写点什么

到 2022 年,人工智能将彻底改变这 5 种职业

  • 2017-12-25
  • 本文字数:5287 字

    阅读完需:约 17 分钟

关键摘要

  • 软件开发领域会有越来越多的人工智能参与,人工智能将支持战略决策和架构,同时取代部分较低等级的开发角色。
  • 某些情况下,CIO 的职能将会由首席人工智能官(Chief Artificial Intelligence Officer,CAIO)的出现而得到增强,增加了董事会中技术人员的比例。其他 CIO 也会将人工智能纳入自己的职权范围。
  • 数据分析师将会越来越多地管理人工智能,而不是自己处理一线分析任务,这是整个行业的一致趋势。
  • 对于管理人员,较低级别的角色和高度可重复的任务,例如项目管理,会几乎完全进入自动化,而对于高层管理人员,将越来越重视战略决策和判断。
  • 人力资源部已经开始接受人工智能的帮助。随着人工智能在员工生命周期的每个阶段都变得越来越容易实现,以前用于市场营销的自动保留和参与最大化方法,也将同样适用于劳动力。

当 Deloitte 寻问人力资源领域领导,他们认为人工智能会给自己的企业带来什么,他们发现,38% 的受访者已经开始过渡到人工智能。68% 的人计划2018 年开始实施人工智能。这并不是要达到一个泛泛的效果:我们都要与人工智能革命的成果共事。我们很多人已经开始这样做了。那么,什么样的工作角色和任务将发生最大的变化,以及这将会如何影响科技部门的日常工作呢?

随着人工智能改变了职场,以下5 项工作到2022 年将发生翻天覆地的变化。

1: 软件开发

我们都有时间去适应人工智能可以打败人类游戏玩家的想法,即使是象棋和围棋这样的复杂游戏也是如此。但更令人意想不到的是,人工智能可能会继续进军开发游戏,或者在人类开发人员创建游戏、应用程序甚至是成熟的企业平台时提供辅助。

创造性,或伪创造性,人工智能在这方面有很长的渊源。我们可以回顾 Simon Colton 的人工智能实验,绘画傻瓜(the Painting Fool),“既是电脑程序,也是有抱负的画家。”这很有意思——但是 ANGELINA 是让开发者都肃然起敬的人工智能。ANGELINA 的含义是“一个新型的博弈实验生,叫做 Angelina,”这个项目的作者是Michael Cook,他是一名博士研究生,他希望ANGELINA 是通往能够与人类文化互动的软件的一步。

人工智能领域内经常出现的是对技术的替代,现在已经有了可以绘画、写作、设计或开发的机器,不断地成为头条新闻。即使未来有可能,这些项目暂时也不会出现在职场。但开发者可能会看到手工代码逐渐消失的必要性。这种趋势已经持续了一段时间,曾经,你的代码必须能够达到一定水平,才能让电脑输出你想要的结果。没有HTML,就没有网站。而现在,图形界面已经不断地融合了设计和开发。

现在非开发人员用于设计和开发的图形界面还是有一定的局限性,基本上只是混合和匹配各种现成的元素,它将被人工智能增强的界面所取代,这种界面可以对用户所要求的条目自动编码,很有可能会取代或颠覆WordPress 模板以及其他类似业务的利润丰厚的市场。

现在的开发人员需要自己编写代码,或者在遇到不确定的问题时查询Github,但是基于web 和之前已经编码完成的解决方案,这些过程都可以由AI 自动完成。

这对开发行业会产生什么更广泛的影响吗?毕竟,人工智能也是开发者编程的,对吗?这些工作应该还是安全的。

事实上,我们可不能仰仗这样的逻辑。人工智能产生新代码的能力越来越强。谷歌的人工智能翻译软件能够生成自己的内部语言;Facebook 的人工智能实验在任何人设法关闭它之前,就创造了自己的语言,并开始互相交谈。但是与 DeepCoder 相比,那些都还略逊一筹,它预示着一个人工智能创造代码,而不是执行代码的时代

五年后,当你看到开发职业变成一个“人工智能监督”的角色,不要惊讶。到那时,曾经作为一门独立学科的开发技术,会像商业技巧一样变得无关轻重。

在这种情况下,软件工程中的其他角色也会受到影响。一般来说,一个角色进行判断和预见的任务越多,它所需要的重复的、结构化的动作就越少,以后的人工智能很可能也会影响这个角色。例如,相比于软件开发人员而言,架构师以后将面临来自人工智能的更激烈的竞争。质量保证职业可能会通过人工智能进行增强,但是设计软件的人工因素意味着目前一段时间内他们还能保住自己的饭碗。

2:首席信息主管(CIO)?还是首席人工智能主管(CAIO)?

