Napjainkban a mesterséges intelligencia alkalmazását tartják a digitális transzformáció egyik fő hajtóerejének, és ennek kapcsán az „AI Talent Gap” megfogalmazás is egyre gyakrabban tűnik fel. Felmerül a kérdés, hogy hol terem az „AI Talent”, hogyan fejleszthető és miképp illeszthető a jelenlegi vállalati kultúrába?

Verseny az AI szaktudásért

Az AI szaktudás rendkívül szerteágazó lehet a különböző iparági, vállalati digitális átalakulási programok specialitásai miatt. Meghatározóan a Machine Learning, a Symbolic Learning, a Big Data, a data science és a robotika területeit sorolhatjuk ide. Valamint a mindezek mögötti matematikai, analitikus összefüggések, illetve szoftverfejlesztési és programozási gyakorlatok halmazát (mint pl. Python, Java, Linux, C++, Hadoop, R, Spark, SAS).

Az AI alapfogalmak áttekintéséhez praktikus segítség az alábbi video:

A jól képzett szakemberekért, tehetségekért folytatott piaci verseny már az egyetemi padsorokban, illetve az akadémiai intézetekkel kötött képzési megállapodásokkal elkezdődik. A gyakorlattal rendelkező „iparági veteránok” ára pedig az egekben van.

A legnagyobb hype és kiemelkedő fizetések természetesen a FANG cégek (Facebook, Amazon/Apple, Netflix, Google) és társaik környékén tapasztalhatók. Ezen cégeknél sok esetben már 2017-ben is a 300 ezer dollárt meghaladó éves fizetési csomagokról beszéltek és korábban a sztár traderek-éhez hasonló keresési és kiválasztási folyamatokról lehetett hallani.

Mesterséges intelligencia és Big Data kisszótár

Artificial Intelligence / Mesterséges Intelligencia:
Digitális technológiák, módszertanok, logikai képességek együttese. Az AI megoldások emberi intelligenciát igénylő feladatokat oldanak meg pontosabban, gyorsabban, hatékonyabban. Az AI technológiái közé tartoznak többek között a gépi tanulás (machine learning) és a prediktív adatelemző módszerek.
Big Data:
Cégek, intelligens hálózatok és a vállalkozások, fogyasztók által nap mint nap előállított hatalmas méretű adatmennyiséget jelenti.
Big Data engineer:
A Big Data mérnökök komplex Big Data megoldásokat terveznek, részt vesznek a megvalósításukban és támogatják a fejlesztői munkát. Ők azok, akik nagyobb rálátással bírnak az egész adatbányászati, adatelemzési és felhasználási folyamatra és koncepcionálisan irányítják a munkát.
Data scientist:
Az úgynevezett „adattudósok” ahhoz értenek, hogyan kell adatot „bányászni”. Az ő feladatuk felmérni a lehetséges adatforrásokat egy cég életében, és megoldást találni arra, hogy miként lehet azokból speciális algoritmusok és gépi tanulás segítségével érthető formában kinyerni a releváns információkat.
Machine Learning / Gépi tanulás:
Olyan módszerek és algoritmusok, melyek a rendelkezésre álló adathalmazból egy modellt tanulnak, és ezt felhasználva következtetést (predikciót) tesznek lehetővé (a meglévő vagy más/újabb adatokról).
Deep Learning / Neural networks:

A deep learning (gépi mélytanulás) a Neural Networks (neuronhálózatok) alkalmazásán alapszik, azokon a statisztikai modelleken, amelyeket 1943-ban Warren McCulloch és Walter Pitts alkotott meg a biológiai ideghálózatok mintájára.

Egymásba ágyazott neuronhálózatokat először 2006-ban  használtak mélytanuló rendszerként és a modell matematikája 2012-ig csiszolódott, amikor a GPU-k kapacitásának kihasználásával igazi robbanás történt a deep learning alkalmazásában.

Jelenleg a legnagyobb tapasztalat és publikáció a deep learning-gel kapcsolatban a képfeldolgozás területén van, ahol a nagy számítási kapacitásával a Google jár az élen.

Az AI Talent fejlesztése

A KÜRT Akadémia évindító AI meetup-ja a témát képzésfejlesztési szempontból járta körül, hitet téve a mesterséges intelligencia vonatkozású szakmai továbbképzések szükségessége mellett. A magyar számítástechnikai oktatás történetét megnézve, ráadásul a mesterséges intelligencia jelentős hazai kutatási múlttal is rendelkezik.

Manapság mindenhol a Big Data és az Artificial Intelligence gyakorlati alkalmazásának előnyeiről lehet hallani, ami várhatóan jelentős mértékben alakítja át mindennapi életünket. Ahogy találóan megfogalmazásra került,

nem az lesz a kérdés pl. a banki marketingesek számára, hogy kiknek kell az adott hitelterméket reklámozni, hanem az, hogy ki fogja ezen hitelterméket a jövő héten a legnagyobb valószínűséggel igényelni.

Azonban a hírek arról is szólnak, hogy azon (tech) vállalatok, amelyek először mennek át az AI transzformáción, kegyetlen árversenyt indítottak a képzett szakemberekért. A munkaerőhiány a kisebb, feltörekvő fintech/regtech cégek, illetve hagyományos vállalatok lehetőségeit is behatárolhatja, így rohamosan felértékelődik a kognitív technológiákhoz kapcsolódó tudással rendelkező adatszakemberek képzése és megtartása.

AI pénzügyi workshop a FinTechShow-n

Idén rendhagyó módon workshopok keretében is megismerkedhetnek az érdeklődők a legújabb technológiák hasznosítási lehetőségeivel a pénzügyi szektorban. A gépi tanulás alkalmazását a pénzügyekben 3 órás workshop keretében demonstrálják a szakemberek 2019.04.25-én a FinTechShow-n.

A szervezeti agilitás kérdései

A PwC „Responsible AI” riportjában azt is kihangsúlyozzák, hogy a cégek már nemcsak a technológia szaktudást, hanem a digitális üzletfejlesztés és stratégia megvalósítás mindennapjaihoz a „másképp gondolkodás képességét” is keresik a jelöltekben.

A digitális transzformációs projektek során ez viszont kihívást hordozhat majd a jelenlegi szervezeti kultúra számára. Így ha a hagyományos szereplők szeretnék magukhoz csábítani és megtartani az AI tehetségeket, akkor várhatóan a szervezeti folyamatok gyökeréig is vissza kell nyúlniuk, ami felveti az agilis változás kérdését is.

Az agilitás mindig is a hatékonyságot és a változásra való képességet jelentette, ugyanakkor ahogy Kürti Tamás, a KÜRT Akadémia alapítója írja, mára

“megváltozott a változás is.”

A szervezeti agilitás lényeges ismérve lett a digitális transzformációs folyamatban levő vállalatoknak, menedzsment szinten képviselve azt, hogy

a legújabb technológiák sikeres alkalmazása, a szükséges talent pool-ok kialakítása, megtartása a szervezeti működésre kiható jelentősebb változtatást is generál.

A FinTechShow-n külön szekció keretében foglalkozunk azzal, hogyan alakíthatnak ki a hagyományos pénzügyi szolgáltatók “vagány szervezeti kultúrát“, hol tartanak a hazai pénzintézetek az agilis átalakulásban és miért nélkülözhetetlen a szervezeti kultúraváltás a digitális transzformáció során.