手机版
扫描查看手机站

技术不是AI落地的最大挑战,「人才」才是

来源:互联网/编辑:IT世界网/时间:2021-12-02

在手机上看

扫一扫进入手机端

技术不是AI落地的最大挑战,「人才」才是

图:盖蒂

当传统公司高管开始部署人工智能(AI)和机器学习(ML)时,他们往往认为挑战主要是技术问题,尤其是在寻找内部数据源进行分析和选择合适的工具时。但是他们可能没有意识到他们的传统公司已经有了丰富的数据。

一般来说,传统公司的运营和客户互动在公用事业和矿业、交通运输、金融服务等领域产生了大量的数据。这些数据可用于解决广泛的问题,如优化供应链、预测维护、减少事故、增加产量、提高运营效率、提高收入生产率和增加客户价值。

然而,世界各地的传统公司往往很快发现,他们最大的问题不是技术,而是利用人工智能将这些机会变成现实的人才。

企业对数据科学家和分析师的需求非常旺盛,而且需求持续超过供给。亚马逊、脸书、谷歌等技术领导者雇佣了大量数据科学家,为他们提供了精彩的挑战和引人注目的机会。从一个拥有领先人工智能能力的敏锐数据科学家的角度来看,一家拥有100年历史的制造拖拉机、生产电器、运营发电厂或运输集装箱的公司可能看起来相当“无聊”。

此外,传统公司往往不在主要的技术中心(如硅谷、西雅图、奥斯汀、纽约或洛杉矶),所有这些都将使传统公司更难找到他们需要的数据科学家。解决方案是——人才战略,外部招聘和内部建设并重。

利用有趣的问题招聘人才

为了吸引数据科学家,传统企业能够并且应该专注于为他们提供令人信服的、独特的和真实世界的业务问题。Dataiku销售工程总监Grant Case是基于人工智能和机器学习的企业应用领域的领导者。他积极与澳大利亚和新西兰的传统企业合作。他告诉作者,“我们需要为数据科学家提供有趣的问题来研究,并将它们转化为价值。这就是魔法发生的地方。”

几乎所有行业的每个传统公司都有非常复杂的问题和难题,因为它们很复杂,因此非常有趣,这为好奇的数据科学家提供了很好的机会,例如:

当几个航运枢纽因天气原因需要关闭时,航空系统的调度极其复杂。

在分布式、多方向的生产、传输和存储世界中优化电网和存储。

预测事故,减少工伤。

每天实时优化全球航运网络和供应链中的数百万个集装箱

最大化每平方英尺土地的作物产量。

全球航运巨头马士基的数据科学和人工智能主管Berian James将优化他们的航运网络描述为“一个非常有趣的数据科学问题”。

马士基利用人工智能和机器学习解决广泛的问题,抓住各种机会,如为客户的货物提供“到货信息”或推动公司的脱碳工作。

如果高管们停下来想一想,其实几乎每一个传统企业都能提供精彩的业务问题、各种其他问题和挑战,能够激发数据科学家和人工智能人才的好奇心,挑战他们的技术能力。因此,新传统企业招聘所需人才的最佳方式就是利用这些有趣的问题为数据科学家提供新的机会,他们将亲自处理各种问题,并对解决有吸引力和独特的业务问题产生影响。这样的场景可能比成为脸书、苹果、网飞、Alphabet和类似公司的许多员工的最新成员更有吸引力。

培养本土人才,正确的能力与商业理解相结合

从外部聘请数据科学家不是唯一的解决方案。我们还可以利用内部人才来发展数据科学和人工智能的能力。这种方法通常更快、更容易、更有效,对于广泛的业务目的来说已经足够了。当然,这不是每个场合都能用的答案。

一些具有正确能力和兴趣的内部主题专家可以理解内部业务,这可能比在公司外部雇佣数据科学家更可取和有效。虽然在公司外部雇佣数据科学家的技术很先进,但他们可能不熟悉行业、特定业务或公司的问题和挑战。我听说过许多传统公司高管雇佣数据科学家,希望将他们融入业务的故事,但当事实证明很难将这些数据科学家与业务管理和流程结合起来时,他们感到失望。

虽然内部培养的人才未必能在解决最棘手的问题上取代高端数据科学家,但往往能极大地推动人工智能和机器学习在公司的应用,产生实质性的商业价值。传统公司发现的一些学科特别适合发展人工智能和机器学习的专业知识。各类工程师、运筹学家、物理科学家、收益经理等通常具备技术基础、量化能力、熟练的数据处理和对知识的好奇心,使他们能够学习如何应用人工智能和机器学习,提高自己在该领域的能力。

案例举了一个钢铁公司的例子。该公司化学家和冶金学家面临的生产挑战可以通过数据和人工智能来解决。他告诉作者,“你可以找到在事业上有进取心的有才华的人,并对他们进行适当的培训。”此外,这些人通常还有一个重要的优势。他们了解业务,所以他们得到了业务领导的认可。

解决人的问题

rong>

笔者和各种传统公司的一些致力于人工智能和机器学习应用的高管交谈过,很明显,最大的挑战是文化,要将数据科学和人工智能与业务管理和流程联系起来寻找所需的人才尤其是最大的挑战。主要的挑战并非技术问题。这些公司的高管告诉笔者,持续的挑战是找到合适的人并将他们与人工智能应用一起纳入企业的实际工作中。

上述观点表明,利用数据科学和人工智能实现实际收益亟需熟练的业务领导。高级领导人必须了解驱动和促成数据科学家的真正因素,只有这样他们的公司才能吸引人才、促进人才的成长并在传统业务中整合这些人才,进而创造商业价值。

IT世界网 www.hnce.org 版权所有 豫ICP备10007855号-1

IT世界网游戏下载基地温馨提示:适度游戏娱乐,沉迷游戏伤身,合理安排时间,享受健康生活

免责声明:本站部分内容、图片来自于网络及其他公共渠道,内容仅供参考。版权归原作者所有,如涉及作品内容、版权和其它问题,请发邮件通知我们,我们将在第一时间处理。