Как найти AI-специалистов, которых ещё нет на рынке

AI задаёт новый технологический виток развития, и мир меняется очень быстро. Ещё пять лет назад никто ничего не знал о «prompt-инженерах», а сегодня они — важная часть команды для запуска цифровых продуктов. red_mad_robot ai отслеживает, оценивает и формирует подобные изменения. Рассказываем, какие специалисты стали нужны бизнесу, и как мы вкладываемся в их развитие.
Профессии уже не будущего
Рынку нужны люди, готовые не просто внедрить AI-продукт, но и постояно развивать его и поддерживать. Для себя мы сформировали список таких специалистов:
- AI-инструктор: обучает сотрудников применению AI;
- AI-тренер: совершенствует и адаптирует модели, проверяет качество AI-систем, чтобы они понимали различные данные и реагировали на них;
- Markup / prompt-инженер: создаёт разметку для снижения ошибок модели;
- LLMOps: управляет библиотеками — снижает расходы и количество персонала для выполнения задач;
- AI-аудитор: оценивает внедрение AI-систем в организации;
- NLP-инженер: анализирует и извлекает данные из текстов с помощью научных алгоритмов и методов ML;
- Архитектор AI-решений: создаёт высокоуровневые концепции и структурные решения для AI-систем.
На этих специалистов есть спрос, но их мало на рынке. Компаниям приходитс] выращивать кадры внутри или обращаться к сторонним командам.
Как вырастить AI-специалистов
Мы в red_mad_robot ai регулярно актуализируем карты компетенций и обучаем сотрудников. Например, при разработке GenAI-платформы для крупной девелоперской компании, нам понадобились специалисты по разметке данных. Мы поняли, что ближе всего к таким специалистам находятся QA-тестировщики и организовали производственное обучение.
Так появились Markup-инженеры — специалисты, которые задействованы на всех этапах работы над ИИ-проектом: от знакомства с исходной документацией до выпуска готового набора данных.
На примере с MarkUp-инженерами мы сформировали пять принципов дообучения. Подробнее о них рассказали в статье на Bang Bang Education.
- Искать смежные компетенции у специалистов.
- Обучать людей на реальных проектах.
- Составлять и регулярно обновлять скиллсеты сотрудников.
- Закреплять сотрудников за более опытными специалистами.
- Формировать индивидуальные планы обучения.
Компании, которые надеются нанять готовых специалистов, рискуют отстать. Чтобы разрабатывать актуальные решения, важно вкладываться в обучение сотрудников уже сегодня. Например, создавать среду, где эксперименты с AI — часть рабочего процесса.