人工智能需要新的技术工作

人工智能在企业中的作用越来越突出，并且在不久的将来可能塑造创新的工作。

(资料图片)

如今，从面向员工的任务到客户服务，几乎每个业务运营领域都可以找到人工智能的参与。这种不断增长的端到端自动化趋势受到近年来捕获组织想象力的生成式人工智能的推动，将为创造新的技术工作角色让路。以下了解人工智能需要的新技术工作，以及这些工作所需的关键技能。

以下技术职位和职责被技术招聘专家列为未来几年将出现的未来商业创新趋势。

随着人工智能越来越多地以语音助理和聊天机器人等工具的形式应用于商业联络中心，人类员工将需要学习如何最好地利用这项技术，并相应地调整流程。人们普遍预测，最成功的组织将提供人工智能增强的以人为主导的客户服务，以实现最大程度的个性化。

ExperisUK董事总经理RahulKumar表示：“随着企业规模的扩大，营销和销售人员将需要培养使用人工智能工具的技能。”

人工智能呼叫中心功能可以让企业员工更有效地检索和使用交互洞察，从而改进对客户需求的跟踪。

Kumar说：“这些是数据科学家，他们研究数据，试图产生洞察力，然后创建算法，从而形成人工智能模型。然后，还有机器学习开发人员，他们将知道如何构建、使用和维护这些算法。”

Kumar接着表示，从初创企业到主要行业参与者，机器学习研究和开发职位正在获得吸引力。展望未来，这些角色似乎将推动人们所知的数据科学的发展。

他补充说，“然而，傅晓宇仍然需要开发人员将算法集成到其遗留堆栈中，以使该策略有效。这将加强目前开发人员的作用。”

自从OpenAI公司公开推出ChatGPT以来，人们对生成式人工智能创新的兴趣日益浓厚，自然语言处理(NLP)在不久的将来将迎来就业增长。

BarclaysSimpson公司技术与变革总监SalvoDepetro表示，自从2017年以来，他在招聘人工智能专家方面的经验表明，涉及自然语言处理(NLP)和计算机视觉的工作角色将自然发展。

Depetro说：“我可能是伦敦第一批专门从事研发工作的招聘人员之一，在过去一年，我看到对专注于文本到语音或语音到文本的，自然语言处理(NLP)科学家和工程师的需求不断上升。

在过去的几年里，对这些职位的需求一直存在，但自从ChatGPT进入市场以来，企业一直专注于寻找这种高水平的技术科学家。”

随着人工智能的蓬勃发展，敏捷工程师也应运而生，他们专门为聊天机器人创建指令，从而提高整个组织日常任务的效率。由于该技术容易受到包括偏见和错误信息在内的缺陷的影响，提示工程师需要通过算法训练来注意并减轻这些技术困难。毕竟，生成式人工智能工具的准确性取决于输入的数据。

随着就业市场的不断发展，招聘企业对人工智能创新的要求也发生了变化。以下是求职的科技人才最需要具备的能力。

现在和未来，人工智能工作人员将需要对一系列编码语言有广泛的了解。虽然Python可能是最广泛使用的模型测试和维护任务，但其他编程工具也必然会发挥作用。

“当看到面向人工智能的数据科学家的角色时，他们将知道如何分析数据并注意任何线性回归。但他们还需要精通编程方面的知识。”

“到目前为止，开发人员的理想技术技能包括云技术知识;统计模型;一些用于检查算法的Python;以及像R这样的工具，用于数据分析和SQL。”

在该领域有用的其他编程语言包括Lisp——专门支持有助于人工智能研究和开发的符号计算——以及Julia，用于数据分析和可视化工具，以及数值解决方案。

机器学习操作(MLOps)是机器学习算法工程的核心。软件公司中出现的一个技术过程领域，它包括模型的设计、开发和持续测试。

Kumar补充说，“MLOps涉及维护机器学习或人工智能的基础设施。我相信那里需要多种能力。不仅需要编程语言知识，还需要CloudOps和DevSecOps技能。”

在处理面向客户的人工智能解决方案(包括由生成式人工智能驱动的解决方案)时，可能会产生社会影响，因此，创造力、批判性思维和同理心等软技能对于确保保持准确和有价值的模型至关重要。没有任何技术技能能够取代与工作中人际关系和心理方面相关的技能。

凯捷公司国人才招聘主管ClaireHamilton表示：“尽管迄今为止，深厚的技术技能一直是企业发展的支柱，但它们不会是未来发展的唯一重要技能。企业必须考虑软技能、个性优势和经验——所有这些都可以为现有的开发团队带来动力和专注力。”

招聘和留住人工智能领域的人才最终将需要高水平技术技能和软技能的结合，以及来自不同人口和社会背景的员工，以确保长期创新所需的多样化和包容性方法。

Hamilton说：“随着人工智能成为未来十年的主要焦点，我们将开始看到组织的发展和团队的多样化，依靠各种技能来进一步推动人工智能的发展。例如软件开发人员和工程师等技术角色仍将对行业产生重大影响，但仅凭目前的技能组合，还不足以扩展这项技术。颠覆者和挑战者也将发挥重要作用——两者缺一不可。”

Depetro建议：“首先确定想要什么，需要什么。从在大型企业中看到的情况来看，例如金融服务机构，他们最初寻找的是机器学习科学家。但后来，被聘用的人才最终会从事更专注于软件工程的工作。”