AI人才「用工荒」如何解决?看看这几家顶级公司的应对策略
Dialpad(总部位于旧金山,定位企业云即时通讯平台)首席战略官兼董事会成员 Dan O 'Connell (丹·奥康奈尔):
你不能全靠学术,也不能全靠第一手经验。我们发现,在构建模型、设计功能和将产品推向市场方面,这种人才组合都很重要。
HackerRank(一个技术招聘平台,平台上已汇集超过500万开发人员,是全球1000多家公司评估开发人员技能的标准)数据科学副总裁 Sofus Macskassy(索菲斯•麦克斯卡西):
许多人没有意识到,你并不需要一个庞大的深度学习专家团队来将 AI 集成到你的业务中。几位专家,加上研究工程师、产品工程师和产品经理等辅助人员,就可以完成这项工作。
人工智能不只是深度学习,企业需要找到具有强大机器学习基础的求职者。许多具有机器学习理论背景的求职者拥有学习这份工作所需的工具。
Zendesk(为客户提供基于互联网的SaaS客户服务/支持管理软件,被称为「云客服领域的开山鼻祖」)数据科学经理 Chris Hausler(克里斯·豪斯勒):
我们已经成功地从专注于实验和解决问题的学科中招聘人才。Zendesk 的数据科学团队拥有多元化的背景,他们来自遗传学、经济学、药学、神经科学、计算机科学和机器学习等领域。
Teradata(天睿公司,全球最大的专注于大数据分析、数据仓库和整合营销管理解决方案的供应商之一)负责新兴技术和实践部门的全球副总裁 Atif Kureishy :
有人可能会说,AI 的技能与数据科学类似,数学、计算机科学和领域专业知识。但事实是,AI 模型是建立在自动化和大量的数据这两个基础上的。
Deep Instinct(首个将深度学习应用于网络安全的公司)首席执行官兼联合创始人 Guy Caspi(盖伊·斯卡皮):
各大顶级公司是如何处理培训问题的?
尽管如此,你仍需要对雇佣的 AI 人员进行培训,而且必须进行持续培训。否则,新的 AI 雇员将面临失败的巨大风险。
Kryon Systems(智能机器人流程自动化解决方案的领导者)客户服务部副总裁 Ohad Barnoy:
Zendesk 数据科学经理 Chris Hausler(克里斯•豪斯勒):
Teradata负责新兴技术和实践部门的全球副总裁 Atif Kureishy :
组织应该在各个业务部门部署和轮换他们的 AI 团队,让他们了解业务线在构建 AI 能力时面临的挑战。这将使经验汇聚在一个「卓越中心」,同时在整个企业中传播经验。
Deep Instinct 首席执行官兼联合创始人 Guy Caspi(盖伊·卡斯皮):
Callsign(伦敦创企,提供实时AI驱动的身份认证解决方案)首席技术官兼 AI 研究负责人 Yogesh Patel:
谈到大数据,数据工程师、软件工程师和数据科学家之间的界限正变得模糊。有一个明显的倾向是,越来越多的数据工程师和软件工程师寻求成为数据科学家。
随着深度学习的引入,越来越不需要花费大量时间处理数据探索、数据清理和特性工程,至少在理论上是这样。相应地,我们看到越来越多的人声称自己是数据科学家,但实际上,他们只是在用蛮力方法进行机器学习。
此外,还有一些培训公司声称,不需要具备数据管理方面的先验知识,也不需要具备统计学方面的背景。虽然在某些领域可能是这样,但在网络安全领域,我们需要更多对该领域以及数据科学概念有深刻理解的人。
这意味着要理解各种数据源中数据属性的含义、统计属性以及它们之间的关系。它还意味着,理解这些数据属性和数据源可能如何影响给定的算法,特别是在处理不平衡分类等问题时。
LivePerson(美国在线交流产品和服务供应商)首席技术官 Alex Spinelli:
管理者和领导者必须学习这些概念,他们必须了解什么是适用人工智能的,什么是不适用的。举个例子,AI 是靠数据和示例驱动的。历史有限的问题往往不是 AI 工具容易解决的,这被称为冷启动问题。
JazzHR(通过创建创新工具帮助公司发现隐藏的变革招聘方法,2009年以来,已经帮上千家公司填补了超过10万个职位)人力资源总监 Corey Berkey:
许多公司都在投资培训他们的员工,以确保他们跟上技术和行业进步的步伐。虽然数学和计算机技术是 AI 的支柱,但是这个领域的继续教育是必须的。
如今,许多在线学习解决方案都提供来自一流大学的各种与 AI 相关的认证,以帮助员工扩展他们在编程、机器学习、图形建模和高等数学等领域的知识。
至关重要的是,企业应该把重点放在为这些变革型员工提供发展机会上,以便他们能够调整自己的技能,并向表现好的同行学习。

