SMU NEWS丨企业正在进入 AI 时代，人才需求与日俱增

2019年05月27日 • 8208次阅读

根据 Gartner 的2019年 CIO 调查（包括来自89个国家的3,000多名CIO），人工智能被认为是一项最具颠覆性的技术。所以，人工智能的应用在各个领域内大幅增加。然而，这一进程很可能被一个瓶颈减缓——即找到合适的人才。事实上，跟指数级增长的人工智能方面的应用比起来，现有的数据科学家和人工智能的人才数量只是杯水车薪。

“在我们最近的软件工程师状态报告中，我们发现去年对数据工程师的需求增长了38%，对机器学习工程师的需求增长了27%”，Hired（美国旧金山招聘公司）的执行长 Mehul Patel 说。“根据职业市场的数据，我们认为，招聘具有机器学习和人工智能专业技能的技术人才的难度将继续变得越来越大。在旧金山海湾地区，机器学习工程师的平均工资为153,000美元，比全球科技工作者的平均工资高出近2万美元。”这就是为什么，解决这个问题的方法之一，是收购拥有强大团队的公司。麦当劳(McDonald 's)就是这样，它最近斥资3亿美元收购了Dynamic Yield --一家帮助客户体验个性化的人工智能公司。

除了收购以外，还有什么其他方法可以考虑？

这里有一些想法

自动化：随着人工智能的增长，无论是初创公司还是大型技术运营商，都出现了创新的自动化工具。例如，微软推出了一套新的系统来简化流程。

dotData（日本新创企业）的创始人兼执行长 Ryohei Fujimaki 博士说:“企业利用现有团队进行数据科学研究最有效的方法是实现一个数据科学自动化平台。数据科学自动化大大简化了以前只能由数据科学家完成的任务，并使现有资源——如业务分析师、BI 工程师和数据工程师——能够通过简单的 GUI 操作并执行数据科学项目。从原始业务数据到结构化数据，再到特征工程，再到机器学习，整个数据科学过程的自动化，使企业能够利用现有的人才，以最小的成本构建有效的数据科学团队。”

现在，这并不意味着平台是万能药，因为仍然需要有合格的数据科学家。

Ryohei博士说:“如果企业已经有了数据科学家，自动化平台就可以把拥有较高技能的数据科学家从许多手工和耗时的工作中解放出来，让他们能够专注于更复杂的战略分析。这赋予了数据科学家比以往任何时候都更高的生产力，并推动更大的业务影响。”

重新培训：如果您目前的员工是业务分析师或具有数据工程经验，那么他们可能是训练人工智能任务的好人选。这种训练需要包括专注于 Python 和 TensorFlow 等深度学习框架的技能。

“从培训和学习的角度来看，通过 Coursera，Udacity，open.ai 和 deeplearning.ai 提供的在线资源可以帮助公司发展员工的AI / ML技能，”Mehul说。“此外，对于一家公司来说，收购具有 AI 现有经验的人员成为开发员工的领导者或指导者是有价值的。人工智能/数据科学的有趣之处在于，您无需成为经验丰富的软件工程师。由于科学，工程和经济学方面的人才和背景的多样性，这个领域非常令人兴奋。”

但培训不应只针对一小群人。它应该在整个公司范围内。“没有数据驱动的文化和思维模式，数据科学和人工智能无法真正实施，”Ryohei 说。“对于企业领导者和业务团队来说，了解如何最好地与数据科学团队合作以满足公司的关键业务目标非常重要。虽然业务利益相关者不需要成为数据专家，但他们需要知道“如何使用”AI和“它如何改变公司的业务。”