人工智能（A.I.）和机器学习（ML）的使用，帮助个人和组织去处理客户个性化与沟通交流、以及数据的分析和处理，并且大量其他应用程序的使用也继续增长。

IDC的一份报告发现，仅到明年，四分之三的企业应用程序就可能依赖人工智能。分析公司Insight的一份报告预计，到2023年，人工智能领域的可用职位将超过2000万个。

由于人工智能和ML的转型影响，拥有合适技能的专家可以在各行各业找到工作机会。技术方面的全球技能缺口意味着合格的申请者可以期待高薪且在薪资谈判中占据强势地位。

位于加州科斯塔梅萨的人工智能科技公司Veritone的产品总监格斯·沃克(Gus Walker)对Dice说，2021年，公共安全、银行和金融科技以及医疗保健领域的人工智能和ML专家的机会将会越来越多。

“这三个行业现在有资金投资了人工智能和ML，而且有最大的机会看到投资迅速获得回报，”他说。“话又说回来，疫情让受打击最严重的行业后退了一步，看看如何利用人工智能和ML来重建或适应新常态。”

数据收集和准备，以及数据分析专业知识，最终可能成为人工智能招聘时最需要的技能。Walker补充道:“组织需要雇佣能够识别正确培训数据并对数据进行准确注释的人。”“他们需要能够维持不断增长的训练集的人才，并能够分析数据，为定制模型生成创建目标数据集。”

这意味着公司将需要熟悉算法调整和培训的专业人员；主要候选人还将在人工智能运营和DevOps方面有经验，以便成功地建立数据集、持续集成和持续部署管道，从而使算法保持最新。

Walker指出:“数字化将使更多结构化和非结构化数据得到利用，这将增加对更多人工智能专业人员的需求。”“企业需要能够全程维护生产部署的人员。”

这是来自Burning Glass网站的一个分解图，该网站收集并分析了全国数百万个职位的招聘信息，看看有多少技术职位需要机器学习技能。虽然目前的数字相对较小(至少就招聘职位而言)，但Burning Glass预测，未来10年将出现显著增长:

#核心技术

对于位于华盛顿州贝尔维尤(Bellevue)的流程管理和工作流自动化公司Nintex的技术专员特里•辛普森(Terry Simpson)来说，人工智能和机器学习的技能各不相同。

他说:“一方面，你有技术开发人员，他们可以取得预期的结果，并建立一个算法或一系列步骤，以可重复的形式执行任务。”“另一方面，你有业务分析师，他们需要确定和理解业务需要什么，并了解如何实现自动化。”

Simpson解释说，在这两者之间，你会发现有一小部分人在开发人员知识和业务分析师知识之间取得了很好的平衡。

“这些都是需要的技能，”他指出，大多数组织才刚刚开始了解人工智能和ML如何能产生积极的战略影响。

辛普森指出：“拥有高技术能力但对业务缺乏了解的人是不会成功的。”“另一方面，如果一个人理解商业方面，但在技术上却不理解人工智能和ML，他也不会成功。”在人工智能和ML领域之间找到平衡是优秀候选人的最佳选择。”

辛普森补充说，随着公司的成熟，他们很快发现他们需要对市场上的人工智能和多媒体工具有很好了解的全职员工：“他们不仅需要专业人士，他们还需要一批在这一领域拥有不同技能的员工，以便及时了解不同的产品，并有能力实施。”

流程挖掘是企业计划投入更多资金的一个领域，因为它涉及到利用人工智能和机器语言在网络中寻找具有模式的流程。一旦发现，专家们就可以简化和自动化这些模式；在许多情况下，如果没有人工智能工具，业务分析师或个人永远无法识别这种模式。

正如Walker所指出的，呼叫中心工具可能会增加人工智能和ML的使用，以帮助客户匹配他们所需的资源；零售专家可能会更多地依靠人工智能应用来改进推荐引擎和“定制”个性化服务。

他说:“公司需要熟悉人工智能的人，能够研究当前的问题，并确定人工智能可以应用到哪些领域。”“接下来，他们需要能够开发和部署人工智能解决方案的专业人员，无论是预构建还是点式解决方案。”

最后，Walker解释说，企业应该有一个有数据分析经验的人来确保产品和服务。在2021年，我们可能会看到更多的人工智能被小企业和教育机构使用：“现在选举已经结束，疫苗即将问世，所有行业都将加速向人工智能的转变。”

作者：Nathan Eddy