IT och teknik: Den ultimata AI-guldgruvan

AI kommer att skapa 170 miljoner nya jobb fram till 2030 samtidigt som 92 miljoner andra försvinner. Det är en nettovinst på 78 miljoner jobb, enligt World Economic Forums rapport Future of Jobs. I ett tidigare nyhetsbrev om vad AI betyder för din karriär bryter jag ner vilka roller som kommer att explodera, vilka kompetenser som kommer att betyda mest och var de 78 miljoner nya jobben kommer att växa fram.

Det finns många rubriker om omplaceringar, men berättelsen är mycket mer balanserad än vad de flesta rubriker antyder. Enligt Silicon Valley Banks rapport Innovation Economy Outlook har uppsägningarna inom tekniksektorn faktiskt minskat sedan ChatGPT lanserades 2022. Detta utmanar berättelsen om att GenAI orsakar massförflyttningar av jobb. Rapporten tillskriver ökningen av uppsägningar i slutet av 2022 till stramare finansiering, inte AI-automatisering.

Missförstå mig inte, AI har en inverkan i olika branscher på den fronten, men AI kommer också att skapa en våg av helt nya jobb, karriärvägar och affärsmodeller. Till syvende och sist behöver AI människor för att fungera.

Idag vill jag bryta ner exakt vad som händer inom IT och teknik, där jobbskapandet är mest explosivt.

Fem områden där AI skapar flest jobb inom IT och Engineering

Om du är i teknik sitter du på en guldgruva just nu. Teknik- och IT-sektorerna rider ut AI-stormen, och de blir de största förmånstagarna.

Här är vad vi kommer att se dyka upp, särskilt inom företagsteknik:

1. AI-inbyggd produktutveckling

Företagsprogramvara håller på att övergå från "AI-förbättrade" till AI-baserade plattformar. Denna förändring kommer att skapa helt nya yrkeskategorier:

• Produktchefer för AI (AI-projektledare) hantera end-to-end-utveckling av AI-verktyg för företag. De behöver en djup förståelse för ML-modellens livscykler och företagets smärtpunkter. Tänk traditionella PM-färdigheter plus AI-flyt.
• AI UX-designers skapa intuitiva upplevelser för komplexa AI-system. De är specialiserade på gränssnitt för datamärkning, instrumentpaneler för förklarbarhet och att bygga upp användarnas förtroende för AI-beslut.
• Fråga ingenjörer och arbetsflödesdesigners är viktiga för företagspiloter. De bygger uppgiftsspecifika interaktioner inom plattformar som Salesforce, SAP och ServiceNow.

Dessa roller finns eftersom verktyg som Microsoft Copilot, Salesforce Einstein, Google Duet AI och Notion AI behöver specialister som förstår både tekniken och affärssammanhanget.

2. AI-driven molninfrastruktur och DevOps (AIOps)

Framväxten av AIOps (AI för IT-drift) förändrar hur företag hanterar sina backend-system.

• MLOps-ingenjörer Hantera modelldistribution, övervakning och versionshantering i företagsmiljöer. Varje företag behöver dessa färdigheter för att gå från AI-experiment till produktion.
• AIOps-specialister konfigurera AI för prestandajustering, avvikelseidentifiering och automatisk reparation i storskalig infrastruktur. Det är de som ser till att dina AI-system fungerar tillförlitligt.
• Molnbaserade AI-arkitekter designa skalbara AI-arbetsflöden med AWS, Azure eller GCP med kostnads- och prestandaeffektivitet i åtanke.

Relaterade roller kommer att dyka upp, inklusive: Observability Engineers, Incident Prediction Analysts och Infrastructure Prompt Scripters.

3. Förtroende för cybersäkerhet och AI

AI utökar attackytan men möjliggör också snabbare hotidentifiering. Företagssäkerhet är en av de snabbast växande jobbkategorierna just nu.

• Cyberanalytiker med AI använda maskininlärning för att upptäcka och reagera på säkerhetsincidenter i realtid, särskilt i Security Operations Center (SOC:er).
• