人工智能正迅速成为企业好坏的区别。以下是您很快需要为AI精英填补的关键角色和技能。人工智能有望改变每个行业，许多工作职能将随之发生翻天覆地的变化。未来几年，组织中的很多角色都会在一定程度上使用人工智能技术，这给精通人工智能的人带来了巨大的新机会。与履行职责的IT和业务人员数量发生变化的同时，出现了旨在充分利用组织AI战略的新工作。机器学习领域的工程师已经巩固了自己作为人工智能团队的重要成员的地位，位居求职网站Indeed的最佳工作榜首。人工智能专家也是LinkedIn2020年新兴职位报告中需求量最大的职位，在过去四年中每年增长74%，其次是机器人工程师和数据科学家。事实上，根据IDC分析师RituJyoti的说法，即使在这次大流行期间，全球与人工智能相关的工作岗位数量也可能增长13%甚至16%。“由于这次大流行的爆发，IDC认为医疗保健提供者、教育、保险、制药公司和联邦政府的AI支出和就业机会将会增加，”Jyoti说。我们与IT领导者、AI专家和行业分析师合作，以了解随着AI对企业的控制越来越牢固，企业正在见证哪些AI工作岗位的增加。一些先进的公司已经在招聘以深入了解成功所需的技能。首席AI官AI领导者有很多头衔：AI和机器学习副总裁、首席创新官、首席数字官等等。不管叫什么名字，这些“首席人工智能官”必须了解认知技术如何影响业务，如何制定公司的人工智能战略，并向董事会、企业高管、员工和客户解释。他们与CIO合作实施战略，以最好地满足企业和所有利益相关者的需求。网络安全公司Darktrace的首席人工智能官NicoleEagan花费大量时间与内部技术团队合作，与客户交谈并宣传公司的AI战略，其中包括弄清楚AI如何增强人类工作，例如在威胁检测中和威胁调查。“我与CTO和AI实验室一起探索新的研究领域，”曾在甲骨文战略集团担任战略营销高级总监的伊根说。“Eagan通过参加在线课程继续提高她的AI技能，但她在Darktrace的角色更侧重于业务，将AI应用于现实世界的问题，而不是创建大量算法和编写代码。她说：“我们确实拥有超过我们实验室有35名博士，他们在高等数学、机器学习和人工智能方面具有专业知识。Zscaler人工智能和机器学习副总裁HowieXu提升了她的技术职称，并丰富了她的业务技能经验。曾任思科云计算和网络服务事业部负责人，斯坦福大学MBA学位，具有深厚的产品背景。徐说：“当我第一次加入Zscaler时，我的角色更侧重于技术。“然而，为了充分利用人工智能和机器学习，我必须继续转变，更多地考虑业务影响。”徐认为，人工智能领域的重要有志之士应该关注这些领域，即借助人工智能和机器学习能够将商业价值提高十倍的领域。“在采用技术之前，必须严格遵守业务指标，”他说。AI道德官AI道德官是另一个高级职位，需要与利益相关者进行广泛合作。该角色还可能涉及风险和治理，除了技术团队之外，该角色还可能与政府机构、非营利组织、法律团队、用户和隐私团体进行协调。Salesforce.com道德人工智能实践的架构师凯西·巴克斯特(KathyBaxter)表示，人工智能从业者必须对这项技术充满热情，但也要有合理的怀疑态度。“人工智能不是魔法，它并不适用于所有难题。你经常问的问题不是‘我们能做到吗？’它是‘我们应该这样做吗？’”曾在谷歌、eBay和甲骨文工作的巴克斯特说，他曾从事用户体验研究。巴克斯特说，虽然技术素养是有益的，但人工智能伦理官并不需要是计算机科学家或数据科学家。诸如交互之类的人文环境至关重要。致力于了解受技术、需求、环境和价值观影响的每个人也非常重要。拥有人因工程硕士学位和应用心理学学士学位的巴克斯特也认为平息情绪辩论的能力很有用。“当我们谈论道德时，人们会觉得他们的价值观正在受到挑战。以包容的方式进行合理辩论的能力可能是成功与失败的区别。巴克斯特说，以合乎道德的方式部署人工智能的公司会创造一个更安全、更公正的环境。此外，无偏见的人工智能更准确，可以创造更好的业务绩效。Baxter补充说：“人工智能法规的实施迫在眉睫，因此现在创建合乎道德的AI实践将使您更好地为合规做好准备。ShapeSecurity全球AI负责人、人工智能业务分析师HumanGhosemajumder表示，要从AI模型中获得价值，数据科学家必须与业务分析师合作，他已经聘请了这些分析师，他们最终将扩大规模。“人工智能业务分析师必须对他们工作的公司及其业务模型和业务流程有深刻的了解，因为他们想为这些公司开发解决方案，”Ghosemajumder说。他补充说，他们还必须了解技术语言，以便与数据科学家和数据工程师一起工作。人工智能业务运营经理相关职位，负责在业务端利用人工智能对业务流程进行管理和改进。Ghosemajumder说：“AI业务运营经理应该具备通过人工智能实现自动化的能力。运营基础知识和特定业务流程的经验，”他们还必须能够分析这些运营产生的数据。寻找负责人工智能的人业务，这可能比你想象的更难。“大学和其他职业培训机构正在竞相培养大量入门级技术工人，”饶说。但业务和高级管理人员需要在内部发展，并填补这样的职位空缺很难。”首席数据科学家，通常是企业的首席技术科学家，一直处于AI职位的顶端，而且这个角色已经演变为包括更多的工程和业务技能。五年，”麦肯锡分析转型负责人布莱恩·麦卡锡(BrianMcCarthy)说。目前，数据科学家通常由统计学家担任。如今，数据科学家往往是技术专家。