无论公司是否处于颠覆潜力较低且采用速度可能较慢的行业，普华永道表示：“没有哪个行业或企业能免受人工智能方面的影响。......最大的问题是如何确保人才，技术和数据的获取，以充分利用这一机会。”
随着科技巨头吸收所有人才，企业正在与大学合作并培养内部人才，为人工智能推动的未来争取人才。
不管你翻到那一版，总有另一则新闻报道强调人工智能对今年企业的影响。还有头条新闻惊呼：在机器学习成为争夺数字化转型统治地位的巨大推动力时，硅谷巨头抢走了人才。
所以如果你想履行人工智能的诺言，你可以在哪里找到人才?据说，绝望的时代要采取绝望的措施。很多组织正在通过与大学建立伙伴关系以及从内部进行培训和建设来应对人工智能人才短缺问题。
普华永道的报告《评估奖品的大小(Sizing the Prize)》指出：如果你认为这一切全都是炒作，不妨想一想，到2030年，由于人工智能的影响，全球GDP可能会高出14%，即15.7万亿美元，这是近期经济中最大的商机。
该报告认为：“如果你的公司处于其中一个正在快速采用人工智能的行业或经济体中运营，那么如果你想利用这些开局，并且确保你的业务不会输给行动更快且更具成本效益的竞争对手，赶紧行动起来”
无论公司是否处于颠覆潜力较低且采用速度可能较慢的行业，普华永道表示：“没有哪个行业或企业能免受人工智能方面的影响。......最大的问题是如何确保人才，技术和数据的获取，以充分利用这一机会。”
由于越来越多的组织在未来几年部署面向人工智能的计划，这是首席信息官们会努力应对的东西。Gartner的数据显示，人员配备技能是54%希望采用人工智能的首席信息官的首要挑战，Gartner认为2018年是“人工智能民主化”的元年。但该研究公司表示，有些首席信息官正面临着双重打击，37%的人仍在努力界定人工智能战略。
Gartner的报告《2018年的预言：人工智能》指出，“制定人工智能战略发展计划的挑战与人员配置挑战并行不悖，因为熟悉人工智能的工作人员和高管们将受益于积极致力于制定战略的组织”。也就是说，该公司认为，到2020年，85%的首席信息官将采用购买、构建和外包的方式进行企业人工智能项目的试点。
因此，管理技能需要发展，因为管理人员“最近才了解并依靠先进的统计技术来提取'噪音信号'以改善决策制定”。这就是Gartner报告的发现。“这是管理基于人工智能的系统和服务的起点。”
工作会变，但人员需求依旧
具体而言，对数据科学家、机器人和人工智能工程师以及具有深度神经网络，大数据和分析以及其他技术专家经验的工作人员的需求日益增长。根据职位空缺，薪水和工作满意度，招聘公司Glassdoor于2016年2017年将数据科学家评为美国头号职位。
但考虑到技术变革的步伐，提升的计算处理能力和较低的进入门槛，这些工作人员是热门商品，并且变得难以捉摸。
专家说，人们普遍认为人工智能会消灭工作和任务，有些工作和任务会被机器吞噬，但是人工不会遭到替换，但是他们需要掌握新的技能才能与人工智能一起工作，以提供只有人类才能提供的价值。
Cognizant未来工作中心的副总裁兼主管Ben Pring说：“过度依赖机器完成工作，而没有花时间和资源建立以人为本的技能的公司可能会面临严重的人工智能人员配置和技能短缺的问题。”
组织应该为新的工作环境投资建立以下员工技能：分析性思维、口头和书面交流、设计、做决策、人际交往能力等等，Pring指出，这其中还包括全球运营。
普华永道的报告指出，“由于人工智能的采用速度加快，机器无法复制的技能的价值也在增加，如创意、领导力和情商。为人工智能和人类并肩工作的混合型员工做好准备是非常重要的。你的业务面临的挑战不仅仅是确保你拥有正确的系统，还要判断你的员工将在这个新模式中扮演什么角色。”
普华永道建议，组织应该计划进行长期培训和发展，以满足这些新兴需求。有些人正在听取这一建议，并表示他们正在着手干。
建立人工智能人才管道
“我们认为数据科学方面的人才短缺问题类似于职业体育联盟曾努力解决招聘问题的方式：我们使用还处在早期水平的人才，”印第安纳波利斯风险投资公司High Alpha的数据科学家Mark Clerkin说。“我们与大学建立了关系，并参与学习项目，并且在[毕业生]得到工作安置前进行演讲，以获得具有该水平的人才。”
High Alpha还让在校生得到“真实世界的经验”，我们为他们提供有意义的项目并相互了解，因此这有点像长时间的面试”。他说，这实际上为公司提供了一个人才库。
该公司还在内部同时就人工智能是什么以及用机器学习技术可以做什么进行了内部沟通。Clerkin说：“我们的目标是揭开机器学习方面的神秘面纱。通过这样做，你渐渐使内部对做人工智能组件感兴趣的人浮出水面”，比如建模，从文件中提取数据并篡改数据。他说，具有一定工程或数学技能的员工是这类工作的理想人选。
