-
人工智能劳动力
培养高技能人工智能人才的5大挑战
人工智能是解决问题的好帮手。但是，如果企业没有公平地满足人工智能的要求，特别是在管理技术相关技能库存时，它也会带来麻烦。在我们与负责人工智能团队和研究项目的高级管理人员进行的大多数讨论中，我们发现，寻找、培养和留住一支熟练的人工智能人才队伍是他们目前的首要任务。唉！人工智能技能差距正在扩大，而大多数雇主却没有应对这一挑战的答案。
为什么会这样？
人工智能正在影响工作的设计方式。新的岗位需要新的技能和人才。
自工业革命开始以来，技能差距一直是各行各业雇主面临的老大难问题。随着新技术的出现，工作环境和技能需求也发生了变化。
传统上，招聘人员总是发现自己在招聘旺季时难以弥补技能缺口。2017 年，一项调查报告显示，67% 的雇主担心技能缺口越来越大，以及这些缺口如何影响整体组织生产力、创收和行业内的员工流失。时间快进到 2023 年，由于人工智能、云计算、IT 安全和业务分析领域的快速创新，技能差距只会越来越大。
随着人工智能的应用成为大多数公司的主流，了解这一领域的技能差距就显得尤为重要。如今，由于缺乏能够处理正在进行和即将进行的人工智能和机器学习项目的熟练专业人员，大多数招聘经理在员工绩效方面面临着更大的差距。
技能缺口如果长期得不到填补，除了会导致公司文化退化和劳动力资源枯竭外，还可能使公司损失数百万美元。
根据 Korn Ferry 的数据，美国公司每年可能因其所在行业的技能短缺而损失约 1620 亿美元。每有一个职位空缺 42 天，企业就会损失 4,129 美元，相当于每天损失 100 美元。虽然不可能找到一个符合所有要求的候选人，但企业在提高现有员工技能方面的投入并不多，这仍然是一个讽刺！
简而言之，当公司因技能差距而无法填补职位空缺时，可能会对企业在充满挑战的商业环境中的运营方式产生永久性影响。
技能差距不断扩大的主要原因有以下几点：
缺乏人工智能/STEM 类别的正规教育结构
婴儿潮一代的快速退休率
软硬技能发展方面的培训计划不一致
人工智能主导产业的创新步伐
以下是现代企业在解决现有员工技能库存方面面临的最大挑战：
缺乏对数据技能差距的认识
尽管企业全力投入人工智能项目，但一直缺乏能够执行战略的熟练数据工程师和人工智能开发人员等内部人才库。内部人工智能人才短缺仍然是将人工智能项目推向终点的首要障碍。在当前的生成式人工智能时代，数据技能的缺乏只会放大美国和英国招聘人员面临的问题。2022 年，SAS 报告称，63% 的受访者声称，他们最缺乏的技能是人工智能和机器学习领域的技能。
根据 Corndell 的一项调查，每 10 位高级数据专业人士中就有 9 位表示其所在组织存在技能缺口。高级领导者坦言，员工对数据技能缺口缺乏认识。
企业缺乏强大的数据领导力来指导人工智能路线图
要在企业内部推动人工智能变革，就必须在竞争激烈、灵活多变的环境中为领导技能娴熟的专业人员打下坚实的基础。在一个典型的企业中，超过三分之二的员工可能对数据驱动的活动完全免疫。领导层对提供极少或根本不提供数据访问权限的这种明显的冷漠态度，导致了员工在人工智能技能提升计划中的无能。
一个平均拥有 1000 名员工的数据驱动型组织将由 56 名专业人员组成的数据团队组成，其中包括三名数据管理员或首席执行官。然后，还会有更多的影子数据专业人员在日常运营中使用数据和分析。能否对所有这些团队成员进行数据领导力培训，并期望他们通过持续学习、培训和发展的文化来提高数据素养？
75%的企业领导者表示，如果不能有效地扩展人工智能路线图，他们就会被淘汰出局。"鸵鸟型 "领导者实际上是对现有人工智能任务的一大威胁。这些领导者深居简出，忽视数据扫盲和人工智能变革管理计划，从而推迟了数据文化转型。
只有当人工智能和分析经理能够通过个人学习和技能提升目标来建立数据领导力时，企业才能看到他们的人工智能领导团队发生可操作的变化。虽然员工培训成本肯定会增加，这些项目的投资也会增加，但目前还不清楚企业在各级管理层的人工智能技能开发上花费了多少资金。
