人工智能有望改變各行各業，隨之而來許多工作職能會發生巨變。在未來的幾年，組織中的許多職位都或多或少在一定程度上要使用人工智能技術，這給精通人工智能的人帶來了巨大的新機會。

 

隨著行使職責的IT和業務人員的數量轉變，同發生的是出現旨在充分利用組織人工智能戰略的新工作。機器學習領域的工程師已經鞏固了自身作為人工智能團隊必要成員的地位，位居求職網Indeed最佳工作榜首。人工智能專家也是領英 2020年新興工作報告中的最吃香的工作，該工作在過去四年中以每年74%的速度增長，其次則是機器人工程師和數據科學家。

 

事實上，IDC的分析師Ritu Jyoti稱，即使在這次大流行爆發期間，與人工智能相關的工作數量也可能在全球范圍內增長13%乃至16%。

 

Jyoti說：“由于這次大流行的爆發，IDC認為，醫療提供商，教育，保險，制藥公司和聯邦政府的人工智能支出和就業機會將會增加。”

 

我們與IT領導者，人工智能專家和行業分析師進行了接觸，以了解這樣一個事實，即隨著人工智能更加牢固地控制企業，企業見證了哪些人工智能職位的興起。有些先進的公司已經在招兵買馬，以洞察成功所需的各種技能。

 

 

人工智能領導者有很多稱謂：人工智能和機器學習副總裁，首席創新官，首席數字官等等。

 

不管怎么稱呼，這些“首席人工智能官”都必須理解認知技術(cognitive technologies)是如何影響企業，如何制定公司的人工智能戰略并向董事會、企業高管，員工和客戶進行解釋。他們與首席信息官合作實施該策略，以最大限度地滿足企業和所有利益相關者的需求。

 

網絡安全公司Darktrace的首席人工智能官Nicole Eagan花費了很多時間與內部技術團隊合作，與客戶交談并宣傳該公司的人工智能戰略，其中包括弄清楚如何通過人工智能來增強人類的工作，例如在威脅檢測和威脅調查這兩方面。

 

曾在甲骨文戰略小組中擔任過戰略市場營銷高級總監的Eagan說：“我與首席技術官和人工智能實驗室一起探索新的研究領域。”

 

Eagan通過學習在線課程來不斷提高自身的人工智能技能，但是她在Darktrace中所起的作用就是更為注重業務，與其創建大量算法和編寫代碼，不如將人工智能應用于實際問題。她說：“我們的實驗室中確實有超過35名具備高等數學，機器學習和人工智能專業知識的博士。”

 

Zscaler的人工智能兼機器學習副總裁Howie Xu提升了自己的技術職稱并以商務技能來充實經驗。身為思科云計算和網絡服務業務部門前負責人的Xu持有斯坦福大學的MBA學位并具備深厚的產品背景。

 

Xu說：“最初加入Zscaler時，我的職責更為關注技術。“但是，為了充分利用人工智能和機器學習，我不得不繼續轉變以更加注重業務影響方面的思考。”

 

Xu認為，在工智能領域有遠大抱負的重要人物要專注于這些領域，即在人工智能和機器學習的助力下能將業務價值提高十倍的領域。他說：“在采用技術之前，必須嚴格遵守業務指標。”

 

 

人工智能道德官是另一個高級職位，該職位需要與利益相關者展開廣泛合作。該職位還可能涉及風險和治理，除技術團隊外，該職位可能還要與政府機構，非營利組織，法律團隊，用戶和隱私小組進行協調。

 

Salesforce.com的道德人工智能實踐架構師Kathy Baxter說，人工智能實踐者必須對技術充滿熱情，但也要持合理的懷疑態度。“人工智能不是魔法，也不適用于解決所有的難題。你經常要問的問題不是‘我們能做到嗎?’，而是“我們必須要做嗎”?Baxter這樣說道，他曾在谷歌，易趣和甲骨文從事過用戶體驗研究工作。

 

Baxter說，盡管技術素養大有裨益，但人工智能道德官并不需要成為計算機科學家或數據科學家。她說：“具備心理學，社會學，哲學或人機交互等人文背景至關重要。致力于了解受技術，需求，環境和價值影響的每一個人，這一點也非常重要。”

 

