Badania pokazują, że nawet w Stanach Zjednoczonych luka kompetencyjna w obszarze AI hamuje produktywność i innowacyjność.

W polskich firmach na 10 tysięcy pracowników jest średnio tylko 8 specjalistów w zakresie sztucznej inteligencji. 60 proc. przedsiębiorstw ma mniej niż 10 ekspertów w tej dziedzinie. Równocześnie badania pokazują, że nawet w Stanach Zjednoczonych luka kompetencyjna w obszarze AI hamuje produktywność i innowacyjność.

Z jednej strony, jak wynika z raportu “State of Polish AI” Fundacji Digital Poland, Polska jest liderem Europy Środkowo-Wschodniej, jeśli chodzi o kadry wyspecjalizowane w SI. Nasz kraj zajmuje pod tym względem 7 miejsce w Unii Europejskiej. Z kolei według badania “State of Science Index”, opublikowanego przez 3M, ponad 50% Polaków uważa, że SI to interesująca technologia, która ma wpływ na codzienność. Ale 83% nie planuje kształcenia w tym kierunku. Z drugiej strony, na 10 tysięcy pracowników mamy nad Wisłą zaledwie 8 ekspertów od AI (dla porównania, Luksemburg – 53). Jedynie 13 proc. firm dysponuje ponad 40-osobowymi zespołami zajmującymi się AI. Dziedziną zwykle zajmują się mężczyźni, kobiety stanowią 13 proc.

– Firmy nie mogą polegać wyłącznie na absolwentach lub przejmować pracowników innych przedsiębiorstw – przekonuje współautorka raportu, dr Sally Eaves. – Dobrą wiadomością jest, że pracodawcy zaczęli już dostrzegać wartość szkoleń wewnętrznych i certyfikatów – akcentuje ekspertka w zakresie sztucznej inteligencji.

Kadry nie nadążają za inwestycjami

Szerszy kontekst tym informacjom przynosi nowe badanie przeprowadzone przez SAS, z którego wynika, że potrzebne są pilne działania na rzecz podnoszenia kompetencji w obrębie sztucznej inteligencji i data science. Luka kompetencyjna widoczna na rynku już dziś hamuje produktywność i innowacyjność gospodarki USA. Brak wystarczającej liczby specjalistów w zakresie SI może powodować marnowanie inwestycji dotyczących technologii i opóźniać procesy cyfryzacyjne. Według wyliczeń Fortune Business Insights, wartość światowego rynku AI wzrośnie w ciągu 7 najbliższych lat z niespełna 0,4 do 1,4 biliona dolarów. Sztuczna inteligencja i uczenie maszynowe to dla firm priorytety inwestycyjne na najbliższe 1-2 lata – tak z kolei mówią respondenci badania SAS.

Brak prostych recept na lukę kompetencyjną

Jeśli rozwój kadr nie nadąży za opisanymi wydatkami, inwestycje zostaną zmarnowane. Jak firmy chcą podejść do problemu? ¾ zamierza szkolić obecnych pracowników, 64 proc. planuje natomiast rekrutacje. Z raportu SAS wynika, że podnoszenie kwalifikacji może być bardziej opłacalne niż zatrudnianie nowych pracowników. Odpowiedzi menadżerów uwidoczniają jednak bariery, takie jak brak czasu i motywacji oraz obawy, że zatrudnieni przeniosą nowe umiejętności do innych firm. Zarządzający planują również współpracę z uczelniami pod kątem wyszukiwania uzdolnionych osób. Niemniej rozumieją, że nie mogą w rekrutacjach polegać wyłącznie na tym źródle. Badanie pokazuje jeszcze, że pracodawcy przy decyzjach personalnych nie kierują się wyłącznie dyplomem kandydata. 74 proc. docenia doświadczenie w pracy nad projektamii wdrożeniami, a 71 proc. premiuje ukończone szkolenia. Dla 54 proc. znaczenie mają certyfikaty pochodzące np. od dostawców technologii. 53 proc. ceni udział w hakatonach. Natomiast dla 54 proc. istotnym punktem oceny kandydata pozostaje dyplom akademicki.

Szkolić swoich pracowników

Raport SAS pt. “Jak rozwiązać problem luki kompetencyjnej w zakresie data science?” daje trzy zalecenia odnośnie tego problemu:

• konsolidacja zróżnicowanych narzędzi AI i analityki wokół nowoczesnych, otwartych, wielojęzycznych rozwiązań, które zwiększą produktywność data science
• poprawa warunków podnoszenia kwalifikacji i doskonalenia umiejętności pracowników, w tym osób bez kompetencji technicznych
• stymulowanie środowiska i kultury ustawicznego rozwoju (uczenia się przez całe życie), w ramach których pracownicy są zachęcani do poszerzania umiejętności.

Raport SAS można pobrać tutaj: How to Solve The Data Science Skills Shortage

Intel ogłasza przełom w produkcji kwantowych procesorów komputerowych.