要想在当前的人工智能竞赛中取得成功，企业应该重新调整面向中层管理人员的基础人工智能和数据培训计划。
缺乏对数据成熟度的整体认识
数据成熟度是建立企业人工智能技能库存基础设施的关键指标。只有 44% 的数据领导者认为他们现有的数据团队能为组织带来有意义的价值。大多数组织都充分意识到需要扩大人工智能工作的规模，以提高数据和分析团队的效率。但是，如果不建立一个熟练工人人才库，该如何做到这一点呢？
这是大多数领导者仍在寻找答案的问题。
Corndel 的研究指出，现代工作场所需要通过对基于数据基础设施和人类专业技能的人工智能系统进行微妙的整合来实现数据成熟度。这些问题涵盖了行业中迫在眉睫的潜在威胁，如网络安全、数据隐私和合规风险。37%的数据领导者认为，员工缺乏数据技能是业务转型的障碍。另有 47% 的受访者提到了与人相关的技能，而 45% 的受访者表示，人工智能和技术技能都将阻碍 2023 年的业务转型工作。
要建立一支技术熟练的人工智能人才队伍，就必须制定基本规则，促进企业乃至整个行业的数据成熟度。这可能包括培养关键数据管理活动的技能，如：
数据分析
数据安全
数据存储
报告和可视化
数据清理和再设计
数据伦理和可解释性
人工智能扫盲等等。
心理安全与情感障碍
最近一项旨在了解人工智能对工作场所心理安全影响的调查显示了显著的结果。例如，尽管员工知道机器有可能取代人类，但他们不太可能向管理层表达自己的担忧。
然后，讽刺的一幕出现了。当企业努力对员工进行人工智能技能培训时，员工自己可能会对这种技能提升计划的相关性产生自我怀疑！
"这种人工智能培训是否真的有助于我的职业发展？
"我应该重点学习哪些技能？
"如果我现在报名参加人工智能培训项目，会不会影响我在现有岗位上的工作能力和交付能力？
"每次有新的人工智能发明出现，我是否都需要提升自己的技能？
"我被定型为单一人工智能系统的几率有多大？"
"我现在和将来都能获得所有最新的人工智能和培训资源吗？"
"我能选择自己的人工智能技能提升计划吗？"或者，我是否应该坚持组织提供的内容？
"新的技能提升计划是否会阻碍我将来在其他组织的职业发展？
抵制变革和维持技能范式的现状比经济衰退给企业带来的损失更大。当企业对人进行投资，并以专业技术知识引领他们制定职业规划时，企业才能蓬勃发展。对失败的恐惧和缺乏关注给人工智能技能提升计划带来了额外的压力。这正是自我认知和领导力培训发挥关键作用的地方。这些培训可以解决人工智能技能发展计划中的情感障碍，帮助企业识别影响员工情感优缺点的因素。
结论
从员工的角度来看，不断扩大的人工智能技能差距可能与他们为雇主或招聘经理所做的完全不同。53% 的员工对雇主发起的在职人工智能技能培训工作持乐观态度。雇主可以通过创造更好的实践经验机会、推广终身学习路线图以及促进行业合作来培养和留住熟练的人工智能劳动力，从而增强其熟练的人工智能劳动力发展计划的影响力。
总之，从整体管理角度来看，提高技能不仅具有成本效益，而且更健康。
虽然一个以人工智能为重点的组织可能会有一个清晰的路线图，用于招收熟练的人工智能专业人员来实施人工智能项目，但在层级结构中可能存在潜在的技能差距。这可能导致员工与人工智能管理层之间的潜在差距。人工智能领导力和技能管理方面的模糊性只能通过组织结构调整和各级就业能力的技术提升来解决。
此外，雇主必须采取广泛的招聘和培训方法，挖掘 "被忽视 "的人群，并利用人工智能工具满足人工智能需求。虽然到 2030 年，人工智能可能会通过自动化侵蚀 30% 的现有工作岗位，但也会出现许多新的岗位。数据领导者有责任走出自我束缚，积极为数据成熟度奠定基础，并在当前组织中开展人工智能技能提升计划。
那么，您的人工智能技能路线图是怎样的呢？
文章来源：techrseries
扫一扫 加微信
hrtechchina
