人工智能正迅速成为企业之间竞争力的关键因素。以下是未来需要填补的人工智能关键职位及相应技能。
人工智能预计将深刻改变许多行业，导致众多工作职能的转变。在未来几年，组织内的许多职位都需要一定程度的人工智能技术应用，这为精通该技术的人才提供了巨大的新机会。
随着IT和业务人员的角色变化，出现了旨在充分利用人工智能战略的新职位。机器学习工程师已巩固了作为人工智能团队重要成员的地位，成为求职网站Indeed上最受欢迎的职位之一。此外，人工智能专家在领英2020年新兴工作报告中名列前茅，过去四年增长率高达74%，紧随其后的是机器人工程师和数据科学家。
根据IDC的分析师Ritu Jyoti的说法，即便在疫情期间，与人工智能相关的职位数量在全球范围内也有可能增长13%至16%。
Jyoti表示：“疫情导致医疗、教育、保险、制药和政府部门对人工智能的投资和就业机会增加。”
我们与IT领导者、人工智能专家及行业分析师进行了交流，探讨了随着人工智能日益掌控企业，哪些职位正在崛起。一些前沿公司已经在积极招募，寻找成功所需的多种技能。
首席人工智能官
首席人工智能官，也被称为人工智能和机器学习副总裁、首席创新官或首席数字官等，需深入理解认知技术如何影响企业，并制定公司的人工智能战略。他们需要将这一战略传达给董事会、公司高层、员工及客户。同时，与首席信息官合作，确保满足企业及所有利益相关者的需求。
网络安全公司DaRktRACE的首席人工智能官Nicole Eagan常常与内部技术团队合作，与客户沟通并推广公司的人工智能战略，探讨如何利用人工智能提升人类工作效率，例如在威胁检测和调查方面。
Eagan表示：“我与首席技术官和人工智能实验室共同探索新的研究领域。”她通过在线课程不断提升自己的人工智能技能，注重将人工智能应用于现实问题，而非单纯创建算法或编写代码。
ZscaleR的人工智能兼机器学习副总裁Howie Xu，在提升技术职称的同时，注重商务技能。他持有斯坦福大学的MBA学位，并在思科担任过云计算和网络服务业务的负责人。
Xu指出：“当我最初加入ZscaleR时，我的职责更为偏向技术，但随着人工智能和机器学习的发展，我必须转变思考方式，更加关注业务影响。”他强调，在人工智能领域有远大抱负的人应专注于能将业务价值提高十倍的领域，并在采用技术前严格遵循业务指标。
人工智能道德官
人工智能道德官是一个高级职位，需与多个利益相关者密切合作。该职位不仅涉及技术团队，还需与政府机构、非营利组织、法律团队、用户和隐私小组进行协调。
Salesforce的道德人工智能实践架构师Kathy Baxter认为，人工智能实践者需要对技术充满热情，同时保持合理的怀疑态度。她表示：“人工智能并非解决所有问题的魔法。我们常问的问题不是‘我们能做到吗？’，而是‘我们必须做吗？’”
Baxter认为，虽然技术素养很重要，但人工智能道德官并不需要成为计算机科学家或数据科学家。她强调，具备心理学、社会学、哲学或人机交互等人文背景至关重要，了解技术、需求、环境和价值对所有人的影响是非常重要的。
Baxter还指出，在讨论道德问题时，能够冷静地进行辩论是非常有用的，因为人们在此类话题上容易感到自己的价值观受到挑战。她表示：“注重道德的公司将创造更安全、更公正的环境，确保人工智能的无偏差性，从而提升业务绩效。”
她补充道：“人工智能法规即将实施，因此现在着手建立道德的人工智能实践将使你在合规性方面做好更充分的准备。”
人工智能业务分析师
Shape Security的全球人工智能负责人Shu Man GhoSEMajuMdeR指出，数据科学家必须与业务分析师密切合作，才能从人工智能模型中获得价值。他表示：“人工智能业务分析师需深刻理解所服务公司的业务模式和流程，以便开发合适的解决方案。”
此外，他们还需懂得技术语言，以便与数据科学家和数据工程师进行有效合作。人工智能业务运营经理这一职位主要负责管理和改进利用人工智能的业务流程，他强调：“人工智能业务运营经理应具备通过人工智能自动化特定业务流程的运营基础知识和经验，并能够分析由这些操作生成的数据。”
普华永道的合伙人兼全球人工智能负责人Anand Rao表示，寻找负责面向业务的人工智能人才可能比想象中更具挑战性。他指出：“大学和职业培训机构正在竞相培养初级技术工人，但业务和高级管理人员的培养则需在公司内部进行，填补这样的职位空缺非常困难。”
首席数据科学家
首席数据科学家是企业内人工智能职位的顶尖角色，其职责不断演变，逐渐融入更多的工程和商业技能。麦肯锡的分析转型主管Brian McCarthy表示：“五年前，数据科学家通常由统计学家担任，而现在则多由技术人员担任。”
数据科学家知道如何运用特定的数据和算法来获得优良结果，他们与数据工程师和软件开发人员合作，将这些专业技能转化为可运行的应用程序，并与业务部门合作，确保技术满足业务需求。
Kenna Security的首席数据科学家Michael RoytMan于2012年获得乔治亚理工学院运筹学硕士学位，并在该院研究随机过程和随机优化。随后，他成为Kenna Security的数据科学家，并最终晋升为首席数据科学家。
RoytMan表示：“首席数据科学家的角色正在提升整个组织的分析能力。”
人工智能架构师
人工智能架构师（或称人工智能或机器学习工程师）负责创建和管理人工智能及机器学习项目所需的系统。BT的美国战略学术合作伙伴关系负责人Steve Whittaker指出：“这些人能够大规模研究人工智能项目。”
Whittaker表示，IT架构师需要掌握人工智能和机器学习技能，以创建人工智能工程师平台。他补充说：“构建人工智能架构需要DevOps技能，了解如何大规模执行、敏捷开发及流程和数据意识。”
人工智能架构师还可能需重建各类业务流程，使其更贴近业务需求。任何希望构建人工智能或机器学习基础设施的公司都需要这一角色，这一职位的设立时间不长，背景各异，从新毕业生到拥有多年项目管理经验的专业人士都有。
eSentire的首席技术官Dustin Hillard希望机器学习工程师在处理大型数据集和云数据处理框架方面具备丰富经验，并能够设计、构建和部署复杂的人工智能系统。
人工智能数据工程师
人工智能和机器学习的成功依赖于数据，但所需的数据种类和规模可能与其他系统不同。因此，任何希望进行高级分析、机器学习或人工智能的组织都需要人工智能数据工程师。
英国电信安全部常务董事Kevin Brown表示：“需要招聘这些新兴职位的公司通常会想到大型组织，但同样也应考虑拥有大量数据的小型公司。”他指出，医疗行业在疫情期间见证了数据的急剧增加。
例如，BT每天要处理大量数据，在网络安全方面，每秒处理数百万个事件，面对约4000次网络攻击。Brown提到，公司专注于人工智能的董事总经理、人工智能开发人员、研究人员和数据科学家跨越了人工智能的多个功能。
Brown表示：“我们需要筛选大量数据以发现异常，而这正是人工智能数据工程师的强项。”
数据制造架构师为金融服务领域的客户创造高质量的结构化数据，数据往往源自非结构化且杂乱的来源。
Mann指出：“这些数字”
