在資料科學與人工智慧領域,集結人才的根本之道包括:招募人才、培訓技能、建立策略工作夥伴。能夠靈活運用這三種方法的資訊長,將可在人才激烈競爭的局面中取得優勢。
文/Clint Boulton 譯/曾祥信
資訊長(CIO)或IT領導人普遍認為,企業轉型/數位轉型的主要障礙是公司文化變遷,再來就是招募科技人才。要招募足夠的軟體工程師、敏捷軟體開發專家、DevOps領導人跟其他變革促進角色,向來不是件易事,但專家一致認為,真正的挑戰是雇用精通資料科學的專家,包括具備機器學習跟人工智慧技能的人才。
從醫療保健到金融服務,各種產業都將某種形式的人工智慧(AI)視為核心企業策略。安永會計師事務所(EY)在2019年做的線上調查顯示,500位企業領導人當中,84%認為人工智慧科技極其關鍵,能夠提升效率,減少支出,協助企業更深入瞭解顧客,並創造新的收益。
但是人工智慧能否成功,極大部份取決於企業的人才庫,正如這份調查中31%領導人指出,採用人工智慧科技的首要障礙,在於缺乏精通此技能的人才。
本文整理出專家分享他們挖掘人工智慧人才的經驗,並提供訣竅,讓資訊長知道如何吸引資料科學家、機器學習工程師與人工智慧專家等人才。
擴大網羅人才的範圍
Alan Jacobson 在福特汽車服務長達 25 年,擔任過工程師與其他職務,他在 2020 年 4 月加入 Alteryx 軟體公司,擔任該公司的首席資料分析長。他深刻體認資料科學人才的嚴重不足,他說,「找到有能力解決特定企業問題的適當人才,至今仍是最艱難的組織挑戰之一。」Alteryx 公司生產的軟體,能幫助素人資料科學家 (citizen data scientist) 輕鬆地將資訊視覺化,但即使對 Alteryx 這樣的公司來說,尋覓資料科學人才同樣是一大挑戰。
Jacobson 離開福特前的職位是全球資料分析總監,帶領的團隊擁有一千位資料科學家。他表示:「招募人才相當困難,因為需求遠超過供給」。他進一步解釋:「困難的原因之一是,資料科學家求職者-即使是具備一流問題解決技能的人-通常來自各式各樣的背景與學科」。
Jacobson 在福特汽車時,他底下最頂尖的資料科學家是麻省理工學院畢業的地震學家,自學 SQL、Python、R 和其他程式語言。其他資料科學家來自農業學、海洋學、政治學及看似與培育人工智慧技能無關的各種領域。Jacobson 說:「資料科學的特別之處是,這個領域的專家可能擁有世界上任何一種學歷。跟其他職業比起來,尋找資料科學的人才更加困難」。
Jacobson 提供鎖定資料科學人才的兩項訣竅:
1.擴大搜尋條件範圍
優秀的資料科學家同時兼備人際關係的技能與資料分析的頭腦。Jacobson 的地震學家在和平工作團服務與公立學校教書時,鍛鍊出優秀的軟技能 (soft skills),Jacobson 透過熟識的推薦而雇用到她,Jacobson 說:「過去這些經歷促使她成為一名傑出的資料科學家。」
2.辨認能真正解決問題的高手
求職者是否有解決真實世界問題的經驗?應徵候選人是否曾經打造軟體產品或發表開源軟體函式庫,幫助別人解決問題?也許他們曾經在 Kaggle 或類似平台參加過程式設計競賽。這些全是用來辨別優秀候選人的關鍵指標。
竭盡全力尋找資料科學家
尋找有能力打造人工智慧功能的工程人才,更加限縮挑戰的範圍,這類人才通常必須具備程式設計技能、貝氏統計學 (Bayesian statistics) 知識,以及開發演算法的經驗。
由於這種特定技能的人才十分有限,招募時間往往漫長,根據 Gartner 在 2019 年初公布的人才招募統計,人工智慧職缺跟軟體開發人員職缺相比,前者平均需費時 100 天以上,後者平均則是 70 天以內。人力研究專家建議企業在招募時擴大地區範圍,除了人才充沛的舊金山灣區、紐約市、西雅圖外,應將觸角延伸到奧斯丁、費城與丹佛等地。Gartner 研究人員表示,在這些區域尋找人選有兩項好處,讓組織更早掌握人力市場,同時也能減輕薪資成本的壓力。
EY 顧問公司的創新長 Jeff Wong 透露,他們在尋覓人工智慧工程師與資料科學家時,除了瞄準矽谷的科技巨擘,也會鎖定世界各地的新創公司。在找不到合適人才的地方,他們則由全世界大學所有與問題解決相關的學科當中,尋找有潛力的學生。同時,他們也為既有員工提供重要的技能訓練,橫跨數種領域,包括拓撲學、密碼學、物理學及天體物理學。
雖然 EY 顧問公司全球 27 萬名員工中已有 1 萬 8 千位資料專家,Wong 仍然認為他們必須做更多事情去培育人工智慧人才,才能讓公司在接下來十年創造新的巔峰。
Wong 接受專訪時表示:「我們過去很幸運,但是我們招募人工智慧人才的能力趕不上公司的野心」。他補充道,過去幾年,EY 核心人工智慧團隊的規模,每四個月就增加為兩倍,他說:「我們的野心是成為全世界最好的公司」。
Wong 提出捕獵人工智慧人才的精闢建議:
● 一切皆與資料有關
Wong 表示,期盼一展長才的資料專家總希望能處理重大且複雜的問題,龐大的資料集對這類高手特別有吸引力。比方 EY 正在打造的人工智慧軟體,能自動掃描無數法規與稅務文件資料,無論是結構化及非結構化的資料都能處理。
● 釐清想要解決的問題
Wong 還提到,每位資訊長面臨的資料難題不盡相同,真正重要的是,IT領導人在指派任務給最合適的人工智慧人才之前,必須徹底釐清他們想要解決的問題是什麼。
總結:購買、建立與租借
PwC 合作夥伴 Mike Pino 認為,招募人才需要用到的方法有:購買、租借與建立,隨後透過專案的執行過程,創造出持續創新的慣性動能。至於應該選擇什麼方法,則取決於企業文化。
● 購買
意思就是直接雇用你找到的人工智慧人才,但要作好準備支付更高的酬勞,尤其是在特定地區。如果你是公司總部位在密爾瓦基市、威斯康辛州、或是俄亥俄州哥倫布市的資訊長,雇用人才的難度會比在舊金山、紐約或奧斯丁更高。
● 租借
向顧問公司或大學借用人才,去執行專案或打造產品,可以幫助你在「不需要擁有與維護」的領域中,填補短期的缺口。
● 建立
你也可以在企業內部培育人才,雖然費時、需要耐心,但是可以循序漸進地讓人才成長茁壯。PwC培訓了一小群員工,讓他們足以勝任機器人流程自動化(robotic process automation, RPA)工作,現在則針對人工智慧與機器學習技能進行類似的培訓計劃。
當你擁有合適的人才之後,就能找出最頂尖的人選,協助你建立人工智慧解決方案。隨後的重點就是執行專案、監控進度、徵求回饋並調整方向。面對不同的商業問題時,需要臨機應變調整方法。Pino說:「沒有任何資料科學方法是一體適用的」。