Apakah insinyur cepat menggantikan ilmuwan data sebagai 'pekerjaan terseksi di abad ke-21'?

Ketika dunia dipenuhi dengan AI generatif, insinyur yang cepat sangat dibutuhkan -- permintaan yang sangat besar. Namun ada masalah besar: ketersediaan.

Lebih dari satu dekade lalu, dalam artikel Harvard Business Review, Thomas Davenport menyatakan ilmuwan data sebagai "pekerjaan terseksi di abad ke-21". Saat ini, di era kecerdasan buatan (AI) generatif, apakah "insinyur cepat" akan mengambil alih gelar tersebut?

Yang pasti adalah bahwa ini adalah salah satu pekerjaan terpanas. Rekayasa cepat melibatkan perolehan jawaban terbaik dan paling relevan dari alat AI generatif, dan bersifat percakapan, "tetapi juga terprogram dengan perintah yang tertanam dalam kode," jelas kontributor ZDNET David Gerwitz.

Tingkat pekerjaan rekayasa cepat AI profesional mencapai $175.000, namun bisa mencapai lebih dari $300.000 per tahun, ia mencatat, sambil menambahkan bahwa "menjadi insinyur cepat AI yang baik melibatkan lebih dari sekadar mampu mengajukan pertanyaan-pertanyaan yang mengarahkan. Anda perlu menggabungkan disiplin ilmu AI , pemrograman, bahasa, pemecahan masalah, dan bahkan seni untuk berkembang di jalur karier ini."

Dengan dunia yang sibuk dengan AI generatif, insinyur yang cepat sangat dibutuhkan -- permintaan yang sangat besar. Masalahnya adalah menemukan keterampilan rekayasa cepat merupakan tantangan yang sulit diselesaikan. Merekrut insinyur yang cepat bukanlah untuk mereka yang lemah hati. “Saya pikir kebanyakan orang yang melakukan perekrutan adalah mencuri,” kata Greg Beltzer, kepala teknologi di RBC Wealth Management.

Saya berkesempatan untuk duduk bersama Beltzer pada konferensi Salesforce baru-baru ini di New York, di mana dia berbicara tentang tantangan peningkatan keterampilan di era AI. “Seorang insinyur cepat yang baik lebih mahal dibandingkan ilmuwan data saat ini,” ujarnya. "Sangat sulit sekali mencari seseorang yang mempunyai pengalaman. Anda tidak akan menemukan seseorang yang mempunyai pengalaman lebih dari lima tahun. Paling-paling Anda mungkin mendapatkan dua atau tiga tahun, tapi sulit untuk menemukannya."

Beltzer melanjutkan: "Ada kebutuhan yang sangat besar untuk membuat orang-orang memahami teknik yang cepat. Namun apakah ini sebuah sains? Apakah ini sebuah seni? Apakah kita akan membuat lebih banyak peralatan?" Kabar baiknya adalah setelah peralatan tersedia, akan lebih mudah untuk melatih model AI dengan perintah yang dilakukan “secara sistematis dan terprogram”, katanya.

Namun, sampai alat yang kuat dan berguna tersedia, rekayasa yang cepat akan tetap menjadi tantangan. Bahkan dengan peralatan, Beltzer mengatakan penting untuk dicatat bahwa keahlian ini melampaui kecerdasan teknis. Terlebih lagi, masih terlalu dini untuk mengidentifikasi dengan tepat persyaratan dan latar belakang yang paling cocok untuk seorang insinyur yang cepat.

Misalnya, Beltzer merasa tidak masuk akal untuk melatih ilmuwan data atau profesional terkait lainnya untuk menerapkan keterampilan rekayasa cepat: "Banyak hal yang harus bersifat kontekstual bisnis. Anda harus berpikir seperti pengguna untuk membantu hal tersebut rekayasa cepat -- bukan sekadar kode. Bukan sekadar pengembangan. Ini seperti keahlian teknis bisnis yang juga kreatif."

