欧易

欧易(OKX)

国内用户最喜爱的合约交易所

火币

火币(HTX )

全球知名的比特币交易所

币安

币安(Binance)

全球用户最多的交易所

人工智能凉了吗?

2023-02-06 12:22:43 549

摘要:一、开始17年大学毕业,因为看了一本《浪潮之巅》,毅然决然地选择了人工智能这个浪潮,期望自己能够跟随这个浪潮得到人生的机遇。三年下来我也真的遇见了不一样的自己,庆幸之前的选择。这三年中我从一无所知的应届生成长成了一个了解对话系统、算法原理、...

一、开始

17年大学毕业,因为看了一本《浪潮之巅》,毅然决然地选择了人工智能这个浪潮,期望自己能够跟随这个浪潮得到人生的机遇。

三年下来我也真的遇见了不一样的自己,庆幸之前的选择。这三年中我从一无所知的应届生成长成了一个了解对话系统、算法原理、产品的设计的产品狗,也更明确了职业发展,对职业发展有了明确清晰的规划。

2019年互联网行业显得格外冷,各家大厂裁员、创业公司倒闭,身边越来越多做人工智能的朋友也表达了对人工智能行业发展持悲观的看法,认为目前的人工智能和自己入行前想象的人工智能差距太大。而前几天刷知乎的时候看到一个问题,也让我开始思考自己所在的行业。

思考现在的人工智能行业还是不是三年前的人工智能行业,人工智能行业的发展方向是不是有所变化,自己是否需要及时调整自己的方向。

二、结论

先说我认为的结论:我认为现在人工智能行业依旧火热,在经济下行的压力下,企业降本增效的需求强烈,市场上对人工智能行业的需求依然旺盛。给人一种行业降温,工作不好找错觉的原因是人工智能行业的人才需求和人才供给不匹配导致的。

人工智能行业相对于零售、金融等一些成熟的行业来说还是一个小而美的行业,目前还难以独立创造价值,创造的价值目前还是依靠这些成熟行业,通过对成熟行业的智能化改造,去降低行业运营成本,发掘行业新的增量去产生商业价值。而且正是因为依靠成熟行业创造价值,这就导致了了人工智能行业对人员的数量要求不像传统的行业一样,动辄千万计数。

但是这几年的人工智能热潮让大量的人一窝蜂的涌入人工智能行业,这里面有这大量的新开设人工智能专业的毕业生、非人工智能专业的毕业生、通过培训机构转行进入人工智能行业的人。

不过,随着人工智能在各个行业的深入,每个行业最容易吃到的肉被吃完后,继续寻找可以降本增效空间的任务难度随之上升,此时员工除了基本的人工智能能力之外,对应的行业能力就显得尤其重要了。

这些人工智能从业者往往缺乏垂直行业的经验,与企业需求不匹配,就导致了一些人找不到理想工作的现象出现。

三、人才供给

人工智能行业经过几年的发展,输出了一大批有经验的从业人员。高校紧跟政策,新开人工智能专业,也给社会输出了一大批新鲜的血液,培训机构也输出了不少的复合型人才。人工智能行业的人才供给加大,加剧了行业内的竞争。当然,好的竞争能够更好的促进社会的发展。

1. AI产品经理

人工智能行业刚刚兴起的时候大部分的AI产品经理是从通过创新专项从传统互联网产品经理转岗进入人工智能行业的;还有一部分则是算法工程师兼产品经理,随着项目的落地,转岗称为AI产品经理。这两类的AI产品经理要么深刻理解业务场景,要么精通技术实现,而且参与了最早的AI项目落地,具备完整的0-1项目经验,也是目前对各家企业最有吸引力的。

前两年人工智能行业刚刚开始落地,对数据有着大量的标注需求,很多团队都是通过内部运营人员、客服团队进行标注的。

随着冷启动完成,系统进入线上运营阶段,很多人工智能训练师也承接了线上运营的工作。通过对系统日志的分析,不断产生新的服务质量提升需求,慢慢的这些人工智能训练师就转岗称为了AI产品经理。

这两年随着人工智能专业的毕业生进入社会,也有很多直接从事了AI产品经理的工作。这两类的AI产品经理目前因为工作经验的原因,还需要时间去积累能力。

2. AI训练师

人工智能训练师在市场上呈现两极分化,只会简单数据标注工作的人工智能训练师薪资持续下降,另一边则对了解模型原理、熟悉bad case修复、能够制定运营流程规范的人工训练师,企业则不断抬高招聘薪资吸引他们。

这很大一部分原因是很多公司将从事数据标注和数据质检的都统称为人工智能训练师,无形中增加了招聘的成本。大量的企业客服系统智能化升级、数据标注众包平台为行业输出了大量的数据标注员、数据质检员。

以我从事客服行业为例,大部分的标注人员都是由一线的客服人员转岗来的,他们了解一线业务,能够很好的完成知识库梳理、语料标注。但是这些标注人员缺乏运营经验、不了解模型及系统原理,待智能客服完成冷启动上线后,对bad case修改、系统运行逻辑不了解,导致难以输出运营流程规范制,推动智能客服不断迭代。