Clerkin表示，High Alpha还讨论了其在演讲活动中所做的一些工作，并将这些工作发布在社交媒体上。他补充说：“我们试图建立一个真正广泛的网络，一心想着真正聪明的工程师和数据科学家会读到它......并认为我们正在做很酷的事情，并希望与我们合作。”
他补充道，然而，炫酷的东西，并没有转化为酷炫的动力。他说：“我不会从报酬的角度来仰慕数据科学。虽然各个职位的基本工资可能有所不同，但我们并不是仅仅因为从事数据科学而试图提供不对称的工作邀请。你将有机会参与很多很酷的事情并努力工作，这对你的职业生涯是有益的”。如果他们投资的一家创业公司恰好发展起来了，“你得到的工作邀请将有望补偿你的付出。”
从内部培养人才
总部位于芝加哥的商业和技术咨询公司West Monroe Partners也在内部建设人才。高级总监Greg Layok说，寻找外部人工智能人才非常困难。“人工智能人才凤毛棱角，很难找到具备所有你所需要的能力的人才”。在过去的五年里，West Monroe面试了很多人，他说，“很难找到有学术背景的人，尤其是在数学或统计领域，同时了解用来在企业环境中创建机器学习系统的技术工具。理想的求职者也要有可靠的沟通技能和软技能。“那些全能的人......现在千金难求。”
Layok说。“在West Monroe就人工智能相关职务面试的一千个人中，我们发现只有一两个人拥有我们要的全部经验和能力。”
West Monroe的战略一直是聘用那些“高度协作”的人，这意味着这些人愿意在一个团队中工作，并且在他们的专业之外从事与他们相关的事情。“有趣的是，肯定有程序，硕士课程，我们在这里获得具有良好技能的人，但他们并不一定具有商业头脑，不需要将他们的数据科学技能用于解决业务问题。”他指出。因此，West Monroe集中力量“将人们融合在一起并充分利用每一个人。”
有天资并对学习环境持开放态度的新近毕业生前景非常好。Layok说：“我们为培养下一代领导者而感到自豪，并相信我们可以从内部培养人工智能专家。”
麻省理工学院媒体实验室(MIT Media Lab)的访问科学家Ben Waber博士也分享了这种情绪。他说：“在工作中学习仍然比在招聘人员身上花费40000美元聘用同一个人更便宜——然后无论如何你都必须让他们适职”。他补充道，但是组织仍然需要有经验的人员来理解算法的更复杂性，并且必须为他们支付最高的薪水。
但是，行为研究初创公司Humanyze的总裁兼首席执行官Waber说：“但是每个人都必须拥有博士学位和五年的行业经验，你想多了。”
该公司每月雇用七到八人，预计到今年年底会有近100名员工。像Layok一样，他说Humanyze在找具有扎实数学知识的人，理想的情况是统计学。Waber说：“这比有程序员更好。因为从根本上讲，人工智能学习的最新技术是直截了当的统计工具。”
人工智能人才短缺是真实的
如果一个组织希望创建一个可扩展的人工智能系统，那么它也将需要具备“非常复杂的后端经验”的人员。他这样说道。
Waber说：“我们确实深陷招聘的炒作周期。所有人，乃至他们的兄弟姐妹现在都在搞人工智能”。他说，同时，“有些公司表面上说得很好听，但并没有招聘人员”。但总的来说，拥有一系列人工智能技能是很重要的，这一点已经得到了强烈的认可。组织正在准备从内部聘用和培训。Waber认为，这将持续一段时间。
Layok说：“Gartner使用'公民数据科学家'这个术语，即被你带到另一边的组织人员。我以为大学课程越来越好，但我的经验告诉我，它们并没有越来越好。毕业生每年都在变得越来越好，但单凭这一点无法满足人工智能的需求。如果公司还没有考虑内部发展，那么在他们的人工智能工作量增加之前，现在就开始是一个好主意。
大学正在尽自己的一份力量，很多大学已开始提供人工智能和机器学习的本科、研究生和专业认证课程。然而，即使现在有很多学校培养了很多具有宝贵深度学习技能的毕业生，但Gartner表示，他们中很少有人有这样的直觉——为成功的深度神经网络模型提供良好基础的直觉。
Gartner的报告指出，技术技能——尤其是深度学习——仍然有限，并且仍在不断发展。“我们仍然不明白如何可靠地配置DNN [深度神经网络]来提供有用的结果，并且DNN培训的漫长周转时间造成了很长的评估周期。”
Layok指出，然而，如果你着眼于工智能人才短缺的问题，这不是非此即彼的命题，而是一个“兼而有之”的命题。他说：“你需要有资格从事这种工作的人，无论是内部人士，还是具有数据科学学位的近期毕业生。”
但他并不是说这会是一个简单的过程。他说：“在过去的四到五年内，培养这种人才是我们面临的巨大挑战。我终于觉得我们度过了难关，但革命尚未成功。”