Beberapa orang yang terjun ke lapangan, menurut pengamatannya, belum tentu bersifat teknis sama sekali: "Mereka adalah penulis," katanya. “Mereka hanya tahu cara menulis. Dan itu adalah bagian dari itu.”

RBC memperhatikan bakat internalnya, dengan fokus pada gabungan keahlian bisnis dan teknis, kata Beltzer, "Kami benar-benar mencari orang-orang yang kemungkinan besar berada di sisi bisnis yang memiliki bakat teknis. Secara pribadi, saya tidak saya tidak ingin membuat taruhan sampai peralatannya menjadi lebih maju."

Tingkat investasi dalam AI dan usaha AI generatif selama setahun terakhir, “juga akan membentuk jenis bakat yang akan kita miliki,” kata Beltzer. "Sampai saat itu tiba, pasar talenta akan sangat terbatas. Jika Anda melihat omzet di perusahaan-perusahaan terkenal ini, mereka bisa menentukan harganya."

Di RBC, yang dulunya merupakan perusahaan yang sangat konservatif, perubahan telah menjadi sebuah aturan -- dimulai dengan meningkatnya adopsi kemampuan dan layanan berbasis cloud, seperti Salesforce. “Setelah kami beralih ke cloud, kami telah melakukan 25 rilis dalam setahun,” kata Beltzer. "Ini merupakan hal yang gila untuk layanan keuangan -- rata-rata industri adalah satu rilis dalam setahun. Kami memiliki tim hebat yang terdiri dari bisnis dan TI, dan kami dapat melakukan iterasi pada platform dengan sangat, sangat cepat."

Pada saat yang sama, Beltzer tidak melihat organisasinya akan sepenuhnya memanfaatkan AI dalam waktu dekat. Meskipun AI dapat membantu pengembang dan ahli strategi bisnis dalam 80% tugas mereka, 20% sisanya memerlukan keterlibatan manusia, ia berkata: "Saya pikir AI itu nyata. Namun saya pikir kita masih memiliki beberapa pekerjaan yang harus dilakukan untuk kelangsungan komersial di industri saya. ."

Misalnya, RBC menggunakan AI generatif untuk membantu keterlibatan pusat kontak. “Kami memiliki beberapa kasus penggunaan yang cukup bagus -- namun ini adalah mitigasi biaya, dibandingkan menghasilkan pendapatan sebenarnya,” kata Beltzer. "Tapi ini awal yang bagus."

Pada tingkat yang lebih umum, AI mungkin tidak akan pernah sepenuhnya menggantikan manusia di sektor pengelolaan kekayaan, tambahnya. “Apa yang kami lihat di pasar-pasar yang melemah adalah orang-orang tidak mau berbicara dengan mesin dan mengatakan kepada mereka, 'Ini akan baik-baik saja.' Orang-orang ingin mendengar, 'Kami membangun portofolio yang memiliki model untuk skenario seperti ini. Anda masih berada di jalur yang benar -- Anda tidak akan pensiun dalam 20 tahun ke depan, Anda punya banyak waktu di pasar, Anda terus berinvestasi, itu akan baik-baik saja.' Tapi Anda tidak bisa membiarkan bot memberitahu Anda hal itu begitu saja."

Namun, kemampuan AI berguna dalam membantu karyawan saat mereka berbicara langsung dengan pelanggan. “Semakin banyak orang yang menggunakan pengelolaan kekayaan dibandingkan sebelumnya, karena kita memiliki lebih banyak aset,” kata Beltzer. "Jadi, mereka akan dapat melayani klien mereka dengan lebih banyak teknologi -- memastikan hal ini terpenuhi, atau dokumen sudah selesai untuk mereka. Di situlah kita perlu melakukan peningkatan. Jadi, penasihat dapat fokus pada hubungan dengan klien, dan memastikan apa yang mereka investasikan akan memenuhi tujuan jangka panjang mereka."

Sebagai manajer TI, “tantangan kami adalah membuat sistem lebih terukur dan efisien,” kata Beltzer. "Saya perlu membuat manusia mampu melakukan apa yang lebih mereka sukai dan menghilangkan aktivitas dasar yang tidak memberikan nilai tambah."