“数据科学家知道使用什么数据和算法来获得出色的结果，他们与数据工程师和软件开发人员将专业知识转化为工作应用程序，他们与企业合作以确保技术满足业务需求。KennaSecurity的首席数据科学家MichaelRoytman于2012年在佐治亚理工学院获得运筹学硕士学位，他在那里研究随机过程和随机优化。随后，他在KennaSecurity签约成为一名数据科学家，并最终晋升为首席数据科学家。“首席数据科学家正在运用他们的技能来增强整个组织的分析能力，”Roytman说。AI架构师AI架构师（也称为人工智能或机器学习工程师）负责创建运行和管理AI的系统和机器学习项目的系统。“这些人可以在AI项目上大放异彩，”英国电信美国战略学术合作负责人兼麻省理工学院研究合作负责人史蒂夫·惠特克(SteveWhittaker)说。他说，掌握人工智能和机器学习技能的IT架构师是显而易见的选择。“要为AI工程师创建平台，您需要培养DevOps技能，”Whittaker说。“你必须知道如何大规模执行，了解敏捷开发并了解流程和数据。”人工智能架构师还可能负责重建各种业务流程，使这些流程更贴近业务。任何构建自己的AI或机器学习基础设施的公司都需要AI架构师或AI平台工程师。“不仅仅是谷歌、Facebook和亚马逊，”惠特克说。他补充说，最近设立这个职位意味着人们来自不同的背景，从有新想法的应届毕业生到拥有40年项目管理实践经验的人。eSentire的CTODustinHillard期望机器学习工程师具有多年使用大型数据集和云数据处理框架的经验，并能够设计、构建和部署复杂的AI系统。AI数据工程师AI和机器学习的生死取决于数据。但他们需要的数据种类和规模可能与其他系统不同，因此任何想要执行高级分析、机器学习或人工智能的组织都需要AI数据工程师。BTSecurity董事总经理凯文布朗说：“必须为这些新兴角色招聘的各类公司首先会寻找更大的组织。”“他们还想到了拥有大量数据的其他组织。例如，由于大流行，医疗行业的数据大幅增加。”例如，BT处理的数据量惊人。例如，在网络安全中，每秒处理数百万个事件，每天处理大约4000次网络攻击。Brown表示，该公司聘请的董事总经理只专注于人工智能、战略、人工智能开发人员、研究人员和数据科学家。这些人的背景跨越了人工智能的各种功能。“我们正在筛选大量数据以发现异常情况，这就是人工智能数据工程师的用武之地，”布朗说。“我们总是大海捞针。”专业职位。例如，彭博社最近聘请了一个人来填补其在首席技术官(CTO)数据科学团队中新设立的数据制造架构师职位。DataProductionArchitect帮助彭博为其金融服务领域的客户创建高质量的结构化数据，其中包括超过325,000名彭博终端客户。彭博首席技术官办公室数据科学主管GideonMann表示，数据来自非结构化和杂乱无章的来源。“这些数字必须准确，达到比大多数行业和学术机构更高的标准，”Mann说，他说DataManufacturingArchitects(Bloomberg)拥有在彭博全球数据部门工作的深度领域专家。彭博目前还招聘了许多其他专门的人工智能人才，包括人工智能研究科学家、人工智能量化研究科学家、媒体数据科学、高级机器学习工程师和分布式系统高级软件工程师。彭博人工智能工程总监AnjuKambadur表示，这些职位需要人工智能、机器学习、自然语言处理、信息检索和量化金融方面的经验，并且必须具备Python、Java和C++等编程语言的专业知识。.但他补充说，沟通、协作和产品开发方面的技能也很重要，“尤其是跨组织和跨学科工作和沟通的能力。”在实践分配职责方面，人工智能领域的相关工作也应运而生。其中一些职位尚未设立，而且大多数职位还没有标准化课程或典型的职业道路。以AIQA经理这一新兴职位为例，这可以看作是传统软件QA职位的演变，但AI项目的QA却大不相同。例如，虽然一家公司可能为手头的项目选择了错误的算法，但代码本身很少是问题所在。不完整、过时或有偏见的训练数据集更令人担忧。一个特别棘手的问题是有偏见的数据，它不仅会产生不良结果，还会产生监管问题、不良宣传、罚款或诉讼。Zscaler最近收购的EdgewiseNetworks的首席数据科学家JohnO'Neil说：“没有人真正了解偏见是如何进入数据的，或者如何尝试将其从数据中移除。这是一个非常活跃的研究领域”据我所知，如果你想说，规则就在这里，如果你遵守它们，那很好，根本没有理由这么说。”据公民数据科学家Gartner称，到2024年，AI高级用户将填补数据科学家的空白。随着部署高级分析、机器学习和AI所需的工具变得越来越容易获得，这些Gartner称之为“公民数据科学家”的人将能够执行与AI相关的任务。但是，不要认为公民数据科学家只是一个职位。恰恰相反，使用“公民数据科学家”工具（例如AutoML）的经验将成为一系列工作职能的工作要求的一部分。人工智能平台首席执行官兼创始人RyoheiFujimakiDotData公司表示：“招募、招聘和培训传统意义上的数据科学家非常昂贵。但IDC在3月份发布的一项调查显示，大约28%的人工智能和机器学习计划都失败了，主要原因是技能短缺。“据报道，缺乏必要专业知识的工人是失败的主要原因之一，”IDC的Jyoti说。也就是说，Jyoti表示，员工在人工智能和机器学习方面的再培训需求一直被压抑。DotData的Fujimaki说公司越来越需要“公民数据科学家”。