首席信息官正在努力适应人工智能给他们的角色所带来的变化,有人建议,最理想的办法是给人工智能一个自己的部门,然后任命一个首席人工智能主管,加入最高管理层。

Rainbird 销售开发负责人 Matthew Buskell

“然而,我认为,人工智能在数字转化和工业 4.0 等战略创新中提供了机会,但它也极大地影响了行业的过程改进项目。因此,有一个首席人工智能主管直接向 CEO 汇报是有好处的。

归根结底,是人工智能的影响太重要了,它应该有一个自己的部门和领导。”

吴恩达在哈佛商业评论(HBR)发表的评论文章中强调:“对于有数据但缺乏深入的人工智能知识的大部分公司,我推荐聘用一位首席人工智能主管,或者一位人工智能副总裁。“他补充:“有的首席数据主管和有远见的首席信息主管们事实上都已经开始承担这个角色的任务。”

从任何角度来说,这种变化都不是确定的,今年三月,哈佛商业评论也刊登了Kristian J Hammond,西北大学MocCormick 工程学院人工智能研究科学家的一篇文章,题目叫做《请不要聘用首席人工智能主管》

Hammond 认为,“大数据的兴起引起了数据科学家的热潮,两者方式大致相同,目前的争论在于是否每一个组织都需要雇佣一个高层管理者来推动公司的人工智能策略。”

但只有一个人工智能策略是不够的,哈蒙德认为:相反,人工智能需要集成到业务中,为业务的目标而服务,而不是给它分配自己的部门。

吴恩达对此进行了反驳:“有个首席人工智能主管的好处就是有人能够确保 AI 可以跨各个业务孤岛得以应用。”

另一种反对创立这种职业的观点是,在短短的几年中,“人工智能”和“非人工智能”之间的区别可能会完全消失。因此考虑到这一点,首席人工智能主管的作用会开始退化到市场营销和客户成功中。

有首席人工智能主管的企业和没有首席人工智能主管的企业最后的区分可能是将由 SearchCIO 给出建议。Chrag Dekate,Gartner 研究总监说:“要确定一个组织是否需要一个集中的职能有一条经验,就是决定其核心业务模式,是否需要一个根本性的变化。如果答案是“是的”,那么可能就有必要设立一个首席人工智能主管了。”

如果像信息主管和技术主管一样,人工智能也在高级管理层中有了一席之地,会是什么样子?

首席人工智能主管在组织中作为主题专家的作用将越来越少,而是成为一个通才,向其余的高层管理者解释人工智能,并以建设性的方式实现人工智能——例如,在已经成立的业务内部,将人工智能与“内部创业”孵化器结合起来,来支持有潜力的颠覆性创新。如果没有首席人工智能主管这样做,它可能成为 CIO、CTO、CEO 的共同责任。

3:数据分析

乍一看,数据分析师的角色是最容易受人工智能影响而变化的。它的作用就是处理和分析数据:人工智能从本质上一定比人类更擅长这项工作吗?

用Dominic Namnath 的话来说,毕竟“人工智能可以处理并组织超越任何人能够消费或理解的数据量。”他是加州圣巴巴拉一个非营利组织,Tri-Counties Regional 中心的首席信息官。

很多企业都有可能从这种观点出发。数据分析师的工作是让企业明白,他们无法直接越过最好的数据分析实践并在人工智能可用的数据清晰度级别着陆。

事实上,一个公司已经充分准备好实现人工智能的主要标志是已经具备成熟的、有效的数据分析。

当人工智能进入数据分析师的角色,它将作为一种新的工具,一个下属的同事,而不是直接作为替代品。

只有数据分析师创造出能让他们自动化基本数据流的结构之后,他们才会发现这一点。如果还没有做到这一步,只是进一步在上层部门加入人工智能并不能提高数据分析师的效率,或支撑商业决策的信息质量,因为人工智能处理的将是过时的信息。

然而,一些企业会意识到人工智能对数据收集的过程所做的改变。例如,手动输入的客户关系管理(CRM)数据是出了名的不完整和不可靠。但是当主要的CRM 系统软件提供商采用人工智能插件,或将人工智能整合到他们的产品中,这个数据会变得更可靠,并且需要的核对操作也会减少,因为它将从一个数字源自动移植到另一个。