持有人因工程學(human factors engineering)碩士學位和應用心理學學士學位的Baxter也認為將情緒化辯論降溫的能力是十分有用的。她說：“當我們談論道德時，人們會覺得自己的價值觀正在受到挑戰。能夠以包容的方式展開合理的辯論則可能決定了成敗。”

 

Baxter說，在部署人工智能時十分注重道德的公司會創建更安全，更公正的環境。另外，無偏差的人工智能更加準確，可以創造更好的業務績效。

 

Baxter補充說：“人工智能法規即將實施，因此，現在創建道德的人工智能實踐將使你對合規性做更為充分的準備。”

 

 

Shape Security的全球人工智能負責人Shuman Ghosemajumder說，要想從人工智能模型中獲得價值，數據科學家必須與業務分析師配合，他已經聘請了業務分析師，他最終會擴大這一領域。

 

Ghosemajumder說：“人工智能業務分析師必須深刻了解自己所服務的公司及其業務模式和業務流程，因為他們希望為這些公司開發解決方案”。他補充說，他們還必須懂技術語言，從而與數據科學家和數據工程師共事。

 

人工智能業務運營經理這一相關職位在業務方面負責對使用人工智能的業務流程進行管理和改進。Ghosemajumder說：“人工智能業務運營經理應具備通過人工智能自動化的特定業務流程方面的運營基礎知識和經驗”，他們還必須能分析由這些操作所生成的數據。

 

普華永道(PricewaterhouseCoopers)的合伙人兼全球人工智能負責人Anand Rao說，要找人負責面向業務的人工智能，這可能比想象的要難。

 

Rao說：“大學和其他職業培訓機構正在競相培訓大量初級技術工人。但是，業務和高級管理人員需要在公司內部培養，而填補這樣的職位空缺是很難的。”

 

 

通常，企業的首席技術科學家一直是人工智能職位的最高職位，其職責不斷演變，已經包含了更多的工程和業務方面的技能。

 

麥肯錫的分析轉型主管Brian McCarthy說：“五年前，數據科學家往往由統計學家擔任。如今，數據科學家往往由技術人員擔任。”

 

數據科學家知道要用什么樣的數據和算法才能獲得最佳結果，他們與數據工程師和軟件開發人員合作將這種專業技能轉化為可運行的應用程序，他們還與業務部門合作以確保技術滿足業務需求。

 

Kenna Security的首席數據科學家Michael Roytman于2012年榮獲喬治亞理工學院頒發的運籌學碩士學位，他在該院研究了隨機過程和隨機優化。然后，他簽約成為Kenna Security的數據科學家并最終晉升為首席數據科學家。

 

Roytman說：“首席數據科學家正在運用他們的技能來增強整個組織的分析能力。”

 

 

人工智能架構師(也稱為人工智能或機器學習工程師)負責創建用于操作和管理人工智能和機器學習項目的系統。

 

BT的美國戰略學術合作伙伴關系負責人兼麻省理工學院的研究合作關系負責人Steve Whittaker說：“這些人可以大舉研究人工智能項目”。他說，獲得人工智能和機器學習技能的IT架構師是不二之選。

 

Whittaker說：“要創建人工智能工程師平臺就需要培養運維(DevOps)技能。你必須知道如何大規模地執行，了解敏捷開發并具備流程和數據意識。”

 

人工智能架構師可能還要負責重建各種業務流程，從而使這些流程更接近業務。

 

任何自建人工智能或機器學習基礎設施的公司都需要人工智能架構師或人工智能平臺工程師。Whittaker說：“不僅僅是谷歌，臉書和亞馬遜”。他補充說，這個職務近期才誕生，這意味著人們的背景千差萬別，從充滿新鮮想法的新畢業生到擁有40年實踐項目管理經驗的人，不一而足。

 

eSentire的首席技術官Dustin Hillard希望機器學習工程師在處理大型數據集和云數據處理框架方面具備多年經驗，并且能夠設計，構建和部署復雜的人工智能系統。

 

 

人工智能和機器學習的存亡都取決于數據。但是它們所需數據的種類和規模可能與其他系統不同，因此任何想要執行高級分析，機器學習或人工智能的組織都需要人工智能數據工程師。

 

“不得不招聘這些新興職位的各種公司首先想到了大型組織”，英國電信安全部常務董事Kevin Brown這樣說道。“它們還想到其他擁有大量數據的組織。例如，由于大流行，醫療行業見證了數據的巨增。”

