תחום הבינה המלאכותית צובר תאוצה גלובלית בשנים האחרונות ומומחים בתחום זוכים לפופולאריות הולכת וגדלה
צילום: טל שחר
חברות מוכנות להשקיע רבות בעובדים מנוסים ומשכילים, אך המחסור החריף במומחי בינה מלאכותית, מציב בפניהן אתגרים חדשים. התחרות הניצחת על כל טאלנט בתחום הבינה המלאכותית דוחפת חברות להשקיע בקמפיינים פרסומיים עתירי תקציב המציעים מגוון פינוקים, מיתוג מתוחכם ותדמית חדשנית ו"מגניבה". יחד עם זאת, אם חברות יעמיקו את ההכרות שלהן עם מומחי הבינה המלאכותית, הן יגלו שמסרים אלו לאו דווקא עונים על הדרישות המהותיות של העובדים המבוקשים בתחום.
למה עובדים בתחום הבינה המלאכותית ייחודיים בדרישותיהם?
העובדים בתחום הבינה המלאכותית, הכוללים מדעני נתונים, חוקרים ומהנדסים, משתלבים בתעשייה לאחר לימודים אקדמיים מקיפים. ברוב המקרים דרוש תואר שני לפחות, ובחלק מהמקרים, בעיקר בתפקידי מחקר בכירים, פיתוח אלגוריתמים או הובלת פרויקטים וצוותים, נדרשים תארים מתקדמים בתחום. אם לא די בכך, תחום הבינה המלאכותית הוא תחום דינמי שמידי יום נוסף לו ידע אקדמי חדש וקריטי לעבודת מדעני הנתונים. יותר מכל תעשיה אחרת, מומחי בינה מלאכותית נדרשים להמשיך בלמידה מתמדת לאורך כל הקריירה שלהם כדי להישאר מעודכנים בפיתוחים אלגוריתמיים חדשים ובפרוטוקולים משתנים. ככל שימשיכו להתמקצע הלכה למעשה לצד למידה מתמדת, קרנם תמשיך לעלות וביקושם בשוק רק ילך ויגבר.
בנוסף להשכלה אקדמית, דרוש למומחי הבינה המלאכותית גם ניסיון בפועל, כפי שנדרש במקצועות רבים אחרים – זאת, למרות שהתחום צעיר יחסית, וקשה למצוא בו אנשים בעלי ניסיון רב. בפועל, קיים פער בין הידע שנרכש באקדמיה לבין היכולות הדרושות לעבודה בפיתוח מודלים, והוא בר גישור באמצעות עבודה מעשית בפיתוח ממשי ומתן פתרונות עבור בעיות עסקיות הלקוחות מסביבות עסקיות מגוונות.
מה מומחי בינה מלאכותית רוצים?
אחד האתגרים המהותיים בתחום, הוא שימור הידע האקדמי הקיים של העובדים ועדכונו לצד התמקצעות טכנולוגית שוטפת. בנוסף לכך, מדעני נתונים שמתמחים בפתרון בעיות עסקיות בענף או עולם תוכן ספציפי, עשויים למצוא את עצמם במשך הזמן פחות אגנוסטיים לחשיבה יצירתית בפתרון בעיות מעולמות תוכן שונים.
כפועל יוצא מכך, במקרה של מדעני נתונים ומומחי הבינה המלאכותית, רצוי שתהליכי הגיוס ושימור העובדים יהיו מבוססים בעיקרם על "אסטרטגיית למידה מתמשכת וצמיחה אישית" – מיקוד באלמנטים לימודיים של העובדים, כגון: שיח על מסלולי התפתחות, תכניות פיתוח ומתן לגיטימציה לגמישות ושינויים תוך כדי תנועה, אשר ישאירו אותם רלוונטיים, עם ידע עדכני רלוונטי בכל עולם תוכן. זאת, לצד "אסטרטגיית רווחה" סטנדרטית בדמות ימי כיף וגיבושים כמו גם "אסטרטגיה תדמיתית" – יח"צ, ונראות עסקית לצד נראות חברתית, תכניות ייחודיות המבטיחות שיעורי עזיבה נמוכים ותכניות לגיוס עובדים חדשים דוגמת "חבר מביא חבר".
