吸引和留住人工智能人才在任何地方都充满挑战。 中国也不例外。
在我们对高级企业高管进行的 2022 年全球人工智能调查中，75% 的中国受访者表示在招聘数据科学家方面面临挑战。 超过一半的人还表示，他们很难找到人才来填补其他与人工智能相关的关键职位，包括数据工程师、数据架构师和机器学习工程师，这些人都需要设计、构建和工业化先进的数字和人工智能能力。
我们的最新研究表明，即使最近市场萎缩，情况也会变得更加困难。 到 2030 年，随着企业竞相释放人工智能在中国可以带来的超过 1 万亿美元的潜在价值，中国对熟练构建人工智能产品的人员的需求将从目前的水平增长六倍（从 100 万人增加到 600 万人）。 （有关我们研究方法的详细信息，请参阅侧边栏“关于研究”。）
然而，预计到 2030 年，本地和海外大学以及现有的顶尖人才只能提供约 200 万（或三分之一）所需的人工智能人才，导致人工智能岗位短缺 400 万人（图表 1）。 我们的研究表明，2030 年之后，出生率下降将进一步收紧人工智能人才的供应，因为进入大学课程的学生将会减少。
随着巨大的人才缺口迫在眉睫，我们开始了解公司可以采取哪些措施来确保他们拥有竞争所需的人才和能力。 我们对中国 100 多家顶级公司的调查和采访揭示了两个重要的见解：
并非所有的人才缺口都是一样的。 虽然所有公司都需要提高现有员工的技能，并超越传统的招聘做法来获得他们所需的人才和能力，但所需的投资和干预类型将根据每个公司的数字成熟度水平而有所不同。
虽然中国毕业生越来越青睐本土公司及其创新和基于绩效的激励结构，但在中国经营的外国跨国公司如果有效利用其全球足迹，将能够从更大的人才库中汲取人才。
在本文中，我们分享了公司在数字化成熟度的每个阶段应优先考虑的人才类型，以及随着人工智能人才变得更加稀缺，他们如何才能最好地获得所需的技能和能力。
人才和技能需求因数字成熟度而异
推动中国最重要价值创造的数字和人工智能举措将需要广泛的先进技术技能。 这些技能大致分为七个领域：客户体验、云、自动化、平台和产品、数据管理、DevOps（一种简化软件开发的方法）以及网络安全和隐私。 虽然领导者最终需要在所有领域建立人才库，但我们的研究表明，他们的优先事项将根据公司所处的常见数字成熟度原型而有所不同：传统主义者、混合主义者或数字主义者。
传统主义者
传统主义公司是那些刚刚开始数字化转型的公司。 他们通常拥有小型内部团队，并面临着启动数字和人工智能转型的巨大竞争压力。 他们的重点将放在构建数据基础以优化业务流程，并专注于旨在产生直接业务影响的目标用例（而不是研究和开发用于未来创新的人工智能功能）。 为此，需要特别优先考虑两类人才：
第一类是具有数据架构、数据工程、数据分析和分析翻译技能的数据管理专家，他们可以构建数据平台、管道和流程，以实现数据访问民主化、实现实时数据驱动的洞察、确保数据安全。 质量和治理，并管理用例的生命周期。 领导者可以聘请这些专家在数据产品或用例团队中任职，将新的数字和人工智能功能变为现实。 卓越数据中心还需要其中一些专家共同设计和监督数据管理流程，以确保适当的访问控制、数据质量以及批准和保留策略。
一家农业企业首先构建了一个集中式企业数据中心，该数据中心支持数据管理协议和治理流程，并可供来自不同职能部门的数千名员工访问，以实现人工智能和分析用例。 这项工作消除了重复开发新数据管道的需要，显着降低了 IT 成本，并使公司能够实现业务方法现代化，例如，利用机器人跟踪动物的繁殖条件，并在潜在疾病和潜在疾病发生时生成自动警报。 检测到其他问题。
第二类优先人才是具有软件开发技能的平台和产品专家，他们可以定制软件即服务（SaaS）或其他外包解决方案，以提高业务效率并提供面向客户的新服务。 例如，一家消费电子制造商在看到最初的人工智能用例取得了可喜的成果后，开始投资数据平台开发团队，该用例优化了生产计划和劳动生产率。 该团队将更新底层模型、用户界面、数据管道和后端基础设施，以便他们能够不断增强和引入当前和其他人工智能用例。
混合动力车
混合型企业是那些已经在数字化转型方面投入巨资的行业老牌企业。 他们已经建立了强大的内部技术能力和基础，现在着眼于简化开发流程，以更快地交付新的数字和人工智能产品，并增加领域专业知识，以提供卓越的客户体验。 为此，他们需要精通软件开发实践的 DevOps 专家，例如敏捷产品管理、持续集成/持续交付 (CI/CD) 实践以及可以加速部署的微服务。 他们还将争夺客户体验专家，这些专家擅长使用广泛的预测分析、设计思维以及自动化测试和原型设计能力来推出新的客户体验。
随着混合型企业不断扩展其能力并在云中托管更多人工智能模型和应用程序，IT 效率和服务器支出也将变得非常重要。 我们的 2022 年云调查发现，超过四分之三的中国企业计划使用多种云服务，其中 90% 的企业计划到 2025 年混合使用公有云和私有云服务。3 了解需要哪些功能以及如何在每个云服务中运行它们 类型的云需要具有 Kubernetes、Docker 和多云架构经验的云专家。
数字主义者
数字主义者是数字原住民，例如超大规模企业、人工智能和科技初创企业。 虽然他们在数字和人工智能的大多数领域已经拥有强大的人才库，但他们需要进一步扩大人才库，以跟上不断变化的行业期望和技术进步。
重点领域之一是网络安全和数据隐私。 在中国，人们加大力度缓解安全和隐私问题，这些问题可能会影响人工智能和数字化工作，数字专家需要具有整体视野和系统方法的专家来解决这些问题。 排名靠前的是擅长在产品开发早期进行安全测试（通常称为左移安全）、零信任安全框架以及数据保护法律和实践的个人。
另一个优先事项将是在生成人工智能、机器人流程技术、机器学习、人工智能分析和量子计算方面拥有先进技能的自动化专家，他们可以端到端地自动化开发、测试和部署流程，以提高效率和速度。 他们可以将新功能推向市场。
各种类型的跨国公司
在各个数字成熟度水平上，在中国运营的跨国公司还必须确保其人工智能人才具备在全球足迹中利用和共享工作的技能。 例如，团队需要流利地使用普通话以外的第二语言，并了解西方的工作方式，以便与世界各地的同事无缝沟通。 领导者需要强大的合作技能，使其工作符合组织的全球 IT 和人工智能标准，同时有效满足当地企业领导者的期望。 产品所有者需要了解他们可以重用和扩展来自不同地区的哪些数据和设计，以及他们需要在本地重建哪些数据和设计，以解决中国数字生态系统的独特性。
考虑由一家跨国公司的欧洲办事处开发的全球交通应用程序，该应用程序使用来自 Google、Facebook 和 Instagram 的消费者流量数据来优化路线。 虽然该公司在全球的大多数部门都可以按原样重用该功能，但中国的产品所有者需要指导其团队修改应用程序，以便在部署之前从中国平台提取数据。
