Le professioni emergenti nel futuro dell’AI

L'intelligenza artificiale può essere un fattore di differenziazione per le aziende. Ecco i ruoli e le competenze chiave di cui potrebbero aver bisogno per un team AI di successo

professioni intelligenza artificiale

L’intelligenza artificiale sta trasformando quasi tutti i settori e molte funzioni lavorative. Nei prossimi anni molti ruoli all’interno delle aziende richiederanno un certo utilizzo delle tecnologie di intelligenza artificiale, creando enormi nuove opportunità per esperti di intelligenza artificiale indipendentemente dal loro background.

Accanto a questa trasformazione dei ruoli professionali esistenti, emergerà nuovi profili mirati a sfruttare al meglio le strategie organizzative legate all’AI. Gli ingegneri specializzati in machine learning hanno già consolidato il loro ruolo come membri indispensabili dei team di intelligenza artificiale, ottenendo il primo posto nella classifica di Indeed dello scorso anno. Secondo il report Emerging Jobs 2020 di LinkedIn gli specialisti di intelligenza artificiale sono i profili più ricercati, con una crescita annuale del 74% negli ultimi quattro anni, seguiti da ingegneri specializzati in robotica e data scientist.

Anche durante la pandemia il numero di lavori legati all’intelligenza artificiale potrebbe aumentare a livello globale dal 13 al 16 percento, secondo l’analista di IDC Ritu Jyoti. “A causa della pandemia, IDC ritiene che la spesa e l’occupazione in AI aumenteranno nel settore sanitario, l’istruzione, le aziende farmaceutiche e gli enti pubblici”, afferma Jyoti.

adv
Cloud Communication Business

Nell’era digitale il centralino va in Cloud

La telefonia di nuova generazione è in software-as-a-service: non richiede di installare centralini hardware, gestisce fisso e mobile, e consente di attivare nuove linee o filiali con un clic, abilitando Smart Working e Unified Communication. SCOPRI DI PIÙ >>

Per capire quali sono i profili di cui le aziende avranno bisogno nel prossimo futuro abbiamo rivolto la domanda a leader IT, esperti di intelligenza artificiale e analisti del settore. Alcune aziende all’avanguardia stanno già cercando di coprire queste posizioni, e hanno condiviso informazioni sul mix di competenze necessarie per avere successo in questi ruoli.

Chief AI officer

I ruoli di leadership legati all’intelligenza artificiale rientrano in una serie di titoli, quali Vicepresidente dell’AI e del machine learning, Chief Innovation Officer, Chief Digital Officer.

Qualunque sia il nome, questi “Chief AI Officer” devono capire in che modo le tecnologie cognitive incidono sul business, sviluppare la strategia di intelligenza artificiale dell’azienda e spiegarla a consiglio di amministrazione, management, dipendenti e clienti. E collaborano con il CIO per attuare questa strategia e soddisfare al meglio le esigenze dell’azienda e di tutte le parti interessate.

Nicole Eagan, Chief AI Officer della società di sicurezza informatica Darktrace, divide il suo tempo lavorando con team tecnologici interni, parlando con i clienti e divulgando la strategia di intelligenza artificiale della società. Questa include capire come integrare il lavoro umano con l’AI, per esempio nel rilevare le minacce alla sicurezza.

Collaboro con il CTO e il nostro laboratorio di intelligenza artificiale per esplorare nuove aree di ricerca e sviluppo”, afferma Eagan, che in precedenza ha scalato i ranghi del gruppo strategico Oracle per diventare Senior director of strategic marketing.

Eagan migliora continuamente le sue abilità tecniche nell’intelligenza artificiale attraverso le lezioni online, ma il suo ruolo in Darktrace è più incentrato sul business. “Il mio obiettivo è applicare l’AI ai problemi del mondo reale, piuttosto che creare algoritmi e scrivere codice”, spiega Eagan. “Nei nostri laboratori abbiamo oltre 35 esperti con competenze in matematica avanzata, apprendimento automatico e intelligenza artificiale”.

