人工智能时代，科技专业人士如何在工作中生存和发展

人工智能正在重塑技术和开发工作的性质。行业专家看到了未来的有趣时刻。以下是他们针对您当前充分利用职业机会的最佳建议。

尽管有关技术裁员的新头条新闻层出不穷，但技术专业人员的机会仍然很大——这是一个适应新技术和无情的业务需求融合的问题。美国劳工统计局 2023 年 9 月发布的一项分析指出，从 2022 年到 2032 年，软件开发人员、质量保证分析师和测试人员的总体就业人数预计将增长 25%，“远远快于所有职业的平均水平” 。

美国劳工统计局的声明称：“人工智能、物联网、机器人和其他自动化应用软件开发的持续扩展将导致对软件开发人员、软件质量保证分析师和测试人员的需求增加。”

但技术相关机会的潜在数量只是故事的一方面。真正引人注目的是我们将在不久的将来看到的技术相关工作的质量。人工智能以及低代码和无代码平台等技术可能会取代手动工作，转而支持更高级别的任务。即使是那些目前正在使用人工智能的人也将能够扩展他们的技能基础。

LinkedIn 经济图谱研究所的研究证实了技能要求的变化。 LinkedIn Learning 内容策略全球主管 Dan Brodnitz 表示：“我们正处于工作所需技能快速且持续变化的时期。” LinkedIn 数据显示，“超过一半的 LinkedIn 会员所从事的工作可能会被人工智能颠覆或增强，到 2030 年，我们的工作所需的技能将发生高达 65% 的变化，”他说道。

Tech Mahindra 企业技术总裁 Harshul Asnani 表示，随着人工智能和机器学习在日常工作中的应用，“某些技术相关技能正在面临范式转变”。其中包括涉及“传统上由人类处理的重复性和基于规则的任务。基本数据输入、标准应用程序的例行编码，甚至基本数据分析的某些方面都通过人工智能算法变得自动化。”

此外，阿斯纳尼预测，随着时间的推移，“代码抽象、代码转换、通过编码创建视觉工件以及基本代码测试和质量保证等技能可能会变得不那么重要”。

他继续说道，这并不一定意味着此类技能“将被淘汰，而是会发生转变”。技术专业人士“将需要通过专注于人工智能无法轻易复制的更复杂、更具创造性和战略性的任务来适应。”

布罗德尼茨说，最前沿的技术相关技能包括“机器学习、数据结构和自然语言处理”。 “这些技术熟练程度构成了人工智能应用的支柱，对于高效数据处理、学习算法和基于语言的人工智能交互至关重要。对于旨在在当今就业市场保持竞争力的 IT 专业人员来说，建立和加强这些技能非常重要。”

LivePerson 首席科学家乔·布拉德利 (Joe Bradley) 表示，技术专业人士“懂得如何进行更大的思考并应用人工智能来实现战略目标，从而取得成功”。 “例如，客户服务、销售和营销功能越来越多地得到人工智能的支持，人工智能是客户的第一道接触线，为数字化前门配备人员。就像网站不断优化一样，面向客户的人工智能也可以不断改进，以支持服务、销售和营销领导者的目标。”

Asnani 表示，设计、构建和管理 2020 年代解决方案的重要工具或平台包括“GitHub、Slack、Hugging Face、Reddit 和其他现有的开源协作平台”。 “这些资源有助于通过利用其他人的技术知识和代码贡献来加速他们的学习。”

随着人工智能的设计和构建，对人类监督的需求不断增长，以确保技术提供对企业而言值得信赖且有意义的结果。 OvalEdge 首席技术官斯里尼·卡迪亚拉 (Srini Kadiyala) 表示：“从根本上来说，人工智能和机器学习技术处理数据；为此，对具有数据管理和科学技能的人才的需求量将会很大。” “人们必须整理推动人工智能算法和学习模型所需的特定数据集和来源。”

卡迪亚拉指出，数据准备“目前是人工智能模块高效运行和输出的最基本要求之一”。 “虽然存在一定程度的自主权，因为人工智能可以完成数据准备任务，以确保准确性和合规性，但仍然有必要让训练有素的专业人员来掌控这一领域。”

阿斯纳尼表示，这一切都是为了“学习和技术发展的民主化”。 “专业人士应该培养快速学习、忘却和再学习的能力。他们的学习范围还应该包括数据结构和算法、数据分析、数学和软件工程。”

布拉德利表示，随着网站、移动应用程序和社交媒体的出现，技术专业人员的工作已经发生了重大变化。 “它们将再次被改变，被那些知道人工智能在哪里最有效、在哪里需要人类掌控的人们重塑。”

随着技能需求的增加，新型职称不断出现。布罗德尼茨说，LinkedIn 平台“与人工智能相关的头衔有所增加”。 “例如，在过去五年中，拥有专门‘人工智能负责人’的公司数量增加了两倍多，这表明人们越来越认识到人工智能在组织内部的重要性。”

Asnani 表示，其他新兴角色包括“人工智能伦理专家、智能合约架构师、区块链网络部署者、量子计算工程师和 VR 体验设计师”。 “随着对数据安全和隐私法规的高度关注，对数据隐私管理者的需求也不断增长。”

随着组织越来越依赖技术人才来实现业务成果和增长，预计将会有更多的人摆脱埋头编程和技术角色。作为这一趋势的一部分，低代码和无代码平台将定义未来一年的技术工作。阿斯南说，这些技术的发展“将在人工智能和机器学习进步的推动下急剧加速”。

这一转变意味着“IT 专业人员将从编写基本代码、进行代码测试和执行质量保证的任务中解放出来。”阿斯纳尼说。 “相反，他们的重点将转向验证代码的结果并确保它们满足预期的目标和结果。这种转变需要对特定领域有更深入的了解并增强功能知识。”

布拉德利说，展望未来，技术工作的成功取决于“智力上的无畏和好奇心”。 “不要陷入一种思维方式。寻求替代的方法和观点。无论你的专业知识是什么，不要担心它是否完全适用于你选择的领域，而是要深入，去做，并享受它。”

他继续说道，即使一个人擅长人工智能开发，仍然有很多东西需要学习。例如，“如果你是一名机器学习专家，请参加一门具有挑战性的产品营销课程。不要将绝对权威让给其他专家。足够了解并有足够的好奇心来质疑他们。”