 

例如，BT要處理驚人的數據量。例如，在網絡安全方面，每秒處理數百萬個事件，每天處理約4000次網絡攻擊。Brown說，本公司聘請的董事總經理只專注于人工智能，戰略，人工智能開發人員，研究人員和數據科學家。這些人的背景橫跨人工智能的各個功能。

 

Brown說：“我們要篩選大量的數據來發現異常，而這正是人工智能數據工程師的大展拳腳的地方。我們總是在大海撈針。”

 

 

從事數據業務的公司提供了更多的專業職位。例如，彭博社(Bloomberg)最近就請人來擔任其新設立的職位，即首席技術官(CTO)數據科學團隊的數據制造架構師。

 

數據制造架構師幫助彭博社為其金融服務領域的客戶(包括超過325,000彭博終端客戶)創建高質量的結構化數據。彭博社的首席技術官辦公室的數據科學主管Gideon Mann表示，數據產生自非結構化且雜亂無章的源頭。

 

Mann說：“這些數字必須準確無誤，其標準要高于大多數行業和學術機構。”

 

Mann說，數據制造架構師(Bloomberg)讓深層領域專家在彭博社的全球數據部門中工作。彭博社現在也在招聘許多其他的專門化的人工智能人才，包括人工智能研究科學家，人工智能定量研究科學家，媒體數據科學，高級機器學習工程師和分布式系統高級軟件工程師。

 

彭博社的人工智能工程主管Anju Kambadur說，這些職位要具備人工智能，機器學習，自然語言處理，信息檢索和定量金融方面的經驗，并且必須具備Python，Java和C ++等編程語言方面的專業知識。他補充說，但是溝通，協作和產品開發方面的技能也很重要，“特別是跨組織和跨學科工作和溝通的能力。”

 

 

正當尖端企業試圖弄清如何圍繞新生的人工智能實踐分配職責時，人工智能領域的相關工作正在不斷涌現以滿足其需求。其中一些職位尚未設立，并且大多數職位尚無開設標準化課程或尚無形成典型的職業發展道路。

 

以人工智能質量保證經理這一新興職位為例，這可以看作是從傳統軟件質量保證職位演變而來的職位，但是人工智能項目的質量保證卻大不相同。例如，盡管某一公司可能會為手頭的項目選擇錯誤的算法，但是代碼本身很少會成為問題。不完整的，過時或有偏差的訓練數據集才是更應注意的東西。

 

有偏差的數據是一個特別棘手的問題，這些數據不僅會產生不良結果，還會產生監管問題，不良宣傳，罰款或訴訟。

 

Zscaler最近收購的Edgewise Networks的首席數據科學家John O’Neil表示：“沒有人真正了解偏差是如何進入數據的，也沒有人了解如何設法從數據中消除偏差。這是一個非常活躍的研究領域。據我所知，如果你想說，規則就擺在這里，如果你遵循這些規則沒問題，壓根兒就沒有說這理兒的地方。”

 

 

Gartner稱，到2024年，人工智能高級用戶將填補數據科學家的空缺。正如Gartner所稱，這些“公民數據科學家”將能夠執行與人工智能相關的任務，因為部署高級分析，機器學習和人工智能所需的工具將變得越來越容易使用。

 

但是，請勿將公民數據科學家簡單地視為一個職業頭銜。恰恰相反，對“公民數據科學家”工具(例如Auto ML)的使用經驗將成為一系列工作職能的工作要求的一部分。

 

人工智能平臺公司DotData的首席執行官兼創始人Ryohei Fujimaki說：“對傳統意義上的數據科學家進行招募，增員和培訓是非常昂貴的。

 

但IDC三月份公布的調查顯示，約有28%的人工智能和機器學習計劃失敗了，這很大程度上歸咎于技能短缺。IDC的Jyoti說：“據報道，缺乏必要專業知識的員工是失敗的主要原因之一。”

 

Jyoti說，也就是說，在人工智能和機器學習方面對工人再培訓的需求受到了抑制。

 

DotData的Fujimaki說，企業越來越需要“公民數據科學家”。

 

版權聲明：本文為企業網D1Net編譯，轉載需注明出處為：企業網D1Net，如果不注明出處，企業網D1Net將保留追究其法律責任的權利。