Howie Xu, Vicepresidente AI e machine learning presso Zscaler, è partito da ruoli tecnici e ha integrato la sua esperienza con competenze di business. Accanto alla solida conoscenza dei prodotti, l’ex capo della business unit dei servizi cloud e di rete di Cisco ha conseguito un MBA a Stanford. “Quando sono entrato in Zscaler il mio ruolo era più incentrato sulla tecnologia”, afferma. “Per sfruttare al massimo AI e ML, ho dovuto evolvermi e dedicare più attenzione all’impatto sul business”.

Agli aspiranti “chief AI” Xu suggerisce di concentrarsi su aree in cui AI e ML possono portare a un miglioramento di dieci volte il valore aziendale, pensando prima alle metriche business che alla tecnologia.

AI ethics officer

Il responsabile dell’etica dell’AI è un’altra posizione di alto livello che richiede un’ampia collaborazione con tutte le parti interessate. Il ruolo può anche riguardare rischi e governance e potrebbe essere necessario coordinarsi con enti governativi, organizzazioni no profit, team legali, utenti e gruppi sulla privacy, oltre ai team IT.

Kathy Baxter, Architect for ethical AI practice presso Salesforce.com, afferma che i responsabili dell’etica dell’IA devono avere una passione per la tecnologia, ma anche un sano scetticismo. “L’intelligenza artificiale non è magica e non è la risposta a ogni sfida. È necessario chiedersi frequentemente non solo ‘possiamo farlo?’, ma ‘dovremmo farlo?’“, afferma Baxter, che ha lavorato presso Google, eBay e Oracle nella ricerca dell’esperienza utente.

Sebbene le competenze tecniche siano estremamente utili, gli AI ethics officer non devono necessariamente essere informatici o data scientist, secondo la manager. “Sono importanti anche conoscenze umanistiche come psicologia, sociologia, filosofia o interazione uomo-macchina”, sottolinea Baxter. “È fondamentale concentrarsi sulla comprensione di tutti coloro che sono impattati dalla tecnologia, dalle loro esigenze, dal contesto e dai valori”.

Baxter, che ha un master in ingegneria dei fattori umani e una laurea in psicologia applicata, ritiene utile anche la capacità di gestire i dibattiti emotivi. “Quando parliamo di etica, le persone possono sentire che i loro valori vengono messi alla prova”, spiega. “Essere in grado di avere scambi di opinione in modo inclusivo può fare la differenza tra successo e fallimento”.

Secondo la manager le aziende che prestano attenzione all’etica durante l’implementazione dell’AI creano ambienti più sicuri e più giusti. Inoltre, un’intelligenza artificiale imparziale è più accurata e porta a migliori performance aziendali.

La regolamentazione dell’intelligenza artificiale sta arrivando, quindi pensarci oggi preparerà meglio le aziende ad essere conformi”, aggiunge.

AI business analyst

Per trarre valore dai modelli di intelligenza artificiale i data scientist devono lavorare con analisti aziendali”, afferma Shuman Ghosemajumder, responsabile globale dell’AI per Shape Security, che ha già assunto qualcuno in questo ruolo e prevede di fare altre assunzioni in quest’area.

Secondo Ghosemajumder, un AI business analyst dovrebbe avere una forte conoscenza dell’azienda, del suo modello di business e dei processi aziendali o del prodotto per cui vengono sviluppate soluzioni di intelligenza artificiale. Deve anche saper parlare di tecnologia per confrontarsi con data scientist e ingegneri dei dati.

AI business operations manager

Un ruolo correlato, il responsabile delle operazioni aziendali dell’AI, lavora sul lato aziendale per gestire e migliorare i processi aziendali che utilizzano l’intelligenza artificiale. “Un AI business operations manager dovrebbe avere conoscenze di base nelle operazioni ed esperienza nei particolari processi aziendali che vengono automatizzati attraverso l’AI“, spiega Ghosemajumder. “Dovrebbe anche essere in grado di analizzare i dati generati da tali operazioni”.

Trovare persone per coprire ruoli AI orientati al business può essere più difficile di quanto sembri, secondo Anand Rao, partner e leader globale dell’AI di PricewaterhouseCoopers.

