专栏名称: 人工智能学家
致力成为权威的人工智能科技媒体和前沿科技研究机构
目录
相关文章推荐
爱可可-爱生活  ·  【Awesome Foundation ... ·  2 天前  
爱可可-爱生活  ·  【Agentic ... ·  2 天前  
爱可可-爱生活  ·  今日推介(第1600期):大型语言模型中记忆 ... ·  4 天前  
爱可可-爱生活  ·  【AI前沿:破解大模型的记忆与推理之谜】本期 ... ·  4 天前  
51好读  ›  专栏  ›  人工智能学家

Cognizant:走向2028年将诞生的21个新工作

人工智能学家  · 公众号  · AI  · 2017-11-28 17:49

正文

来源:亿欧

概要:未来十多年,伴随着AI等新技术的发展,部分工作岗位可能消失,但也可能创造出很多新的工作机会。


未来十多年,伴随着AI等新技术的发展,部分工作岗位可能消失,但也可能创造出很多新的工作机会。除了很容易想到的AI工程师,AI等新技术还可能在各行各业创造哪些新的工作?


信息技术解决方案商,财富杂志全球500强公司Cognizant,最近进行了一项调查,制作了一份有关未来工作图景的报告,根据目前可观察到的经济、人口、社会、文化、商业和技术趋势,列举了到2028年,未来10年可能产生21个关键工作岗位。他们相信,未来10年,这些工作岗位将大幅增加,创造大量就业岗位。


报告中提到的21个工作,根据技术含量和时间进行了划分,分成四类,如下图所示:


四类工作分别是:


技术含量低到中,5年内出现


  • 陪散步/陪聊(Walker/Talker)

  • 数字裁缝(Digital Tailor)

  • 健身坚持顾问(Fitness Commitment Counselor)

  • 人机协作经理(Man-Machine Teaming Manager)

  • 伦理资源经理(Ethical Sourcing Manager)

  • AI业务开发经理(AI Business Development Manager)

  • IT自动化设计师(Bring Your Own IT Facilitator)


技术含量从低到中,未来5-10年出现:


  • 个人记忆管理员(Personal Memory Curator)

  • 虚拟商店导购(Virtual Store Sherpa)

  • 高速路控制员(Highway Controller)

  • 个人数据交易员(Personal Data Broker)


技术含量从中到高,5年内出现:


  • 基因组合总监(Genomic Portfolio Director)

  • 金融健康教练(Financial Wellness Coach)

  • 首席信托官(Chief Trust Officer)

  • 数据侦探(Data Detective)

  • 虚拟城市分析师(Cyber City Analyst)

  • AI辅助医疗技术人员(AI-Assisted Healthcare Technician)

  • 边缘计算主管(Master of Edge Computing)


技术含量从中到高,未来5-10年出现:


  • 增强现实旅游开发商(Augmented Reality Journey Builder)

  • 量子机器学习分析师(Quantum Machine Learning Analyst)


报告中对每一项职业的工作职责和能力需求进行了描述,例如


数据侦探Data Detective


职位描述:调查大数据背后的秘密,探寻数据要告诉我们什么。


需求概述:数据侦探位于数据科学部门,隶属于CIO办公室。以独立或团队的形式,从物联网终端、传感器、生物识别监视器、传统计算设备、边缘计算、雾计算等生成的数据中,给出有意义的回答和建议。这些数据大多数都是未经检验的,优秀的从业者将“到数据所在的地方去”,追踪数据所讲述的一切。从业者应具备好奇心、坚韧,懂得迂回但从来不把“No”作为答案。


从业者需要会使用最近的数据工具,但不需要是数据科学家出身。


具体工作职责:


跨部门协作:和不同部门的同事合作,解决问题,有时需要现场办公。


数据检查:对当前各处采集来的数据进行检验。


寻找新的数据源:寻找还没被收集到的数据源


向数据问问题:检查数据并从中找到问题


向同事问问题:与同事合作,找到新的问题,如:什么样的信息能够使你工作的更好?


。。。。。。


了解竞争环境:具备了解竞争环境的意识,如了解对手在数据领域的进展。


能力要求:


在执法机构、理论调查方面有经验。

有法律背景,律师、法律顾问、代理顾问等都可以。

有数据科学的专业背景或培训经验优先。

。。。。。。


数学、物理学、哲学、经济学、法律或会计方面的学历优先