[ad_1]

رهبران داده و تجزیه و تحلیل که می خواهند تیم های هوش مصنوعی خود را گسترش دهند باید بدانند که چگونه می توانند استعدادهای هوش مصنوعی را استخدام ، استخدام ، سازماندهی ، آموزش و حفظ کنند تا موفقیت طولانی مدت در هوش مصنوعی را تضمین کنند.

در حالی که سازمان ها به رشد بلوغ خود در هوش مصنوعی ادامه می دهند ، استعداد هوش مصنوعی نگرانی مکرر ذکر شده و مانعی برای موفقیت در هوش مصنوعی است.

اعتبار: metamorworks از طریق Adobe Stock

اعتبار: metamorworks از طریق Adobe Stock

با این وجود چالش هوش مصنوعی در سالهای اخیر تکامل یافته است. هنگامی که علاقه کسب و کار به هوش مصنوعی برای اولین بار شروع به رشد کرد ، یافتن و جذب استعداد هوش مصنوعی مهمترین مسئله برای تجارت بود. همانطور که هوش مصنوعی گسترده تر شده است ، توسعه و مدیریت استعدادهای هوش مصنوعی نگرانی بیشتری دارد. به عبارت دیگر ، امروزه سازمان ها کمتر در یافتن متخصصان واجد شرایط هوش مصنوعی مشکلی دارند – اما آنها برای حفظ استعداد هوش مصنوعی خود تلاش می کنند. ضعف در حفظ استعداد مانع موفقیت هوش مصنوعی می شود زیرا سازمان ها برای ایجاد ابتکارات پایدار در محیط های پرتحرک تلاش می کنند.

در اینجا آنچه رهبران داده و تجزیه و تحلیل که می خواهند تیم های هوش مصنوعی خود را گسترش دهند ، باید در مورد چگونگی استخدام ، استخدام ، سازماندهی ، آموزش و حفظ استعدادهای هوش مصنوعی بدانند تا موفقیت دراز مدت در هوش مصنوعی را تضمین کنند ، است.

وضعیت بازار استعدادهای هوش مصنوعی

در حالی که مهارت های هوش مصنوعی پنج تا ده سال پیش کم بود ، امروزه افراد حرفه ای بیشتری در این زمینه وجود دارند. هنوز شرکت هایی وجود دارند که با کمبود استعداد روبرو هستند ، اما به دلیل گسترش برنامه های هوش مصنوعی و علوم داده در دانشگاه ها و همچنین پیشرفت حرفه ای ، این شکاف در حال کاهش است.

هوش مصنوعی دارای برخی مشکلات منحصر به فرد است که سازمان ها می توانند هنگام جستجوی استعداد در آنها سقوط کنند. رایج ترین مشکلات عبارتند از:

  • استراتژی های استخدام بد. این شامل استخدام کارشناسان هوش مصنوعی قبل از آماده شدن سازمان ، استخدام نکردن نیروهای پشتیبانی مناسب یا جستجوی “شاخ های تک شاخ” است.
  • انتظارات باد شده. بسیاری از سازمان ها معتقدند که اجرای هوش مصنوعی یک شات یا مبادله بازی خواهد بود ، در حالی که تیم های هوش مصنوعی احتمالاً روی پروژه هایی با ارزش مستقیم کار می کنند.
  • مدیریت ضعیف. سازمان ها باید ضمن ارائه اطمینان از مفید بودن نتایج برای اهداف تجاری سازمان ، تعادلی بین ارائه پروژه ها به تیم های هوش مصنوعی که از آنها هیجان زده اند ، برقرار کنند.
  • ساختارهای سازمانی ناکارآمد. اگر تیم های علم داده بسته شوند و ارتباط موثری با یکدیگر برقرار نکنند ، ممکن است تلاش های خود را تکرار کنند و از کار یکدیگر بهره مند نشوند.
  • عدم استراتژی برون سپاری. برخی از سازمانها ممکن است بیش از حد به استعدادهای برون سپاری اعتماد کنند که بهتر است آنها صبور باشند و استعدادهای مصنوعی داخلی را بروز دهند. در صورت اعتماد بیشتر به برون سپاری ، دیگران ممکن است بتوانند به ابتکار عمل هوش مصنوعی خود سرعت بخشند.

