Наука о данных в эпоху искусственного интеллекта: «Самая сексуальная работа» по-прежнему сексуальна?
«Это были лучшие времена, это были худшие времена».
Десять лет назад Harvard Business Review назвал специалиста по данным «самой сексуальной профессией XXI века». Сегодня ландшафт меняется у нас под ногами. Хотя спрос на специалистов по обработке данных остается высоким, развитие генеративного искусственного интеллекта фундаментально меняет то, что значит быть «специалистом по данным».
Проверка реальности 🔍
Традиционные области, такие как поиск, реклама и рекомендации (SAR), развиваются, и отрасль смещает свое внимание в сторону сложных инженерных разработок и архитектуры искусственного интеллекта. Мы наблюдаем странный парадокс.
Ловушка «низкой планки»
Студенты магистратуры теперь могут использовать GPT-4 для очистки данных, EDA и визуализации за считанные секунды. Однако без прочной основы им часто не хватает здравого смысла, чтобы понять, когда ИИ «галлюцинирует» или предоставляет статистически ошибочные результаты.
Смена заинтересованных сторон
Когда деловые партнеры могут писать свои собственные подсказки, чтобы получить базовую информацию, многие специалисты DS чувствуют себя «недостаточно стимулированными», застрявшими в бесконечных встречах и повторяющихся подсказках.
Как оставаться незаменимыми: два стратегических столпа 🏗️
Чтобы процветать в эту эпоху, нам необходимо превратиться из «строителей моделей» в «архитекторов ценностей». Я вижу, что это происходит в двух измерениях:
1Создание инструментов (мышление Engineer/Architect)
Не просто используйте ИИ; улучшить его.
- •Оценка моделей и управление: Поскольку выход ИИ становится товаром, человек, который может определить, как выглядит 'хороший' результат, является самым ценным человеком в комнате. Сосредоточьтесь на специализированных рамках оценки (например, взвешивание рисков в финансах).
- •Тонкая настройка домена: Освоение таких техник, как LoRA или RAG, для внедрения специфических бизнес-знаний в LLM.
- •Автоматизация: Руководите внутренними инициативами, такими как 'Виртуальные аналитики' или автоматизированные экспериментальные конвейеры.
2Использование инструментов (менталитет стратега)
Используйте ИИ, чтобы увеличить производительность в 10 раз, чтобы вы могли сосредоточиться на том, что люди делают лучше всего.
- •Экспертиза в области: ИИ знает 'как', но вы знаете 'почему'. Глубокое понимание бизнеса позволяет вам предоставить правильный контекст, которого не хватает ИИ.
- •Критическое мышление и эксперименты: Хотя ИИ может генерировать код, человеческие навыки DS все еще являются основными для тестирования гипотез, причинно-следственного анализа и интерпретации 'неаккуратных' данных из реального мира.
- •Коммуникация и влияние: Способность переводить сложные данные в бизнес-историю и строить доверие со стороны заинтересованных сторон — это 'мягкий' навык, который стал 'жестким' требованием.
💡Итог
ИИ не убил науку о данных; это подняло пол. Если ваша ценность заключалась исключительно в написании SQL или настройке гиперпараметров, «сексуальность» угасает. Но если вы сможете преодолеть разрыв между бизнес-проблемами и решениями ИИ, ваша ценность никогда не будет выше.
Личный опыт – ваше преимущество. LLM может имитировать логику, но у него нет многолетних «боевых шрамов» от неудачных развертываний или интуиции, полученной в результате управления сложными организациями.
Личный опыт – ваше преимущество. LLM может имитировать логику, но у него нет многолетних «боевых шрамов» от неудачных развертываний или интуиции, полученной в результате управления сложными организациями.
Связанные статьи
DS & AI Engineering
Next Article
From QA Bot to Task Agent: An Architecture Guide
Learn how to build more capable AI agents
Давайте обсудим:
Чувствуете ли вы себя более «эффективным» или «замещенным» на своей нынешней должности? Как вы развиваете свой инструментарий в этом году? 👇