但是如果“没有基本的自动化”,Nick Harrison 和Deborah O’Neill警告说,“触摸一个按钮就解决复杂问题这种策略构想仍然是难以实现的。”

数据分析员的工作内容将越来越多地涉及到操纵并设计出特定的结构,以让人工智能完成分析公司数据的真正工作。但是如果没有数据分析师设计信息流结构,实现重要数据的有效集中和分发,那么这样一切都只是加速混乱情况的出现罢了。

4:管理者

大多数管理岗位能保住,虽然很多职位会从根本上改变,因为它们的任务和工作类型都变成了自动的。

随着简单、重复的任务进入自动化,快速决策和判断类工作将首当其冲。

在接下来的五年里,管理人员的工作将摆脱行政负荷和大部分的会议时间。而他们的时间将主要用于战略和战术思考、判断以及重要的人际能力。中级管理层将成为受这些变化影响最明显的阶层,而高层管理会出现重要变化,但相比于中级管理层,受影响程度较小。

一般的管理者基本上负责两份工作。一是关注眼前的工作目标,而另一个是维护自己所负责的公司数据湖,处理员工和主管部门的行政事宜。

图片来自: How Artificial Intelligence Will Redefine Management

这将改变。

人工智能将以两种方式从根本上改变该职位目前的时间和精力分配:

1- 大部分项目管理和时间管理将成为自动化的。
2- 很多管理级别的行政事务将由机器人或人工智能进行协助。

部分变化会将管理任务变成自助服务。例如,如果员工想预订假期,他们现在需要直接问经理或给他们发消息。然而,一个自动化系统可以让员工输入他们想要休假的日期,然后查询别人是否能够在那段时间工作。例如,Subzz 已经提供了很多这样的功能。还要多长时间这样的事情才能成为常态呢?

从本质上讲,许多管理者在项目管理的任务上花了大量的时间——给不同的员工分配工作,然后检查他们是否在按计划完成手头工作。这是让人工智能介入并且自动化整个工作的一个经典契机:对大多数管理者来说,项目管理的职责都会从他们的待办事项清单上消失。(我们也看到了在一些公司,一些更为基本的岗位完全消失了—— Fukoku Mutual Life 保险公司在今年一月用人工智能取代了 30 个职位。)

随着更有效的人工智能助手进入市场,管理者将依靠机器人来告诉他们下一步是什么,提醒他们重要的传入信息,自动化他们的预约设置,并回复来自上级和员工一般查询。

5:人力资源(HR)

HR 的工作总是涉及基于不完全数据的复杂决策。Blythe Howard Chou 为 IBM 撰写的文章中说,招聘人员对于他们最近雇佣员工的平均再雇佣率不到 39%。然而,Howard Chou 还观察到,只有 7% 的公司使用分析学知识来预测并实现成功的招聘。

IBM 的研究表明,这将会很快改变,并且会有很明显的改变。64% 的受访者认为人工智能会改变自己的人才招聘策略。但是等该计划真正落地时人才招聘会变成什么样呢?

自动筛选和减少偏见

有偏见的招聘会对公司造成多种危害。除了声誉受损这一无人能负担得起的后果,它也会抹掉公司这项工作的最佳候选人。通过自动筛选,人工智能通过立刻去除那些低于某一阈值的不合格的候选人,为人力资源提供加快招聘初期阶段的速度的机会。但在这一阶段完成之后,人工智能会再次介入,确保名称、邮编或其他不相关数据点不会成为招聘工作和合适的应聘人之间的阻碍。

增强入职培训

客户的熟悉产品培训和新员工的适职培训有着巨大的不同。通常,员工参与入职培训被认为是理所当然的。然后,由于不遵守他们只记得一半的协议,不采用他们已经忘记了如何使用的工具和系统,他们给公司造成了数千美元的生产力损失和数据风险。由于员工的违规和错误造成的安全漏洞损失平均为 385 万美元。Gallup 称 87% 的员工处在漫不经心的工作状态。

对于客户,我们不采用这种方法。面向消费者的移动应用程序只有几块钱成本,他们把更多的精力投入到激励入职而不是雇佣职业中期的员工。人工智能很快会改变这一点,提供全面的入职程序,让员工更迅速、更有效地成为完全生产力,它会从游戏化战略和客户熟悉产品的培训中借用技术,而不只是使用传统员工培训程序。

