FORMAZIONE E LAVORO
Cosa studiare e come prepararsi al futuro?
Quali saranno le nuove opportunità che si creeranno e quali competenze richieste?
Cosa significa davvero "esperto" di intelligenza artificiale e che tipo di lavoro dovrà svolgere?
Secondo gli analisti, i CIO e gli imprenditori riuniti nella community internazionale “The Enterprisers Project” (www.enterprisersproject.com), l’intelligenza artificiale richiederà nuove competenze in tre specifiche aree: supervisione e conformità dell’intelligenza artificiale, gestione dell’intelligenza artificiale, aggregazione e pulizia dei dati.
A prima vista possono sembrare materie/competenze tipiche di un percorso di studi di stampo scientifico che fino ad oggi hanno seguito ingegneri, informatici e professionisti IT ma le capacità in ambito AI celano in realtà importanti sfide sia dal punto di vista della preparazione tecnica, sia nel mix di competenze tecniche e umanistiche.
Benché la formazione scientifica rimanga il pilastro fondamentale, a partire dagli istituti tecnici e licei scientifico-informatici fino ad arrivare ai corsi di laurea in ingegneria informatica, scienza dell’informazione, matematica/statistica, diverrà sempre più importante arricchire i percorsi di studio con materie di natura umanistica come psicologia, filosofia, marketing e comunicazione. Questo perché tra le professioni emergenti spiccano ruoli chiamati a estendere la “cultura del dato e dell’analisi” in tutta l’organizzazione aziendale e a disegnare sistemi e interfacce per semplificare e rendere naturale l’interazione uomo-macchina.
Tra le professioni emergenti spiccano ruoli chiamati a estendere la “cultura del dato e dell’analisi” in tutta l’organizzazione aziendale e a disegnare sistemi e interfacce per semplificare e rendere naturale l’interazione uomo-macchina.
Il termine “esperto di AI” rischia di “banalizzare” un ambito IT all’interno del quale saranno invece richiesti skill fortemente specializzati quali:
Intelligence designer
Il designer dell’intelligenza artificiale
Man mano che questa intelligenza sarà diffusa e automatizzata, servirà qualcuno in grado di disegnare il quadro generale e riunire le varie e differenti intelligenze in un unico “cervello aziendale”, da governare al meglio: l’intelligence designer.
Data curator, data scientist e data evangelist
Gli esperti dei dati
Si avrà sempre più bisogno di data curator, coloro che operano prevalentemente sulla preparazione dei dati per il loro utilizzo da parte di algoritmi di AI. Non solo, per poter sfruttare realmente il potenziale dell’apprendimento automatico in ambito big data, le aziende avranno bisogno di nuove figure come quella del machine learning data scientist che avrà le competenze per ‘addestrare’ correttamente il sistema e fornire le corrette analisi dei dati. Il tutto dovrà essere supportato dai data evangelist, coloro che avranno il compito di “educare” l’intera organizzazione al corretto utilizzo dei dati e dei sistemi di AI.
Integration designer for AI
L’esperto di integrazione dei sistemi
Serviranno sempre più nuove competenze di sviluppo di interfacce AI fruibili da un pubblico di massa e per l’integrazione di sistemi; saranno infatti sempre più richiesti designer, sviluppatori, system integrator per la realizzazione di agent di AI quanto più ‘umani’ possibile (nell’accezione di una sempre più semplice e naturale interazione uomo-macchina).
AI copywriter
Gli “scrittori” dei sistemi cognitivi
Secondo gli esperti tra qualche anno vedremo crescere la richiesta di una nuova competenza che oggi sembra quasi solo una moda, quella degli “scrittori” dei sistemi cognitivi, cioè di coloro che, mixando capacità scientifiche e tecnologiche, marketing e comunicazione, ed altre discipline di tipo umanistico (come la psicologia o la filosofia), saranno in grado di sviluppare nuove funzioni di elaborazione del linguaggio naturale.
Come diventare un “esperto”?
Saranno fondamentali le competenze di ingegneria del software e di programmazione statistica. Competenze cui devono aggiungersi conoscenze matematico statistiche (algoritmi, tecniche di machine learning), di algebra lineare e calcolo multivariata, nonché skill nell’ambito della visualizzazione e comunicazione dei dati.
Una delle strade più efficaci da percorrere richiede il raggiungimento del “titolo” di data scientist anche se non esiste “ancora” un percorso specifico, ma le opzioni sono svariate. Si parte da una laurea (meglio se in ingegneria del software o comunque ad indirizzo scientifico), e si prosegue con una specializzazione post-laurea specifica nel settore dell’analisi dei dati (si tratta di specializzazioni e master che oggi inglobano anche materie “tipiche” dell’AI come la scrittura e la programmazione di algoritmi di machine learning) oppure con i master ad indirizzo scientifico (ingegneria, matematica, informatica) promossi da diverse università italiane. Oltre a una ampia offerta di corsi online, tra i quali quelli nella formula MOOC (Massive Open Online Courses).
Le materie che non possono mancare nel cv del futuro
• Basi di Dati
• Big Data, Business Intelligence & Data Warehouse
• Data Mining & Machine Learning
• Semantica e ontologie per la gestione delle informazioni
• Text Mining & Natural Language Processing
• Digital Marketing & Web Analytics
• Gestione di dati e processi attraverso piattaforme collaborative
• Metodi e tecnologie per la gestione di progetti data-driven innovativi
• Trattamento e gestione di dati e informazioni: aspetti legali ed etici
• Project Management nell’ambito della Data Science
• Processi di comunicazione, promozione e divulgazione in ambito Data Science
Letture consigliate
- ARTICOLO Sfruttare i dati sintetici per alimentare l'evoluzione dell'AIScopri perché i dati sintetici sono essenziali per le iniziative basate sull'AI che richiedono un elevato consumo di dati, in che modo le aziende li utilizzano per favorire la crescita e come possono contribuire a risolvere i problemi etici associati.
- ARTICOLO 4 strategies that will change your approach to fraud detectionAs fraudulent activity grows and fighting fraud becomes more costly, financial institutions are turning to anti-fraud technology to build better arsenals for fraud detection. Discover four ways to improve your organization's risk posture.
- ARTICOLO CECL: Are US banks and credit unions ready?CECL, current expected credit loss, is an accounting standard that requires US banking institutions and credit unions to estimate life-of-loan losses at origination or purchase.
- ARTICOLO Personal data: Getting it right with GDPRTo learn more about the definition of personal data, why it’s in the news and why it’s being tightly regulated by laws like the General Data Protection Regulation (GDPR), we interviewed Jay Exum, Privacy Counsel at SAS.
Ready to subscribe to Insights now?
SAS® Viya™
Rendi gli analytics accessibili e facili da utilizzare a chiunque nella tua azienda