생성 AI는 기술 경력 경로를 변화시키고 있습니다. 알아야 할 사항

자동화는 IT 전문가의 작업에 획기적인 변화를 가져오고 있지만 올바른 기술을 갖춘 재능 있는 사람들의 역할은 여전히 중요합니다.

OpenAI, OpenResearch, University of Pennsylvania 연구진의 최근 논문에 따르면 전체 직업 중 최소 80%, 특히 대학 교육이 필요한 직업이 생성 AI의 영향을 받거나 강화될 것이라고 합니다. 이러한 자동화의 증가는 IT 개발 또는 운영 분야에 종사하거나 경력을 추구하는 사람들에게 무엇을 의미합니까?

AI와 교육 데이터에서 콘텐츠를 생성하는 생성 AI는 두 가지 방식으로 기술 경력에 영향을 미칠 것입니다. 도구로서 AI는 전문가의 생산성과 역량을 향상시킬 것입니다. 비즈니스 수준에서 자동화의 성장은 그러한 시스템을 설계, 구축 및 유지 관리하는 AI 관련 기술에 대한 수요가 증가한다는 것을 의미합니다.

Hummingbird의 CTO인 Jesse Reiss는 개발자와 IT 전문가가 "AI를 도구 세트에 통합하면 더욱 효율적이고 효과적으로 될 것"이라고 말합니다. "이 기술은 아직 자체적으로 앱을 작성할 수는 없지만 개발자에게 지원을 제공하고 개발을 가속화해야 합니다. 기술적인 질문에 답하고 새로운 기능을 구축하기 위한 단계를 신속하게 설명할 수 있습니다. 또한 일반적이고 간단한, 혼자 만들기에는 지루할 수 있는 상용구 코드입니다."

기술 직업에서 생성적 AI의 사용 증가는 로우 코드 및 노 코드 운동의 증가와 딱 들어맞습니다. 분석, AI 및 기계 담당 부사장인 Diane Gutiw는 "생성 AI를 사용하면 개발자는 알고리즘을 활용, 사용자 정의 및 훈련하여 새로운 코드와 솔루션을 만들 수 있습니다. 이는 AI 및 ML 코드를 처음부터 작성하는 것에 비해 시간과 노력을 절약할 수 있습니다."라고 말합니다. CGI에 대한 학습.

"제너레이티브 AI는 기술이 없는 사용자도 코드 작성 방법을 배우지 않고도 앱을 구축하고 배포할 수 있도록 하는 로우 코드 및 노 코드 환경을 만드는 것을 확실히 더 쉽게 만듭니다. 물론 코드 작성 방법은 여전히 중요한 기술입니다. 이 로우 코드 기술의 위험은 개발자, 설계자 및 사용자가 모델이 작동하는 방식과 출력이 정보/데이터를 수집하여 요청에 대한 답변을 생성하는 방식에 대한 투명성을 잃게 된다는 것입니다."

중요한 것은 자동화 도구가 재능 있는 IT 전문가를 대체하는 것으로 간주되어서는 안 된다는 것입니다. 예를 들어, Gutiw는 생성적 AI가 숙련된 개발자의 기능을 빼앗지 않을 것이라고 말했습니다. "생성적 AI는 앱 개발의 특정 측면을 자동화할 수 있지만 책임 있는 AI 개발에는 여전히 개발자가 이러한 알고리즘의 출력을 감독하고 개선해야 합니다."

따라서 생성 AI를 모든 개발 문제에 대한 마법의 솔루션으로 간주해서는 안 됩니다. "프로그래밍 및 설계 원칙을 깊이 이해하고 출력이 정확하고 IP를 침해하지 않는지 검증하는 것이 중요합니다."

그러나 AI와 관련 도구는 기술 작업에 영향을 미칠 것입니다. Gutiw는 IT 전문가에게 좋은 소식은 AI와 자동화의 성장으로 인해 IT 전문가가 더 높은 가치의 활동에 더 많은 시간을 할애하고 조직에서 점점 더 전략적인 역할을 맡게 된다는 점이라고 말했습니다.

"그들은 자동화된 프로세스를 감독하고 비즈니스 목표에 부합하는지 확인할 책임이 있습니다. 또한 자동화된 시스템을 레거시 시스템과 통합하고 자동화된 시스템이 확장 가능하고 안정적이며 안전한지 확인하는 일도 담당합니다."

실제 기술과 AI 기술을 혼합하는 것은 결코 간단하지 않다는 점에 유의해야 합니다. Reiss는 새로운 기술의 도입과 마찬가지로 IT 전문가의 주요 과제는 AI와 자동화를 효과적으로 적용하여 문제를 해결하는 방법을 찾는 것이라고 말합니다.

"제너레이티브 AI의 경우 IT 및 도메인 전문가는 AI 인터페이스를 이해하고 비즈니스의 다른 측면에서 이 기술을 활용하여 운영 또는 워크플로를 더 잘 지원하도록 도와야 합니다. IT 전문가는 비즈니스의 과제를 깊이 이해하고 AI가 어떻게 활용하고 두 가지를 하나로 묶는 방법을 찾으세요."

