火狐直播网页:人工智能未来的九种新兴工作岗位

  人工智能正迅速成为区别业务优劣的因素。下面来看看你即将需要为人工智能精英团队填补的关键职位和技能。

  人工智能有望改变各行各业，随之而来许多工作职能会发生巨变。在未来的几年，组织中的许多职位都或多或少在某些特定的程度上要使用人工智能技术，这给精通人工智能的人带来了巨大的新机会。

  随着行使职责的IT和业务人员的数量转变，同发生的是出现旨在充分的利用组织人工智能战略的新工作。机器学习领域的工程师已经巩固了自身作为人工智能团队必要成员的地位，位居求职网Indeed优秀工作榜首。人工智能专家也是领英 2020年新兴工作报告中的最吃香的工作，该工作在过去四年中以每年74%的速度增长，其次则是机器人工程师和数据科学家。

  事实上，IDC的分析师Ritu Jyoti称，即使在这次大流行爆发期间，和AI相关的工作数量也可能在全球范围内增长13%乃至16%。

  Jyoti说：“由于这次大流行的爆发，IDC认为，医疗提供商，教育，保险，制药公司和联邦政府的人工智能支出和就业机会将会增加。”

  我们与IT领导者，人工智能专家和行业分析师进行了接触，以了解这样一个事实，即随着人工智能更加牢固地控制企业，企业见证了哪些人工智能职位的兴起。有些先进的公司已经在招兵买马，以洞察成功所需的各种技能。

  人工智能领导者有很多称谓：人工智能和机器学习副总裁，首席创新官，首席数字官等等。

  不管怎么称呼，这些“首席人工智能官”都必须理解认知技术(cognitive technologies)是如何影响企业，如何制定公司的人工智能战略并向董事会、企业高管，员工和客户进行解释。他们与首席信息官合作实施该策略，以很大限度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Nicole Eagan花费了很多时间与内部技术团队合作，与客户交谈并宣传该公司的人工智能战略，其中包括弄清楚如何通过人工智能来增强人类的工作，例如在威胁检测和威胁调查这两方面。

  曾在甲骨文战略小组中担任过战略市场营销高级总监的Eagan说：“我与首席技术官和人工智能实验室一起探索新的研究领域。”

  Eagan通过学习在线课程来不断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为注重业务，与其创建大量算法和编写代码，不如将人工智能应用于实际问题。她说：“我们的实验室中确实有超过35名具备高等数学，机器学习和人工智能专业知识的博士。”

  Zscaler的人工智能兼机器学习副总裁Howie Xu提升了自己的技术职称并以商务技能来充实经验。身为思科云计算和网络服务业务部门前负责人的Xu持有斯坦福大学的MBA学位并具备深厚的产品背景。

  Xu说：“最初加入Zscaler时，我的职责更为关注技术。“但是，为了充分利用人工智能和机器学习，我不得不继续转变以更加注重业务影响方面的思考。”

  Xu认为，在工智能领域有远大抱负的重要人物要专注于这些领域，即在人工智能和机器学习的助力下能将业务价值提高十倍的领域。他说：“在采用技术之前，必须严格遵守业务指标。”

  人工智能道德官是另一个高级职位，该职位需要与利益相关者展开广泛合作。该职位还可能涉及风险和治理，除技术团队外，该职位可能还要与政府机构，非营利组织，法律团队，用户和隐私小组进行协调。

  Baxter说，尽管技术素养大有裨益，但人工智能道德官并不需要成为计算机科学家或数据科学家。她说：“具备心理学，社会学，哲学或人机交互等人文背景至关重要。致力于了解受技术，需求，环境和价值影响的每一个人，这一点也非常重要。”

  持有人因工程学(human factors engineering)硕士学位和应用心理学学士学位的Baxter也认为将情绪化辩论降温的能力是十分有用的。她说：“当我们谈论道德时，人们会觉得自己的价值观正在受到挑战。能够以包容的方式展开合理的辩论则可能决定了成败。”

  Baxter说，在部署人工智能时十分注重道德的公司会创建更安全，更公正的环境。另外，无偏差的人工智能更加准确，可以创造更好的业务绩效。

  Baxter补充说：“人工智能法规即将实施，因此，现在创建道德的人工智能实践将使你对合规性做更为充分的准备。”

  Shape Security的全球人工智能负责人Shuman Ghosemajumder说，要想从人工智能模型中获得价值，数据科学家必须与业务分析师配合，他已经聘请了业务分析师，他最终会扩大这一领域。

  Ghosemajumder说：“人工智能业务分析师必须深刻了解自己所服务的公司及其业务模式和业务流程，因为他们希望为这些公司开发解决方案”。他补充说，他们还必须懂技术语言，从而与数据科学家和数据工程师共事。

  人工智能业务运营经理这一相关职位在业务方面负责对使用人工智能的业务流程进行管理和改进。Ghosemajumder说：“人工智能业务运营经理应具备通过人工智能自动化的特定业务流程方面的运营基础知识和经验”，他们还必须能分析由这些操作所生成的数据。

  普华永道(PricewaterhouseCoopers)的合伙人兼全球人工智能负责人Anand Rao说，要找人负责面向业务的人工智能，这可能比想象的要难。

  Rao说：“大学和其他职业培训机构正在竞相培训大量初级技术工人。但是，业务和高级管理人员需要在公司内部培养，而填补这样的职位空缺是很难的。”