Le università e altri istituti di formazione preparano una serie di esperti tecnici entry-level”, afferma. “Tuttavia, i ruoli aziendali e manageriali devono essere sviluppati e coltivati all’interno dell’azienda e rappresentano una sfida significativa”.

Chief data scientist

Tipicamente il principale lavoro tecnico in ambito AI, il ruolo del Chief data scientist si è evoluto per includere più capacità di business.

I data scientist di cinque anni fa erano statistici”, afferma Brian McCarthy, Head of analytics transformation presso McKinsey. “Oggi vediamo che i data scientist provengono da diversi ambiti tecnologici”.

I data scientist sanno quali dati utilizzare e quali algoritmi sviluppare per ottenere i migliori risultati. Collaborano con ingegneri dei dati e sviluppatori software per trasformare questo know-how in applicazioni e con le business unit per garantire che la tecnologia soddisfi le esigenze aziendali.

Michael Roytman, Chief data scientist di Kenna Security, ha conseguito i suoi master in ricerca operativa nel 2012 presso il Georgia Institute of Technology, dove ha studiato processi stocastici e ottimizzazioni. E’ entrato come data scientist in Kenna Security, dove è stato promosso a Chief data scientist.

I Chief data scientist si stanno evolvendo per applicare le loro competenze al miglioramento delle capacità di analisi all’interno dell’azienda“, afferma Roytman.

AI architect

Gli AI architect, noti anche come ingegneri AI o ML, sono responsabili della creazione dei sistemi per eseguire e gestire i progetti AI e ML.

Sono persone che possono guardare a progetti di intelligenza artificiale su vasta scala”, afferma Steve Whittaker, responsabile delle partnership strategiche di ricerca presso BT e capo della partnership di ricerca con il MIT. “Gli IT architect che acquisiscono competenze di intelligenza artificiale e machine learning sono buoni candidati per questi ruoli”.

Se l’azienda sta sviluppando una piattaforma AI, chi se ne occupa ha bisogno di competenze DevOps”, aggiunge. “Deve sapere come lavorare su larga scala, comprendere lo sviluppo agile e avere un senso di processo e dati”.

L’AI architect può anche essere responsabile della riorganizzazione dei processi aziendali, per allinearli agli obiettivi di business.

Ogni azienda che sviluppi la propria infrastruttura AI o ML avrà bisogno di AI architect. “Non si tratta solo di Google, Facebook e Amazon”, dice Whittaker. “E’ un ruolo recente, e questo significa che i background variano notevolmente, da giovani laureati con nuove idee, a persone con 40 anni di esperienza pratica nella gestione di progetti”.

Secondo Dustin Hillard, CTO di eSentire, gli ingegneri ML idealmente sono professionisti con diversi anni di esperienza di lavoro con grandi set di dati e framework di elaborazione dei dati cloud, con la capacità di progettare, costruire e distribuire sistemi di intelligenza artificiale complessi.

AI data engineer

Sia l’intelligenza artificiale che l’apprendimento automatico vivono di dati. Ma i dati richiesti possono differire nel tipo e nella scala rispetto a quelli richiesti da altri sistemi, quindi qualsiasi azienda che desideri eseguire analisi avanzate, ML o AI avrà bisogno di un AI data engineer.

Le grandi aziende sono le più interessate a questo ruolo emergente”, afferma Kevin Brown, responsabile della sicurezza di BT. “Ma anche altre aziende che dispongono di grandi quantità di dati. Il settore sanitario, pet esempio, sta assistendo a una crescita esponenziale dei dati a causa della pandemia”.

In BT la quantità di dati elaborati è sconcertante. Solo per quanto riguarda la sicurezza informatica, ci sono milioni di eventi al secondo e circa 4.000 attacchi informatici al giorno. “La società impiega un managing director che si concentra esclusivamente sull’intelligenza artificiale e sulla strategia”, afferma Brown, “nonché sviluppatori, ricercatori e data scientist specializzati in AI”.

Abbiamo una grande quantità di dati che dobbiamo esaminare rapidamente per trovare le anomalie”, dice. Ed è qui che entrano in gioco gli AI data engineer. “Siamo sempre alla ricerca dell’ago nel pagliaio”.