השכלה פנים ארגונית – יתרון לשני הצדדים
לאסטרטגיה ממוקדת למידה מתמשכת, לגיוס ושימור עובדים יש יתרון הן עבור המשך הקריירה של העובדים, והן עבור הארגון. הערכה וקידום עובדים לתפקידי הדרכה, יסייעו להם בפיתוח או שיפור מיומנויות "רכות" כגון: מנהיגות, פרזנטציה ותקשורת. הכשרה פנימית מותאמת אישית, הן לצרכי העובדים והן לצרכי הארגון, מציעה גמישות מרבית בלוחות הזמנים של סבבי ההדרכה ותכנים חדשניים. יתרה מכך, הגברת שיתוף פעולה בין עובדים בעלי מיומנויות ותחומי התמחות שונים. לבסוף, העסקת מדעני נתונים מנוסים מהווה בסיס איתן להכשרת מדעני נתונים נוספים בשל מומחיותם המשולבת מהאקדמיה ומהתעשייה, כאשר הכשרה פנים ארגונית מהווה יתרון מהותי עבור ארגון שמעוניין בהעברת ידע ושיפור מומחיות.
כאשר ניגשים לפתור בעיות עסקיות באמצעות בינה מלאכותית, הצוותים מחויבים לבצע סקירה ספרותית ולפנות למאמרים החדשים והרלוונטיים ביותר, כמו גם למתודולוגיות עבודה חדשות שיכולות לתרום בפיתוח כיווני חשיבה עדכניים ויצירתיים יותר לפתרון הבעיה, ולביצוע יעיל ומהיר של פיתוח המודל עצמו.
השקעה תמידית של הארגון בפיתוח לימודי של העובדים, מייעלת משמעותית את עקומת הלמידה כאשר מגיע הזמן לעסוק בבעיה עסקית חדשה. כך יוצא שהן הארגון והן העובד מרוויחים – מצד אחד, הארגון והעובדים משקיעים זמן ומשאבים בהגיית תכנית הכשרה שכזו, בהוצאתה לפועל ובשיפורה המתמיד ומצד שני, העובדים נשארים מעודכנים, משכילים וממשיכים להתפתח מקצועית, כפי שדרוש בתחום, והארגון זוכה ליעילות רבה ולשיעורי הצלחה גבוהים יותר בביצוע פרויקטים.
איך עושים את זה נכון?
קורסים ולימודים פנים ארגוניים בתחום הבינה המלאכותית חייבים לכלול שילוב של השכלה אקדמית ברמה הגבוהה ביותר עם חשיפה למחקרים אקדמיים חדשים, לצד התמקצעות בעבודה בפועל, הכוללת מתודולוגיות עבודה מסודרות, שיפור יכולות "תרגום" הידע האקדמי לקוד מעשי, הקמת ארכיטקטורות שיתמכו במורכבות של הפתרונות המוצעים, ניהול הנתונים ועוד.
ארגונים נדרשים להכרה שפיתוח המיומנויות המקצועיות והאישיות של עובדיהם, מהווה מרכיב עיקרי בחזון ובערכים שהם מקדמים ולאפשר שעות למידה במסגרת שעות העבודה הרגילות. הלמידה צריכה להיעשות בקבוצות קטנות, על מנת להבטיח שיתוף פעולה ולהעלות את המוטיבציה של העובדים להשתתף בהם. יש להבטיח תמהיל מאוזן בין לימודים אקדמיים לבין עבודה יישומית במהלך כל קורס ומומלץ ביותר למנות מרצים מקרב אנשי החברה על פי סוג המומחיות שלהם – כך אתם זוכים להעצים את האנשים שלכם, כשניתנת להם הזדמנות להעביר את הידע שלהם הלאה לאחרים.
בקורסים כדאי לחשוף את העובדים לתכנים שלא בתחום המומחיות שלהם על מנת לעורר עניין בלמידה של תחומי ידע אחרים. כמו כן נדרש לאסוף מידע מהעובדים ולברר מה מעניין אותם, להתחשב בתחום המומחיות שלהם ולשלב אותם דווקא בתחומים שאינם בקיאים בהם.
לסיכום, ארגונים הפועלים בתחום הבינה המלאכותית נדרשים לתת את הדעת לדרישות הייחודיות של המומחים שלהם ולשים דגש רב על פיתוח מקצועי, הן אקדמי והן יישומי. חשוב להפוך את מקום העבודה לחממה ללמידה מתמדת, תוך גמישות מקצועית מרבית, שכן זהו הגורם המשמעותי ביותר להתפתחות המקצועית של העובדים בתחום ובין הגורמים המשמעותיים ביותר להצלחת הפרויקטים שהארגון מקדם.
*הכותבת הדר בן-טוב, היא מנהלת משאבי אנוש בחברת Data Science Group (DSG)
מגזין "סטטוס" מופק ע"י:
Tags: בינה מלאכותית חדשנות ניהול ידע ערים חכמות