  通常，企业的首席技术科学家一直是人工智能职位的最高职位，其职责不断演变，已经包含了更多的工程和业务方面的技能。

  麦肯锡的分析转型主管Brian McCarthy说：“五年前，数据科学家往往由统计学家担任。如今，数据科学家往往由技术人员担任。”

  数据科学家知道要用什么样的数据和算法才能获得优秀结果，他们与数据工程师和软件开发人员合作将这种专业技能转化为可运行的应用程序，他们还与业务部门合作以确保技术满足业务需求。

  Kenna Security的首席数据科学家Michael Roytman于2012年荣获乔治亚理工学院颁发的运筹学硕士学位，他在该院研究了随机过程和随机优化。然后，他签约成为Kenna Security的数据科学家并最终晋升为首席数据科学家。

  Roytman说：“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。”

  人工智能架构师(也称为人工智能或机器学习工程师)负责创建用于操作和管理人工智能和机器学习项目的系统。

  BT的美国战略学术合作伙伴关系负责人兼麻省理工学院的研究合作关系负责人Steve Whittaker说：“这些人可以大举研究人工智能项目”。他说，获得人工智能和机器学习技能的IT架构师是不二之选。

  Whittaker说：“要创建人工智能工程师平台就需要培养运维(DevOps)技能。你必须知道如何大规模地执行，了解敏捷开发并具备流程和数据意识。”

  任何自建人工智能或机器学习基础设施的公司都需要人工智能架构师或人工智能平台工程师。Whittaker说：“不仅仅是谷歌，脸书和亚马逊”。他补充说，这个职务近期才诞生，这意味着人们的背景千差万别，从充满新鲜想法的新毕业生到拥有40年实践项目管理经验的人，不一而足。

  eSentire的首席技术官Dustin Hillard希望机器学习工程师在处理大型数据集和云数据处理框架方面具备多年经验，并且能够设计，构建和部署复杂的人工智能系统。

  人工智能和机器学习的存亡都取决于数据。但是它们所需数据的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人工智能数据工程师。

  “不得不招聘这些新兴职位的各种公司首先想到了大型组织”，英国电信安全部常务董事Kevin Brown这样说道。“它们还想到其他拥有大量数据的组织。例如，由于大流行，医疗行业见证了数据的巨增。”

  例如，BT要处理惊人的数据量。例如，在网络安全方面，每秒处理数百万个事件，每天处理约4000次网络攻击。Brown说，本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。这些人的背景横跨人工智能的各个功能。

  Brown说：“我们要筛选大量的数据来发现异常，而这正是人工智能数据工程师的大展拳脚的地方。我们总是在大海捞针。”

  数据制造架构师帮助企业为其金融服务领域的客户创建高质量的结构化数据。数据产生自非结构化且杂乱无章的源头。

  Mann说：“这些数字必须准确无误，其标准要高于大多数行业和学术机构。”

  Mann说，数据制造架构师(Bloomberg)让深层领域专家在企业的全球数据部门中工作。企业在也在招聘许多其他的专门化的人工智能人才，包括人工智能研究科学家，人工智能定量研究科学家，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。

  知名企业的人工智能工程主管Anju Kambadur说，这些职位要具备人工智能，机器学习，自然语言处理，信息检索和定量金融方面的经验，并且必须具备Python，Java和C ++等编程语言方面的专业知识。他补充说，但是沟通，协作和产品开发方面的技能也很重要，“特别是跨组织和跨学科工作和沟通的能力。”

  正当尖端企业试图弄清如何围绕新生的人工智能实践分配职责时，人工智能领域的相关工作正在不断涌现以满足其需求。其中一些职位尚未设立，并且大多数职位尚无开设标准化课程或尚无形成典型的职业发展道路。

  以人工智能质量保证经理这一新兴职位为例，这可以看作是从传统软件质量保证职位演变而来的职位，但是人工智能项目的质量保证却大不相同。例如，尽管某一公司可能会为手头的项目选择错误的算法，但是代码本身很少会成为问题。不完整的，过时或有偏差的训练数据集才是更应注意的东西。

  有偏差的数据是一个特别棘手的问题，这些数据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Edgewise Networks的首席数据科学家John ONeil表示：“没有人真正了解偏差是如何进入数据的，也没有人了解如何设法从数据中消除偏差。这是一个非常活跃的研究领域。据我所知，如果你想说，规则就摆在这里，如果你遵循这些规则没问题，压根儿就没有说这理儿的地方。”

  Gartner称，到2024年，人工智能高级用户将填补数据科学家的空缺。正如Gartner所称，这些“公民数据科学家”将能够执行与AI相关的任务，因为部署高级分析，机器学习和人工智能所需的工具将变得越来越容易使用。

  但是，请勿将公民数据科学家简单地视为一个职业头衔。恰恰相反，对“公民数据科学家”工具(例如Auto ML)的使用经验将成为一系列工作职能的工作要求的一部分。

  人工智能平台公司DotData的首席执行官兼创始人Ryohei Fujimaki说：“对传统意义上的数据科学家进行招募，增员和培训是非常昂贵的。

  但IDC三月份公布的调查显示，约有28%的AI和机器学习计划失败了，这很大程度上归咎于技能短缺。IDC的Jyoti说：“据报道，缺乏必要专业相关知识的员工是失败的主要原因之一。”

  Jyoti说，也就是说，在AI和机器学习方面对工人再培训的需求受到了抑制。

  每日头条、业界资讯、热点资讯、八卦爆料，全天跟踪微博播报。各种爆料、内幕、花边、资讯一网打尽。百万互联网粉丝互动参与，TechWeb官方微博期待您的关注。