Data manufacturing architect

Le aziende nel settore dei dati offrono ruoli ancora più specializzati. Bloomberg, per esempio, ha recentemente assunto qualcuno per coprire il nuovo ruolo di Data manufacturing architect nel suo team di Data Science.

Il Data manufacturing architect aiuta Bloomberg a creare dati strutturati di alta qualità per i suoi clienti dei servizi finanziari, inclusi oltre 325.000 clienti Bloomberg Terminal. “I dati provengono da fonti non strutturate”, spiega Gideon Mann, responsabile data science di Bloomberg. “Questi numeri devono essere precisi e accurati, con standard che vanno oltre quelli della maggior parte dei settori industriali e accademici”.

Bloomberg sta cercando anche altri profili specializzati in intelligenza artificiale, tra cui ricercatori in intelligenza artificiale, human computation architect, senior ML engineer for media data science, senior software engineer per sistemi distribuiti.

Sono ruoli che richiedono esperienza in AI, ML, elaborazione del linguaggio naturale, recupero di informazioni e finanza quantitativa”, afferma Anju Kambadur, Head of AI engineering presso Bloomberg, e dovrebbero avere esperienza con linguaggi di programmazione come Python, Java e C ++. “Ma anche le capacità di comunicazione, collaborazione e sviluppo del prodotto sono importanti, in particolare la capacità di lavorare e comunicare oltre i confini aziendali e le singole discipline”.

AI quality assurance manager

Per soddisfare le esigenze delle aziende all’avanguardia stanno emergendo ulteriori lavori relativi all’intelligenza artificiale. Alcuni di questi ruoli non esistono ancora sul mercato del lavoro e la maggior parte non avrà un curriculum standardizzato o un tradizionale percorso di carriera.

Consideriamo per esempio il ruolo emergente di AI quality assurance manager. Potrebbe essere visto come l’evoluzione del ruolo di garanzia della qualità del software, ma la garanzia della qualità per i progetti di intelligenza artificiale è notevolmente diversa. Il codice stesso è raramente il problema, sebbene un’azienda possa scegliere l’algoritmo sbagliato per il progetto in questione.

Ciò che è più importante sono set di dati di addestramento incompleti, obsoleti o distorti. I dati distorti sono un problema particolarmente spinoso che può portare non solo a cattivi risultati, ma anche a implicazioni normative, cattiva pubblicità, multe o azioni legali.

Nessuno capisce davvero in che modo la distorsione arriva nei dati e come evitarla”, afferma John O’Neil, Chief data scientist di Edgewise Networks, recentemente acquisita da Zscaler. “È un’area di ricerca attiva, e al momento non ci sono regole da seguire che garantiscano l’imparzialità dei dati”.

Citizen data scientist

Secondo Gartner, entro il 2024 gli utenti esperti di intelligenza artificiale colmeranno la mancanza di data scientist. Questi “Citizen data scientist“, come li chiama Gartner, saranno in grado di svolgere compiti relativi all’intelligenza artificiale perché gli strumenti necessari per distribuire analisi avanzate, apprendimento automatico e intelligenza artificiale diventeranno sempre più facili da usare.

Non si tratta di un ruolo definito, tuttavia. Secondo Gartner, l’esperienza con strumenti di “Citizen data scientist”, come Auto ML, farà parte delle richieste per una serie di profili professionali.

I tradizionali data scientist sono costosi da assumere e formare”, afferma Ryohei Fujimaki, CEO e fondatore di DotData, società che sviluppa piattaforme di intelligenza artificiale.

Ma circa il 28 percento delle iniziative di intelligenza artificiale e apprendimento automatico sono fallite, secondo un’indagine di IDC pubblicata a marzo, in gran parte a causa della carenza di competenze. “Tra le ragioni principali del fallimento viene citata mancanza di personale con le competenze necessarie”, spiega Jyoti di IDC. “Ciò significa che c’è una domanda di riqualificazione dei lavoratori per le abilità AI e ML”.

E sempre più l’esigenza di Citizen data scientist”, afferma Fujimaki di DotData.