交互媒体保洁机器人--无人驾驶全自动洗地机

全国统一服务热线:

020-31127780

首页 > 新闻资讯 > 行业资讯

如何为人工智能重新安排劳动力

2019-5-5
文章导读:

根据Gartner的2019年CIO调查(包括来自89个国家的3,000多名CIO),人工智能被认为是最具破坏性的技术。所以,是的,这是采用和实施大幅增加的重要原因。

 

根据Gartner的2019年CIO调查(包括来自89个国家的3,000多名CIO),人工智能被认为是最具破坏性的技术。所以,是的,这是采用和实施大幅增加的重要原因。


如何为人工智能重新安排劳动力

然而,存在一个瓶颈可能很容易减缓进展,即找到合适的人才。事实是,很少有数据科学家和AI专家可用。


“在我们最近的软件工程师状态报告中,我们发现对数据工程师的需求增长了38%,机器学习工程师的需求在去年增长了27%,”Hired首席执行官Mehul Patel表示。“根据我们职业市场的数据,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具有竞争力。机器学习工程师在旧金山湾区的平均工资为153,000,比全球科技工人的平均工资高出近20K。


实际上,这就是为什么一种方法是收购拥有强大团队的公司!这似乎是麦当劳的情况,麦当劳最近为动态收益支付了3亿美元。这是一家帮助个性化客户体验的人工智能公司。



但是,当然,这个选项也存在问题。让我们面对现实,收购可能难以整合,特别是当目标人员拥有高度专业化的技能组合时。


那么还有什么其他方法可以考虑?好吧,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,本周微软推出了一套新的系统来简化流程。



“组织可以利用现有团队进行数据科学的最大和最有影响力的方式是实施数据科学自动化平台,”dotData创始人兼首席执行官Ryohei Fujimaki博士说。“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操作执行数据科学项目。从原始业务数据到数据和特征工程再到机器学习,全数据科学过程的自动化使企业能够利用现有人才以最低成本建立有效的数据科学团队。


现在这并不意味着平台是灵丹妙药,因为仍然需要合格的数据科学家。但话说再说一次,人工智能项目的效率和规模会更高。


“如果组织已经拥有数据科学家,那么自动化平台可以从许多手动和耗时的工作中释放出高技能资源,并使他们能够专注于更复杂的战略分析,”Ryohei说。 “这使数据科学家能够实现比以往更高的生产力和更大的业务影响力。”


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,那么他们可能是培训AI任务的好人选。这将包括专注于Python和TensorFlow等技能,这是一个深度学习框架。


“从培训和学习的角度来看,通过Coursera,Udacity,open.ai和deeplearning.ai提供的丰富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和指导者将是有价值的。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组织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“它如何改变他们的业务。”


< 返回上一页
上一篇:未来的水下机器人可以通过吃鱼粪来充电
下一篇:如何防止机器人取代更多的工作
相关新闻:

在线咨询