未来15年哪些工作最有前景

简介: 未来15年哪些工作最有前景

image.png

如今,人们正面临着巨大的不确定性,很多企业和个人的前进方向和道路十分迷茫,希望有人给出一些预测。专家表示,在15年的时间里,85%的预测和趋势分析都是学者,分析师,未来学家,以及经济学家(经济学家也许不在其列,因为他们预测的准确性越来越让人怀疑)提出的预测,这将影响每天发生的业务。

 

对于IT高管来说,加速变革将会要求他们不断地问自己,“今天工作的问题到底是什么?”如果答案不是他们昨天在做什么,那么他们必须进行调整,并继续前进。

 

为了更好地回答这个反复出现的问题,并确保适当利用能量和资源,他们需要回答一些从属的问题。


1应该和谁讨论?


在情报界工作的专家认为,最重要的经验之一就是“你的网络会让你安全”。未来,IT高管需要培养强大的个人和专业网络。

 

行业专家最近调查采访了出席俄亥俄州立大学工程学院主办的研讨会的近60位企业高管,并提出了一个问题,“如果你所在公司的CEO找到你说,‘我想和你谈谈关于未来工作的三个挑衅性的问题,’你会提出这些问题吗?”这些高管的反馈很具有启发性。

 

75%的建议来自于数码行业的先锋和首领,例如特斯拉创始人伊隆·马斯克、Facebook创始人马克·扎克伯格、Google公司CEO拉里·佩奇、Google联合创始人塞吉·布林。他们所提出的一个很引人瞩目的观点就是:预测未来的最好方法是创造未来。

 

其他人的一些响应

 

人力资源思想领袖 9%

 

未来主义者(研讨会由未来主义者推动) 8%

 

年轻人(意味着下一代的工人),美国总统,成功CEO(数字化改造组织)和领先的CIO 4%

 

你正在和谁谈论,以确认你正在做的事情是你应该做的事情?


2接下来该做什么?


一家关键基础设施公司的首席信息安全官(CISO)记得她与一位跨国公司新任命的(相当年轻)首席信息安全官的谈话。

 

她发现,除了具有旺盛的活力和巨大的热情以外,这位年轻的CISO列出了其待办事项列表中许多事情。年长的CISO提出了一些建议,由于一个人不能同时做所有这些事情,所以最好确定需要首先采取哪些行动。如果待办事项列表很长,那么其排序很重要。

 

你是否喜欢这种机制?你决定如何确定优先顺序,或你正在以什么顺序做事?


3转折点在何时/何地?


在决定将工作重点放在哪里时,,需要有一个技术转换和中断可能发生大致的地图。

 

美国CNBC知名主持人吉姆-克莱姆在访问通用电气(GE)公司董事长兼首席执行官杰夫•伊梅尔特时,谈到了机器人将会承担人类所有工作的那一时刻(所有人类工作将被自动化取代的那一刻)。伊梅尔特认为,如果这种极端自动化到来的话,可能会在未来30多年之后出现。他说,他将专注于提高工人的生产力,并确保其员工采用他们所需要的尽可能高效的工具。他说,“我们将让我们的工人更加聪明。然后我们就会看到我们未来将如何发展。”


4你相信会发生什么?


行业专家认为,如今的IT生态系统(例如,初创公司,风险投资,贸易展览)中一些企业的策略和措施有些夸张,所发布的新闻稿,营销宣传片和主题演讲趋向于极端和最高级。而在职场中已经取得事业成功的企业高管,通常不太会相信供应商这样的宣传。

 

我们正在向一个成功的世界转变,因为相信利用现有工具可以完成伟大的事情。我们不再生活在一个未来永远不会来临的世界。

 

美国国家航空航天局喷气推进实验室可能是地球上最令人兴奋的工作场合之一。六千名科学家,工程师和工作人员从事拯救星球,探索星系,以及理解星系项目的研究工作。而其首席技术和创新官托马斯•瑟德斯特伦认为,关键的因果关系将会推动技术革命不断发展,并让工作成本不断降低,效率不断提高,这真的会是一场技术革命。

 

那么,你相信伟大的事情会发生吗?

相关文章
|
7月前
|
机器学习/深度学习 传感器 人工智能
机器人技术的飞速进化:从想象到现实
机器人技术的快速发展正引领着人类走向未来,从工业制造到日常生活,机器人已经广泛应用。本文将探讨机器人技术的进化历程和多领域应用,展示机器人为我们带来的无限可能。
|
6月前
|
存储 人工智能
GPT-4尚未出现自我意识!这项研究用上帝之点解读,迈向AGI局限无法克服
【6月更文挑战第21天】研究人员构建了智能与意识的“飞行模型”,定义了全知全能代理(Ω点)和绝对零代理(α点),以此评估AI的智能水平。目前AI接近人类智能但缺乏自我意识。该模型为理解AI的智能和意识提供新视角,但也因理论概念的实证支持不足及忽视环境影响的多样性而受到批评。[DOI: 10.13140/RG.2.2.24518.28484]
89 6
|
4月前
|
机器学习/深度学习 数据采集 人工智能
揭秘大型机器学习模型背后的秘密:如何在技术深度与广度之间找到完美平衡点,探索那些鲜为人知的设计、训练与部署技巧,让你的作品脱颖而出!
【8月更文挑战第21天】大型机器学习模型是人工智能的关键方向,借助不断增强的计算力和海量数据,已实现在学术与产业上的重大突破。本文深入探讨大型模型从设计到部署的全过程,涉及数据预处理、模型架构(如Transformer)、训练技巧及模型压缩技术,旨在面对挑战时提供解决方案,促进AI技术的实用化进程。
85 1
|
4月前
|
机器学习/深度学习 数据可视化 算法
如何对某个研究方向的领域论文进行分析?如何快速了解某个研究方向的发展现状?如何利用VOSviewer分析研究领域的发展现状?
本文介绍了如何使用VOSviewer软件对特定研究方向的领域论文进行可视化分析,以ESN(Echo State Network)网络研究为例,展示了从安装软件、检索文献、导入数据到进行关键词分析、作者分析和引用量分析的完整流程,帮助用户快速了解并深入研究某个学术领域的发展趋势和现状。
114 0
如何对某个研究方向的领域论文进行分析?如何快速了解某个研究方向的发展现状?如何利用VOSviewer分析研究领域的发展现状?
|
安全 架构师 测试技术
【真实感受】超越专业局限,职场人拓展更多可能性!
【真实感受】超越专业局限,职场人拓展更多可能性!
115 0
|
机器学习/深度学习
斯坦福最新研究警告:别太迷信大模型涌现能力,那是度量选择的结果(2)
斯坦福最新研究警告:别太迷信大模型涌现能力,那是度量选择的结果
179 0
|
机器学习/深度学习 编解码 人工智能
斯坦福最新研究警告:别太迷信大模型涌现能力,那是度量选择的结果(1)
斯坦福最新研究警告:别太迷信大模型涌现能力,那是度量选择的结果
188 0
|
机器学习/深度学习 人工智能 编解码
10年研究积累,推动图像合成进入「PS」时代
10年研究积累,推动图像合成进入「PS」时代
116 0