駛的信心
就像駕駛員可以了解道路規(guī)則，卻沒有信心在道路上行駛一樣，開發(fā)人員在部署像AI這樣的新技術時也面臨同樣的風險。
導師指導、模擬工具和社區(qū)學習都可以通過為大型計算機開發(fā)人員提供安全的實踐區(qū)域來幫助縮小信心差距，使他們可以在不擔心影響生產(chǎn)的情況下探索AI的部署。
組織可以通過創(chuàng)建支持實驗和技能發(fā)展的基礎設施和文化來成為關鍵的推動者。建立信心與建立強大的技能集同樣重要，兩者都是從謹慎的試點階段邁向自信的大規(guī)模生產(chǎn)部署所必需的。
駕駛不僅僅是向前移動，還包括為意外情況做好準備，知道何時加速以及信任你的工具。
AI的興起不僅僅是關于自動化任務，更是關于賦予人們與他們曾經(jīng)覺得令人生畏的系統(tǒng)進行互動的能力。對于許多人來說，大型計算機現(xiàn)代化的進展并非由于缺乏遠見而放緩，而是由于缺乏信心，對從何處開始、可能會破壞什么以及如何填補退休專家留下的空白存在不確定性。但當AI智能體成為日常工作流程的一部分時，這種恐懼開始消散；開發(fā)人員開始對自己的立足點充滿信心；團隊開始以清晰而不是謹慎的方式做出決策。
有了正確的基礎，大型計算機不再僅僅是開發(fā)人員維護的對象，而是他們可以駕馭的對象。
作者：Richard Baird（理查德·貝爾德）
譯者：木青
原文鏈接：https://www.cio.com/article/4121590/skilling-mainframe-developers-for-an-ai-first-future.html
數(shù)據(jù)中心?IT技能和培訓 ?職業(yè) ?人工智能