只能进行数据标注的人工智能训练师,市场上的薪酬大多只有3.5-8K每个月左右,对于具备带标注团队经验的人工智能训练师,市场上大多能够开到12-16k每个月的薪酬水平。

3. 算法工程师

目前算法工程师主要来源有人工智能转毕业生和机构培训、自学算法的开发人员两类。

算法工程师经常是社会新闻的主角,常常被冠以年薪百万,然而实际上能够达到年薪百万的算法工程师只是一小部分,这些人都是拥有丰富的工程化经验,能够很好的将复杂的业务场景完成建模及模型参数优化工作的。

而AI培训机构圈钱行为输出的算法工程师则能力参差不齐了,网上开源的算法也降低了算法应用的门槛,很多培训机构输出的算法工程师往往因为算法基础不够扎实,不具备针对行业场景建模的能力,只会应用通用解法、开源的算法去解决问题。

四、人才需求

1. 行业头部企业

头部的互联网企业,如百度、阿里巴巴、美团等在这一轮的人工智能热潮刚兴起时就很早的参与进去,在前期就完成了和自己的业务结合,并且紧跟技术的发展,不断完善迭代自己的技术、优化场景。

例如:美团对于配送时间预估先是通过机器学习实现,后续升级为深度学习,最后通过MVP验证完后,通过优化为轻量化达到线上的高可用。对于自身业务智能化成熟的部门。

目前头部企业面向用户的部门对人工智能从业者的需求很少,就算有坑,他们也对于AI产品经理的需求最重要的就是要求具备多年垂直行业经验,对于人工智能技术只需要了解技术的边界即可。

企业希望通过这类人才帮助企业进行更深入的应用,挖掘出更多的商业价值。对算法工程师的需求大多是要求能够根据场景进行建模,设计算法解决业务问题。

另外,头部的企业通过内部业务应用打磨完成了产品后,都有很强的对外输出需求,例如:阿里云、百度ai开放平台等。这些b2b部门对于人工智能从业者的要求则更多是具备项目实施的经验、沟通能力强、具备解决方案设计能力,因为他们都是通过标准化的产品+部分定制开发的项目实施模式对外进行能力输出。

2. 行业第二梯队企业

第二梯队的企业对于人工智能态度就存在很大的差异,既有积极拥抱的;也有理性看待,根据自己需要外采;也有对看不透的东西主观上就进行排斥的。

理性看待人工智能的公司,大多根据自己实际业务需要,有针对性的外采供应商的ai系统解决自己的业务场景问题,这样就不用自己0-1搭建多套机器学习环境、数据积累及标注,并且能够避免一整个AI项目团队的人员开支。

积极拥抱的人工智能的公司,一般青睐于有0-1经验的人员,能够帮助他们快速完成系统搭建。如果项目启动在即,实在没有0-1经验的候选人出现时,他们也会招聘有一定人工智能经验的候选人即可。

3. AI创业公司

每个浪潮的兴起,都会有一些嗅觉灵敏的人敢为人先,去创办创业公司。人工智能行业早起的创业公司既有toc,做个人助手的出门问问,也有面向b端市场的追一、竹间、思必驰等。

tob企业一般遵循着“可用-标准化-规模化”的商业模式,人工智能行业目前还难以独立产生商业价值,在互联网寒冬的大背景下,ai创业公司往往倒的更快。因此,他们一般维护着一小支创新团队+多个项目实施团队的组织架构。

创业公司因为难以吸引到最顶尖的人才,往往会采用1+1的组合去实现自己的目标,即招聘一个具备自己缺失能力的人与内部人员组合形成团队,例如:当A创业公司希望打造一个智慧政务解决方案时,会招聘一个有风度政务经验的人,然后从内部配合一个AI产品经理与之搭配,一同完成智慧政府解决方案的搭建及落地。

4. 转型AI企业

每个行业都有从启蒙到发展,再到成熟的过程。成熟的行业要么一家独大,要么就是几个不相伯仲的企业之间红海竞争,互相不得利。很多成熟行业的企业,期望通过AI转型,开拓新的业务线,实现差异化竞争。

这些企业往往青睐于有0-1经验的人员,能够帮助他们快速完成系统搭建。

五、建议

企业发展的趋势是不可逆的,都是不断深入的,那么如果调整自己与企业需求匹配,跟随企业的发展实现个人的发展就很重要了。那么如何让自己保持在浪潮之巅,就放在下篇文章写写AI从业者需要具备的技能树吧。

本文由 @AIPM祝同学 原创发布于人人都是产品经理。未经许可,禁止转载

题图来自 Unsplash ,基于 CC0 协议

版权声明:本站所有文章皆是来自互联网,如内容侵权可以联系我们( 微信:bisheco )删除!

相关推荐

友情链接
币圈社群欧易官网