很明显,未来五年内有可能一些低级的 HR 岗位会被全部取代。美国国家经济研究局报告中提到,今年人工智能能够比人类更有效地进行直接的正确雇佣。

结论

人工智能将以一种自十九世纪以来都没有出现的方式改变我们的工作。我们会看到以前劳动密集型的职业切换到依靠机器人来完成实际的工作,就像我们在二十世纪末用机器替代工厂的劳动力。程序员和开发者会做更多的监督和战略工作,减少日常生产。这样的模式会在整个组织中重复出现,尤其会影响到管理和数据专业人士。

关于作者

Eugene Rudenko, Oxagile 的高级线上营销经理,Oxagile 是一家定制软件开发公司,主要关注 OTT(Over The Top,通过互联网向用户提供各种应用服务。)和在线视频,实时通信、大数据、商业智能以及其他方向。尽管他感兴趣的内容涉及 IT 领域的不同方向,他的主要兴趣还是前端开发领域。

查看英文原文: How AI Will Revolutionize These Five Job Roles by 2022

感谢冬雨对本文的审校。

2017-12-25 17:024052
用户头像

发布了 52 篇内容, 共 28.0 次阅读, 收获喜欢 72 次。

关注

评论

发布
暂无评论
发现更多内容

HAG宣布在INX平台进行STO发行

股市老人

Nautilus Chain:模块化Layer3的先行者

股市老人

理论+实践:从原型链到继承模式,掌握 Object 的精髓(二)

控心つcrazy

分布式流处理组件-生产实战:Broker节点负载

谢先生F

kafka 负载均衡 broker

时间戳与时区

ScratchLab

Nautilus Chain:模块化Layer3的先行者

威廉META

符号接在 busybox 中的妙用

ScratchLab

Nautilus Chain:模块化Layer3的先行者

西柚子

Nautilus Chain:模块化Layer3的先行者

EOSdreamer111

横看Dubbo-微服务治理之无损上线

K

微服务 dubbo 无损

2023-06-22:一所学校里有一些班级,每个班级里有一些学生,现在每个班都会进行一场期末考试 给你一个二维数组 classes ,其中 classes[i] = [passi, totali] 表

福大大架构师每日一题

算法 福大大架构师每日一题

头一次见单例模式讲的如此透彻

越长大越悲伤

设计模式 单例模式

敏捷项目管理工具大全

顿顿顿

敏捷项目管理 敏捷工具 scrum工具

大规模 AI 高性能网络的设计与实践

Baidu AICLOUD

大模型训练 RDMA

Nautilus Chain:模块化Layer3的先行者

BlockChain先知

TiDB v7.1.0离线升级命令版

TiDB 社区干货传送门

实践案例 版本升级 7.x 实践

CC2530+ESP8266与手机APP通信

DS小龙哥

6 月 优质更文活动

架构实战营-模块1作业

link

在高度为h的堆中,元素个数最多和最少分别是多少?

福大大架构师每日一题

ChatGPT

复旦大学高校专区入驻飞桨AI Studio,优质教育资源等你来学!

飞桨PaddlePaddle

人工智能 百度 paddle 飞桨

自动驾驶发展依旧处于初步阶段

来自四九城儿

Kubernetes集群授权管理

穿过生命散发芬芳

Kubernetes 6 月 优质更文活动

基于CC2530设计智慧农业控制系统

DS小龙哥

6 月 优质更文活动

OpenHarmony自定义组件

坚果

OpenHarmony 6 月 优质更文活动

Nautilus Chain:模块化Layer3的先行者

鳄鱼视界

cdc任务同步错误但不会触发告警问题记录

TiDB 社区干货传送门

故障排查/诊断

Nautilus Chain:模块化Layer3的先行者

大瞿科技

Django笔记四十四之Nginx+uWSGI部署Django以及负载均衡操作

Hunter熊

Python nginx django 负载均衡 uwsgi

英特尔研究院发布全新AI扩散模型,可根据文本提示生成360度全景图

E科讯

火山引擎Dataleap数据质量解决方案和最佳实践(一):数据质量挑战

字节跳动数据平台

数据治理 数据开发 数据质量 数据研发

TiDB 7.1资源管控和Oceanbase 4.0多租户使用对比

TiDB 社区干货传送门

新版本/特性解读 7.x 实践

到2022年,人工智能将彻底改变这5种职业_技术管理_Eugene Rudenko_InfoQ精选文章