自 2023 年上半年起，ChatGPT 等大模型技术蓬勃发展，AI 技术不断突破边界，展现出惊人的潜力和发展速度。从早期的逻辑推理、专家系统，到如今的深度学习、神经网络，AI 技术显著缩小了科学与实际应用之间的鸿沟，展现出了无限的应用可能性，在图像分类、语音识别、知识问答、人机对弈、无人驾驶等众多领域实现了重大技术突破。
AI 不再只是一个辅助工具，而是逐渐成为推动各行业创新发展的核心技术，“AI 全面化”概念被提到台前，但 AI 落地的实际情况却并不乐观。根据极客邦双数研究院、InfoQ 研究中心发布的《AIGC 行业应用及人才发展洞察》显示，即使是作为数字化转型重点行业，约 40% 的制造业企业内部仍然没有基于大模型做任何开发工作；约 20% 的企业没有基于大模型做任何研发工作。这些数据凸显了 AI 技术在实际应用中存在的难点和瓶颈。
解决这些问题的同时推动企业实现“AI 全面化”，关键在于如何合理布局 AI 人才。为让更多企业能够快速实现 AI 的全面化应用并成功完成 AI 人才布局，极客邦科技深入调研了大量企业 AI 应用现状，结合政策导向和行业变革的时代背景，全面分析了企业对于 AI 技术的迫切需求以及 AI 技术所能带来的巨大价值。
基于此，极客邦科技提出了“数智时代的 AI 人才粮仓模型”，旨在为企业构建一个系统、全面的人才培养和布局框架，该模型明确了数智时代下 AI 人才的核心能力要求和岗位设置。2024 年 4 月，在 QCon 大会（北京）上，极客邦科技发布了《数智时代的 AI 人才粮仓模型解读白皮书（2024 版）》（以下简称《白皮书》），从政策 + 行业变革等时代背景、企业需求、AI 价值、AI 人才模型及人才培养五个方面对“数智时代的 AI 人才粮仓模型”进行了深度解读，为企业提供一个清晰、可操作的 AI 人才布局指南，帮助企业快速构建起适应数字化时代需求的 AI 人才梯队，在激烈的市场竞争中占据先机。
企业战略之“痛”被 AI 浪潮掩盖
2024 年 3 月，“人工智能 +”被首次写入《2024 国务院政府工作报告》，标志着我国已迈入 AI 智能化高质量发展的新时代。政策的支持同时也进一步推动了 AI 技术的广泛应用和持续创新。珠三角、长三角和京津冀三大 AI 核心集群的形成，各产业领域在自身业务驱动下，完成 AI 产业创新，AIGC 展现出了巨大的产业应用潜力。
政策支持，需求喷发，企业“全面 AI 化“是大势所趋。目前国内超 63% 的企业正在构建企业大模型，将大模型与业务流程、产品功能紧密结合，2024 年成大模型应用场景元年。
但与此同时，企业面临着前所未有的挑战——战略不清晰、业务目标不明确、技术文化氛围保守、人才技能短缺等一系列问题，限制了 AI 技术在企业中的深度应用和价值发挥。对于尚未启动 AI 战略制定的企业，往往对于 AI 技术的认知尚停留在表面，未能洞悉其商业价值和对企业运营的深远影响；对于已经制定 AI 战略但内容不明晰的企业来说，内因和外因共同影响了战略的质量，难以追赶市场快速变化且将技术与日常业务紧密结合。
关于企业 AI 战略的制定，多位在传统企业主导数字化转型的专家表示，“企业需要不断跟进新的技术趋势，做到对市场竞争情况有充分的了解和分析，加深对 AI 技术的认知，充分利用资源，优化组织文化和内部协作，驱动企业全员拥有 AI 思维，以制定出一个适应市场需求的 AI 战略。”
只有想清楚业务与 AI 技术的融合和应用路线，才能“按图索骥”，找到合适人才，快速推动业务的迭代。《白皮书》对企业在 AI 战略制定中可能遇到的问题进行了深度分析，并提供了针对性的解决方案，详情请参阅《数智时代的 AI 人才粮仓模型解读白皮书（2024 版）》。
2企业人才之“需”由《AI 人才粮仓模型》明确
AI 人才是市场竞争的核心竞争力。AI 人才的数量、结构和培养体系，不仅关系到科技创新的速度，更决定了未来产业发展的高度。金融、零售、电商等行业都在积极布局 AI 领域，争取人才资源，以推动产业智能化升级。而算法工程师、产品经理、视觉设计 NLP 、图像算法成为最为紧缺的几类人才岗位。
目前，AIGC 开发者人才版图整体呈沙漏分布。根据极客邦双数研究院、InfoQ 研究中心发布的《AIGC 行业应用及人才发展洞察》显示，应用层人才占比最大，核心是场景理解力；大模型层核心人才吸引力强，开发者聚集化倾向明显；基础设施层壁垒仍然高位，人才培养难度大。
就网络公开数据显示，即使 AI 人才的需求在 2023 年已实现了跨越式增长，但供应量却未能与之匹配，中国 AI 人才缺口已达到数十万的规模且未来这一缺口还将急剧扩大。同时，当前 AI 人才结构复杂，需求多样，如何有效地理解、分类和规划 AI 人才已经成为了当前企业亟待解决的问题。于是极客邦科技深度分析目前企业中不同 AI 岗位的职责、技能和需求，基于几十位行业专家的采访与多家企业的走访，总结并提出了 “数智时代下的 AI 人才粮仓模型”，该人才模型根据分层人才数量，呈现“粮仓”状，向企业传达出了“AI 人才如同粮食般不可或缺”的信号，而不同企业“层层积累和储备的人才”为 AI 领域的发展也提供了源源不断的发展动力。
