本周红门预览机器学习能力该公司正在增加其测试数据管理和数据库监控平台，这些平台计划于 2025 年第一季度全面推出。
Redgate Test Data Manager 使用机器学习算法来发现数据中的模式、关系和分布特征，生成反映这些属性的合成数据。该功能使应用程序开发团队可以更轻松地创建用于测试应用程序的数据，而无需复制生产环境中运行的任何数据。
此外，数据科学团队还可以使用这些数据来训练人工智能 (AI) 模型，而不必担心敏感数据可能会无意中暴露在何处。
与此同时，该公司正在将机器学习算法添加到 Redgate Monitoring 中，该算法将根据指标数据中发现的模式生成警报。然后，它将警报与受监控数据库上看到的实际使用情况进行匹配，以使警报更加相关并减少整体警报疲劳。
该功能还提供了额外的好处，即可以更轻松地根据每个 IT 环境定制 Redgate Monitor，而无需手动配置和维护警报。
Redgate Software 的产品经理 James Hemson 表示，虽然该公司继续研究生成式 AI 技术，但很明显，机器学习算法提供了一种最受 IT 团队使用的 AI 形式。他指出，例如，IT 团队将能够更好地预测已部署的数据库需要多少 CPU 利用率。
最近的红门民意调查发现 65% 的受访者受雇于使用 AI 执行诸如生成示例数据或代码片段、优化数据库查询和自动创建测试等任务的组织。科技强研究民意调查发现三分之一 (33%) 的人正在为利用人工智能 (AI) 构建软件的组织工作，而另外 42% 的人正在考虑这样做。只有 6% 的人表示他们没有使用人工智能的计划。
然而，只有 9% 的企业已将 AI 完全集成到他们的 DevOps 管道中。另外 22% 的企业已部分实现这一目标，而 14% 的企业仅针对新项目实现这一目标。总共 28% 的受访者表示，他们希望在未来 12 个月内将人工智能集成到他们的工作流程中。
目前尚不清楚各种类型的人工智能模型将在多大程度上改变软件工程，但软件构建、测试和管理的步伐正在开始加快。过去需要几天和几周才能完成的任务现在可以在几分钟和几小时内完成。这些进步不太可能消除对 DevOps 工程师的需求，但随着更多手动任务的完成，这些团队中的角色将会不断发展。
Ø
希望随着体力劳动的总体水平继续下降，许多软件工程师经历的总体倦怠率将迅速下降。与此同时，精明的 DevOps 团队应该列出人工智能可以或很快将自动化的手动任务列表，以更好地了解软件工程团队明天可能需要如何重组。