По мере того, как организации вкладывают больше средств в свои возможности искусственного интеллекта и данных, сотрудники понимают растущее влияние этих технологий на их компании и карьеру. Но, несмотря на все усилия, многие из этих сотрудников не будут иметь необходимой подготовки и квалификации для эффективной работы с ИИ. Для организаций важно установить требования к образованию и обучению своих специалистов по ИИ. Специалисты по данным имеют разную квалификацию, и не все имеют достаточную подготовку по математике или информатике для проектов ИИ. Даже сотрудник с докторской степенью. мог изучать узкую область, которая не имеет отношения к потребностям конкретной компании. С другой стороны, компании, которые могут успешно масштабировать ИИ, должны убедиться, что у них есть люди с правильным сочетанием навыков и квалификации.
Например, 70% специалистов по стратегическому масштабированию говорят, что их сотрудники проходят формальную подготовку по работе с данными и ИИ 5 . Чтобы создать эффективную профессиональную рабочую силу, компании должны оценить, какие навыки им нужны, пробелы в навыках их рабочей силы и квалификацию их талантов и сопоставить их с соответствующими ролями. В то время как одним из способов устранения пробелов в навыках может быть приобретение или работа с профессиональной фирмой, другим подходом является установление академического партнерства. Компании могут сотрудничать с научно-исследовательскими и академическими учреждениями для переподготовки сотрудников или укрепления своих будущих талантов. Например, строит стратегические отношения с Институтом науки о данных Калифорнийского университета в Беркли (BIDS) для развития области науки о данных. Программа предназначена для того, чтобы предоставить исследователям, студентам и специалистам возможности для совместной работы над изучением сложных проблем, стоящих перед обществом, и при этом учиться друг у друга 6 . При найме новых талантов компании часто используют техническую проверку, чтобы оценить, обладает ли кандидат необходимым уровнем знаний для выполнения роли.
Чтобы создать большую ответственность и уверенность среди специалистов по искусственному интеллекту, организациям следует регулярно вводить баллы оценки на протяжении всей карьеры сотрудника, чтобы проверить свои знания и продолжить свое техническое образование. Подобно строителям или медицинским работникам, которые должны обновлять свои сертификаты по мере изменения методов и развития теорий, компании должны проверять и повторно проверять профессиональную компетентность специалистов по ИИ, чтобы убедиться, что они соблюдают строгие стандарты и доверие, а также предоставлять им обучение. им необходимо развивать эти стандарты. Чтобы обеспечить последовательный подход к обучению, компании должны создать четкие карьерные пути для своих специалистов по ИИ. Для каждого уровня карьеры должны быть установлены предварительные требования, такие как курсовая работа и обучение, чтобы помочь приобрести необходимые навыки и навыки. Эти предпосылки должны быть сформированы сочетанием лидеров в области технологий, данных и человеческих ресурсов и даже внешними консультациями от ведущих академических партнеров. Эта прозрачность и последовательность обеспечат четкие образовательные ожидания для всех, кто работает над проектами ИИ — от архитекторов данных до разработчиков тестирования и инженеров по машинному обучению.
Дополнительными преимуществами построения карьерных путей являются лучшее удержание талантов, развитие сотрудников и лидирующая на рынке профессиональная практика. .