پیش از رفتن به مرحله استخدام ، رهبران داده و تجزیه و تحلیل ابتدا باید ارزیابی کنند که آیا فرایندهای استخدام و مدیریت آنها در برابر هر یک از این مشکلات آسیب پذیر است. داشتن استراتژی برای شکل گیری تیم AI در سازمان بسیار مهم است.

استعداد هوش مصنوعی استخدام کنید

هنگامی که سازمان استراتژی استعدادیابی هوش مصنوعی خود را اصلاح کرد ، رهبران داده و تحلیلگران می توانند خود را در فرآیند استخدام غرق کنند ، که این یک چالش کاملا جدید است.

متخصصان هوش مصنوعی تمایل دارند از نظر جغرافیایی در مراکز فناوری و مناطق شلوغ متمرکز شوند. اگرچه این امر ممکن است تغییر کند زیرا کار از راه دور پس از همه گیری گسترده تر می شود ، اما سازمان هایی که در شهرهای بزرگ مستقر هستند به راحتی استعدادیابی می کنند. در حال حاضر ، استعداد هوش مصنوعی در صنایع خاص از جمله فناوری پیشرفته ، خدمات بانکی و مالی ، ساخت ، مراقبت های بهداشتی و خرده فروشی بیشتر شیوع دارد ، بنابراین سازمان ها در این بخش ها احتمالاً نامزدهای بیشتری را برای نقش های آزاد می بینند.

هنگام ارزیابی نامزدها برای نقش های هوش مصنوعی ، با رزومه های پر شده مراقب باشید. از آنجا که هوش مصنوعی هنوز یک زمینه در حال ظهور است ، بسیاری از افراد به اصطلاح “متخصص” هستند که مهارت ، تجربه ، اعتبار ، تحصیلات و موارد دیگر را بیش از حد ارزیابی می کنند. همچنین مهم است که فراتر از تخصص فنی داوطلب بنگرید و مهارت های او مانند زیرکی کسب و کار ، مهارت های ارتباطی و مهارت های رهبری را ارزیابی کنید. بخاطر داشته باشید که استعدادهای نخبه هوش مصنوعی دائماً استخدام می شوند ، و ایجاد ابتکارات پایدار هوش مصنوعی هنگام ترک اعضای اصلی تیم می تواند یک چالش باشد. اطمینان حاصل کنید که دوره قبلی نامزدها با استراتژی سازمان شما سازگار است و برای اطمینان از متناسب بودن با فرهنگ به مصاحبه اعتماد کنید.

در آخر ، توجه به این نکته مهم است که انتظارات از حقوق در زمینه هوش مصنوعی زیاد است. برای کارشناسان واقعی ، ارزش پرداخت دارد ، و با توجه به رقابت شدید برای استعداد هوش مصنوعی ، ممکن است لازم باشد ساختارهای معمول حقوق و دستمزد برای این اجاره ها جدا شود. اگر فکر می کنید با یک متخصص «معامله» می کنید ، احتمالاً شخص دیگری به زودی مقدار دقیق پول را به او پیشنهاد می کند (یا تجربه آنها همان چیزی نیست که انتظار داشتید).

استعداد هوش مصنوعی را حفظ کنید و تیم ها را راضی نگه دارید

واقعیت خشن این است که همیشه استعداد هوش مصنوعی جابجا می شود. حتی دانشمندان داده شهروندان و سایر متخصصانی که مهارت بیشتری دارند می توانند این مهارت ها را به جای دیگری ببرند. اگرچه روش هایی برای افزایش احتباس وجود دارد ، مهم است که واقع بین باشید و مقدار مشخصی از استعداد را در استراتژی هوش مصنوعی خود بگنجانید.

