בינה מלאכותית יוצרת תפקידים וכישורים חדשים בתחום הנתונים והאנליטיקה

האם הארגון שלכם מתקשה להדביק את קצב ההתפתחות של הבינה המלאכותית? אתם בהחלט לא לבד. סקר גרטנר האחרון חושף תמונת מצב מעניינת: 67% מהארגונים הבשלים כבר יוצרים תפקידים חדשים עבור בינה מלאכותית גנרטיבית (GenAI), ול-87% מארגונים אלה יש צוות AI ייעודי. במאמר זה נסקור את הראיון המרתק עם יורג הייזנברג, אנליסט בכיר בגרטנר, המפרט אילו תפקידים חדשים הפכו הכרחיים להצלחה בעידן ה-AI המתפתח.

תפקידים חדשים בעולם הבינה המלאכותית

מחסור במיומנויות וכוח אדם מהווה מכשול מרכזי להצלחת צוותי נתונים ואנליטיקה, כפי שחושף סקר גרטנר 2024 בקרב 479 מנהלי נתונים ואנליטיקה (CDAOs). בעיה זו צפויה להחריף עם הגידול בשימוש ביישומי AI, כאשר כבר עכשיו 53% מה-CDAOs מדווחים על הטמעת GenAI או התחייבות לפיילוט בחצי השנה הקרובה.

לצד התפקידים המסורתיים כמו מהנדסי נתונים, מדעני נתונים ומהנדסי למידת מכונה, התפתחות הבינה המלאכותית יצרה מגוון תפקידים חדשים החיוניים להצלחת יוזמות AI בארגון המודרני. תפקידים בולטים במיוחד:

• מהנדס פרומפט (Prompt Engineer) – מתמחה ביצירת הנחיות מדויקות למודלי AI גנרטיביים להפקת תוצאות אופטימליות.

• מתרגם D&A ו-AI (D&A and AI Translator) – מגשר בין צוותי הטכנולוגיה לצרכים העסקיים, “מתרגם” בין שפת העסק לשפה הטכנית ומבטיח התאמה בין פתרונות AI למטרות העסקיות.

• מהנדס ידע (Knowledge Engineer) – מפתח אונטולוגיות וגרפי ידע לייצוג האינטליגנציה הארגונית, חיוני במיוחד ליישומי GenAI מתקדמים.

• מנהל מודלים (Model Manager) – אחראי על התנהגות תקינה של מודלי למידה לאורך מחזור חייהם, כולל ניטור סטיות ובחירת מודלים קיימים.

• אתיקן AI (AI Ethicist) – בוחן השלכות בלתי מכוונות של השימוש בנתונים ובינה מלאכותית ומנהל סיכונים והזדמנויות.

• מאמת מודלים (Model Validator) – אחראי לבדיקה וולידציה של מודלי AI, להבטחת דיוק, הוגנות ואמינות.

• מהנדס החלטות (Decision Engineer) – מתכנן מערכות קבלת החלטות המשלבות אינטליגנציה אנושית ומלאכותית.

• ראש AI (Head of AI) – מוביל פיתוח ויישום אסטרטגיות בינה מלאכותית בארגון.

התרשים שלפנינו, שפותח על ידי גרטנר, מציג מיפוי מקיף של תפקידי ה-AI בארגונים מודרניים. התרשים מחלק את התפקידים לשלוש קטגוריות עיקריות:

• תפקידי AI קיימים (כחול כהה): תפקידים מבוססים כמו מהנדס נתונים, מדען נתונים ומפתח AI

• תפקידי AI מתפתחים (כחול בהיר): תפקידים חדשים יותר שהולכים וצוברים חשיבות

• תפקידי AI הכרחיים (כתום): תפקידים שארגונים חייבים לאייש כדי להצליח בתחום ה-AI

התרשים ממחיש את המורכבות הגוברת של עולם ה-AI ואת הצורך בצוותים מגוונים עם מומחיות ספציפית כדי לנצל את הפוטנציאל המלא של הטכנולוגיות:

מפת התפקידים בעולם ה-AI

פיתוח אוריינות נתונים ובינה מלאכותית

איך תכינו את הצוות שלכם לעידן החדש? התשובה פשוטה אך קריטית – תוכניות אוריינות נתונים ואוריינות AI.

39% מה-CDAOs כבר מפעילים תוכנית אוריינות GenAI לארגון הרחב, ו-26% מתכוונים להטמיע אותה בתוך שישה חודשים. עם זאת, אנליסטים של גרטנר מזהירים שעד 2028, רבע מעזיבות העובדים המצערות יהיו קשורות לחוסר אוריינות נתונים של מנהלים.

אוריינות AI היא היכולת להשתמש ביעילות ובאחריות בבינה מלאכותית בהקשר (עסקי וחברתי) עם יכולת לזהות מקרי שימוש רלוונטיים, ליישם ולהפעיל יישומי AI מתאימים. אוריינות נתונים מאפשרת לכוח העבודה לצרוך, לנתח ולקבל החלטות חכמות עם נתונים.

למה חשוב לשמור על המרכיב האנושי?

גרטנר צופה שבינה מלאכותית גנרטיבית תהיה שותפה לכוח העבודה ב-90% מהחברות ברחבי העולם עד סוף 2025. אבל למה חיוני לשמור על המרכיב האנושי? הנה הסיבה – בני אדם נחוצים כדי לתת ל-AI הקשר ולהוביל את אימוץ הנתונים, האנליטיקה והבינה המלאכותית בארגון, ולשנות התנהגויות של עובדים. למשל, מכונות מונחות AI יכולות לזהות צווארי בקבוק בשרשרת האספקה ולתת המלצות למנהל שרשרת האספקה כיצד לשפר את אספקת הסחורות בזמן ובמלואן.

יתרה מכך, היכולת של AI לייצר באופן בלתי צפוי מידע שגוי משמעותה שמסקנותיה יכולות לשמש רק כאשר התוצאות מוערכות ונשלטות על ידי אדם, וכאשר בני אדם יכולים לתקן טעויות. בסופו של דבר, ניסיונות להוביל אוטומציה של החלטות מבלי להתחשב בתפקיד האנושי בהחלטות יובילו לארגון מונחה נתונים ללא מצפון או מטרה עקבית. בני אדם נשארים מקבלי ההחלטות המרכזיים.

האם הארגון שלכם מוכן לאמץ את התפקידים החדשים הללו? זה הזמן להתחיל לחשוב על האסטרטגיה שלכם לגיוס ופיתוח הכישורים הדרושים לעידן ה-AI.

רוצים להעמיק בנושא השפעת הבינה המלאכותית על עולם העבודה? מומלץ לקרוא את הכתבה על המאמר המרתק של הרווארד ביזנס ריוויו המציג כיצד 50 מיליון משרות צפויות לעבור טרנספורמציה בעתיד הקרוב. לא פחות מעניינת היא היוזמה של הפורום הכלכלי העולמי להכשיר מחדש מיליארד אנשים עד 2030 כמענה לשינויים הטכנולוגיים המהירים. ולבסוף, מחקר שדה מרתק בחברת פרוקטר אנד גמבל בוחן את ההשפעה של שילוב אלגוריתמים כשותפים בצוותי עבודה אנושיים ומציע תובנות חדשות על עתיד העבודה המשותפת בין אדם למכונה.