云计算、大数据、区块链、物联网、AR/VR、超级自动化、元宇宙、工业互联网、数字孪生、5G、AI 原生等技术盘点矩阵作为该模型底座，是 AI 技术、AIGC 场景应用蓬勃发展的基本盘，为 AI 人才培养提供了肥沃的土壤。其中“AI 原生”不仅是 AI 技术发展的新方向，也是推动 AI 广泛应用和落地的重要途径。
AI 人才粮仓模型可以十分帮助企业直观了解目前企业中 AI 岗位的职责、技能和需求。这四类“层层累积”的人才由上至下分别为：
“领航核心”——AI 思维管理者“业务骨干” ——AI 应用人才“中坚力量”——AI 技术 + 业务复合型人才“发展基石”——AI 技术专项人才
AI 人才因岗位、背景和工作经验的不同而在企业内部的需求有所差异。企业在制定创新策略过程中首当深入理解“人才画像”，从而知人善任，助力团队更好地应对 AI 时代的挑战与机遇。
为打造整体性的企业 AI 应用文化，加速企业智能化转型，四类人才将各司其职：
对于 AI 思维管理人才，即推动企业实现智能化转型的指南针，当以“塑造 AI 领导力”、“设立 AI 关键岗位”为核心，综合运用策略，推动 AI 战略落地。对于 AI 应用人才，确保 AI 应用技能高效落地是第一要务。为实现业技融合，企业需要对这类人才在”提示词编写能力“、“AI 工具使用能力“两大维度进行深度培养与提升。对于 AI 技术 + 业务复合型人才，在探索行业大模型的同时需重视数据合规，着重围绕“行业模型应用开发“、”数据生态互联及合规“两大维度进行培养。对于 AI 技术专项人才，深入剖析 AI 技术平台的发展目标和业务需求，为企业构建和维护开放的技术交流环境是培养重点。
AI 行业的专业性和高端性是未来人才培养的方向。从“All in AI”到“AI in All”，从领导层到基层员工，《白皮书》分步指导 AI 人才的选、用、育、留，进而驱动组织效能的提升，再结合企业自身行业特性和需求推动 AI 应用，打造多层次、多领域的 AI 人才梯队，企业可下载白皮书原文获取更为全面的 AI 人才布局指南。
企业 AI 人才之“航” 将破浪数智新时代
在当今数字化时代，打造整体性的企业 AI 应用文化已成为企业智能化转型的核心要素。为了实现这一目标，企业要制定“AI IN ALL”的战略方针，从上到下完成“AI 应用知识与技能”对员工业务的赋能，务必确保从领导层到基层员工，每一位成员都能深入了解和掌握 AI 技术。
对此企业主要需要做好三件事。首先，领导层需明确 AI 技术在企业战略中的核心地位，并确立一系列明确、具体、可量化的计划和目标。这不仅有助于企业内部的统一认识，还能为后续的 AI 应用推广和技能培训提供明确的指导方向。其次，企业应积极推广 AI 应用知识，为全体员工提供全面的技能培训。通过内部培训、研讨会、在线课程等多种形式，员工可以系统学习 AI 技术的基本原理、应用场景及数据分析方法。同时还可以与高校和研究机构的深度合作，帮助企业快速实施引进先进 AI 技术和人才战略，快速提升企业业务竞争力。第三，企业推动所有岗位利用 AI 技术提升服务水平——通过运用 AI 工具优化业务流程、精准把握市场与用户需求，只有这样，企业才能够提供更优质、更具竞争力的产品和服务。
要知道，在数智化时代背景下，当前几乎每家企业都在面临着 AI 人才招聘、评价及能力培养的重大挑战。为了构建科学、高效、数据驱动的人才管理机制，企业需要采取一系列创新策略。首先，建立数据驱动的招募流程和科学的评估标准，利用大数据和 AI 技术深度挖掘候选人信息，全面评估其综合素质与潜能，同时加强 HR 的专业素质提升和监管机制建设，确保招募与评价流程的公正性和透明度。其次，构建 AI 人才培养容错机制，鼓励员工在可控范围内积极尝试、勇于创新，并通过设立专项基金、搭建交流平台、加强培训与教育等方式支持员工的成长与发展。
此外，为了保障企业 AI 人才的持续供给能力，企业还需要构建人才培养机制，并通过与第三方培训机构和高校的合作，共同推动 AI 人才的培养工作。这包括建立内部培训体系、引进外部优秀人才、与高校共建实验室和研究小组等，以确保企业能够源源不断地获得高质量的 AI 人才，为企业的长期发展提供有力支持。
值得一提的是，这些策略的具体执行方案在《白皮书》中均有说明，企业可以下载并阅读白皮书原文，找到关于 AI 人才招聘、评价、能力培养等方面的最新策略和最佳实践，将帮助您的企业更好地应对数智化时代的挑战，实现可持续发展。