변화의 수준은 일부 전문가들이 AI 기반 시스템의 구축 및 유지를 위해 AI 및 머신러닝 개발을 수용하기 위한 진로 재조정이 필요할 수 있다고 믿을 정도입니다. 부사장 겸 총괄인 Raleen Gagnon은 "데이터 과학자 또는 AI 분야에서 일하고 싶은 IT 전문가는 특정 도메인에 집중하고, 데이터가 해당 도메인에서 데이터가 되는 방식에 대한 전문가가 되는 데 특화해야 하며, 그런 다음 원하는 결과를 달성하기 위한 도구를 적용해야 합니다."라고 말합니다. Magnit의 매니저.

연구, 데이터 분석, Python, R, SQL, 통계, 기계 학습 및 MATLAB과 같은 중요한 기술적 능력과 함께 "창의성, 호기심 및 두 비즈니스 모두에서 작업할 수 있는 능력"을 포함한 보다 부드러운 기능도 필요하다고 그녀는 말합니다. 그리고 기술 자원."

이러한 하드 스킬과 소프트 스킬의 혼합은 Gutiw에서도 인정됩니다. 그녀는 AI 시스템 관리 쪽으로 나아가려는 기술 전문가들이 대규모 데이터 세트로 작업하고, 모델을 이해하고, 데이터를 효과적으로 처리하고 분석할 수 있는 알고리즘을 개발할 수 있어야 한다고 말합니다. Gutiw는 IT 전문가도 Python, R, TensorFlow와 같은 AI 프레임워크 및 프로그래밍 언어에 대한 전문 지식이 필요하다고 말합니다.

"기술적 능력 외에도 IT 전문가는 전통적으로 코딩이나 자동화 기술에 대한 경험이 많지 않은 데이터 과학자, 디자이너, 비즈니스 분석가를 포함할 수 있는 다기능 팀과 효과적으로 작업하기 위해 효과적인 의사소통 및 협업 기술을 갖추어야 합니다. "라고 Gutiw는 덧붙입니다.

"이는 결과에 대한 더 나은 해석을 제공할 수 있는 비즈니스 및 데이터 주제 전문가의 통찰력 없이는 데이터와 출력이 거품 속에서 해석되지 않도록 하는 데 도움이 됩니다. 그들은 기술적인 개념을 비기술적인 용어로 설명하고 이해관계자와 협력하여 비즈니스 목표를 식별하고 우선순위를 정합니다."

Reiss는 AI가 확산됨에 따라 IT 직업이 두 진영으로 나누어질 것이라고 예측합니다. "한 그룹은 AI 개발에 점점 더 집중할 것입니다."라고 그는 말합니다. "그들은 AI 시스템을 구축, 교육, 확장 및 유지 관리하는 사람들이 될 것입니다. 이 그룹에 속하려면 복잡한 컴퓨터 과학 개념에 대한 지식과 AI에 사용되는 핵심 수학, 즉 선형 대수학에 대한 깊은 이해가 필요합니다. 이에 관심이 있는 사람들 경로는 AI 시스템이 작동하는 방식과 AI 백서를 읽는 방법을 학습하여 거의 매일 나오는 최첨단 개발 사항을 파악하는 데 중점을 두어야 합니다."

두 번째 캠프에서는 다른 IT 전문가들이 "AI를 제품 솔루션에 통합하는 데 중점을 둘 것"이라고 Reiss는 계속해서 말합니다. "그들은 고객과의 공감대를 구축하고 고객의 문제점을 이해하며 이러한 요구 사항을 충족하는 솔루션을 개발하는 데 중점을 둘 것입니다. 이 그룹의 경우 강력한 커뮤니케이션 능력, 디자인 통찰력, 창의성을 갖춘 AI 시스템에 대한 이해가 성공의 길일 것입니다."

기술 전문가는 전략 계획, 혁신, 협업 등 쉽게 자동화할 수 없는 작업에도 참여하게 됩니다. Gutiw는 "다른 부서와 협력하여 자동화가 가장 효과적인 영역을 파악하고 자동화 시스템의 이점을 극대화하는 방식으로 구현하기 위한 전략을 개발해야 합니다"라고 말했습니다. "IT 전문가는 빠르게 변화하는 환경에서 성공하기 위해 지속적으로 새로운 기술에 적응하고 개발해야 합니다."

AI 사용 증가로 인해 모든 IT 전문가에게 급진적인 변화가 다가오고 있습니다. Reiss는 모든 개발자, 제품 관리자 및 디자이너가 AI 기술을 제품에 통합하는 방법에 대해 생각해야 한다고 말했습니다.

"대상이나 솔루션에 관계없이 최신 세대의 AI는 기존 도구 세트를 강화할 수 있는 전례 없는 기회를 제공합니다. 흥미롭고 창의적인 방식으로 AI를 통합하는 애플리케이션을 볼 수 있을 것으로 기대합니다."