دلیل اصلی ترک استعداد هوش مصنوعی پول است. بهترین راه برای محافظت از سازمان خود در برابر شکارچیان غیرمجاز ، اطمینان از ارائه حقوق رقابتی است. جدا از امور مالی ، دلیل اصلی دیگر ترک استعداد هوش مصنوعی بی حوصلگی و ناامیدی است. یا کارشناسان از پروژه هایی که روی آنها کار می کنند ناراضی هستند یا از فناوری مورد استفاده خود راضی نیستند. اطمینان حاصل کنید که فناوری مورد نیاز تیم های هوش مصنوعی را برای موفقیت در اختیار شما قرار می دهند و اغلب با آنها مشورت کنید تا مطمئن شوید می توانند از مهارت ها و فنون مورد علاقه بیشتر آنها استفاده کنند.

استخدام نیروهای پشتیبانی از متخصصان نیز مهم است. استخدام مهندسان داده ، تحلیل گران تجارت یا توسعه دهندگان برنامه ها ممکن است آسان تر باشد و ممکن است برخی از کارهای کمتر تخصصی دانشمندان داده را به عهده بگیرد. این اطمینان می دهد که متخصصان ناچیز شما می توانند روی پروژه های هوش مصنوعی با ارزش بالا متمرکز شوند.

راه دیگر برای محافظت در برابر شکار غیرقانونی با توانایی های مصنوعی ، پرورش مجموعه ای از استعدادهای درونی است. این اطمینان می دهد که بخشی از تیم هوش مصنوعی شما از افرادی تشکیل شده است که می دانید در قالب فرهنگی هستند و نسبت به سازمان تعهد نشان داده اند. انتظار می رود طیف گسترده ای از متخصصان کمی را به عنوان محققان داده های غیرنظامی پالایش کنید ، و این راه را برای آنها هموارتر می کند تا در نهایت به سمت نقش های فنی بیشتر هوش مصنوعی حرکت کنند.

سرانجام ، فراموش نکنید که متخصصان خود را تقویت کنید. همانطور که شرکت در استفاده از هوش مصنوعی به بلوغ رسیده است ، به متخصصان ارشد داده نیاز دارد که می توانند فراتر از مدل سازی و شروع به هدایت دیگران و بیان داستان چگونگی سودمندی هوش مصنوعی برای سازمان باشند. استعدادهای موجود در هوش مصنوعی را که ممکن است در نهایت به سمت نقش های ارشد سوق داده شوند ، شناسایی کرده و بر بهبود مهارت های ارتباطی و مدیریتی آنها تمرکز کنید. اطمینان حاصل کنید که یک نردبان شغلی مشخص وجود دارد و کارشناسان از فرصت های رشد مهارت و رشد آگاه هستند.

استخدام و استخدام استعداد مناسب هوش مصنوعی برای به کارگیری هوش مصنوعی ضروری است ، اما آموزش و حفظ این استعداد چیزی است که اطمینان می دهد پروژه های هوش مصنوعی ارزش تجاری واقعی تولید می کنند. با رویکرد دقیق در ایجاد – و حفظ – تیم متخصصان هوش مصنوعی خود ، سازمان خود را برای موفقیت در هوش مصنوعی توانمند کنید.

پیتر کرنسکی مدیر تحقیقات در گارتنر ، شرکت ، متخصص در علم داده و یادگیری ماشین است. پیتر و دیگر تحلیلگران گارتنر در مورد آخرین روند در داده ها ، تجزیه و تحلیل و هوش مصنوعی در مورد بیشتر بحث خواهند کرد اجلاس و تجزیه و تحلیل داده های گارتنرکه در عمل این هفته در آمریکا اتفاق می افتد.

انجمن هفته اطلاعات متخصصان فناوری اطلاعات و متخصصان صنعت را با مشاوره ، آموزش و نظرات فناوری اطلاعات گرد هم آورده است. ما تلاش می کنیم تا رهبران فن آوری و متخصصان موضوع را برجسته کنیم و از دانش و تجربه آنها برای کمک به مخاطبان IT خود استفاده کنیم … بیوگرافی کامل را ببینید

ما از نظرات شما در مورد این موضوع در کانال های رسانه های اجتماعی خود استقبال می کنیم ، یا [contact us directly] با س questionsالات در مورد سایت.

مقالات بیشتر



[ad_2]

منبع: tasiveh-news.ir