当今大多数组织都在为一个AI无处不在的世界做准备。这种演变要求业务和技术领导者让他们的组织了解新技术能力、利用新技术的技术技能，并专注于传统IT工作流的新方法。但缺乏人工智能技能是采用人工智能的最大障碍之一。尽管从大学毕业的专业数据科学家和AI从业者数量创历史新高，但企业仍然面临着寻找和吸引顶尖人才的巨大困难，因此AI技能提升计划成为当务之急。提升技能对AI世界的组织意味着什么？每个企业最终都会成为人工智能企业。每个企业都知道需要提高员工的人工智能技能。然而，组织很难确定增加人工智能技能意味着什么，以及必须采取哪些具体行动来发展这些技能。提升技能对AI世界的组织意味着什么？人工智能不是单一的。它不是由一组技能定义的，也不是由组织中的单个角色定义的。有些技能相对简单和基础，必须在整个组织内广泛发展。其他人更复杂，集中在较小的高技能专业人员群体中。了解具有不同技能组合的多个角色如何在一个以最终结果为中心的统一框架内协调和协调他们的工作至关重要。构建AI知识、上下文AI知识和AI解决方案构建能力的组织制定提高员工技能的计划应从所有人的基本要素开始，深入到特定角色的更复杂的专业化水平，重点是技能提升。我们看到这种技能进步由三个主要层次组成：AI知识、上下文AI知识和AI解决方案构建能力。AI素养技能应该在整个组织内得到广泛发展，重点是对数据的概念理解、与支持AI或AI的工具进行交互的能力，以及在组织中发现AI机会的能力。这些目标应针对技术和非技术专业人员，他们应该能够：阅读、理解、创建和交流数据作为信息；批判性思考以找到数据中的相关见解；从图表中理解见解，同时最大限度地降低被数据误导和得出有害错误结论的风险。确定人工智能技术和流程如何影响业务目标；确定哪些技术是合适的；确定需要什么数据；并了解AI如何支持业务。这项技能需要专业知识来识别如何利用专注于预测、自然语言处理、视觉和语音识别的技术，以及如何将数据视为战略资产。了解并掌握用于编排不同角色工作的方法；人工智能需要迭代和实验的文化，以及对业务和技术工作流程的深刻反思。上下文AI知识的下一个技能水平需要拥抱AI技术能力并将其注入其他领域。重点是使用AI技术开发领域策略，使用预构建的AI模型管理输入和输出。在此阶段，应在技术和非技术团队以及开发、数据工程和数据科学家之间培养一些技能。组织需要能够：开发用于识别业务机会、数据策略以及AI模型如何在特定领域的业务目标中推动新价值的流程。确定人工智能何时是实现特定业务目标的正确方法；根据影响和实施的难易程度对用例进行优先排序和选择；根据业务优先级并与业务目标保持一致，定义KPI以推动AI实施。确定可以解决特定问题的AI功能类型，并确定可用于训练AI模型的不同类型的数据。该技能为探索潜在的新数据集（结构化和非结构化、外部和本地、内部或云端）以及定义数据管道和数据访问流程提供了绝佳机会。利用预构建的AI模型（NLP、视觉识别）和框架（Tensorflow、Keras）等技术来帮助加速解决方案构建。了解如何在概率环境中做出决策并适当地管理风险。构建AI解决方案技能的下一阶段侧重于构建AI解决方案和开发管理端到端AI生产流程所需的技能。数据科学角色是AI生产周期的核心，其他业务和技术利益相关者在不同阶段发挥着重要作用。数据科学家及其相关利益相关者通常：制定基于道德和隐私原则的框架/方法，以在整个组织内实施，以构建端到端的AI解决方案。构建机器学习模型（监督/非监督/深度/增强），以及深度学习模型。扎实的数学专业知识（概率、推论统计、线性代数）以确保正确构建机器学习模型。将AI模型部署到生产环境中，并以可信和透明的方式实施AI。确保AI推荐是完全可追溯的，并且可以执行经过审计的谱系模型和相关的训练数据。人工智能可以为组织带来的巨大机遇和好处需要一个技能开发计划来确保一致和有意的结果。AI技能开发的规范方法是成功的关键。要了解有关IBM数据和AI解决方案的更多信息，请访问：http://cloud.51cto.com/act/ibm2020q4/ai
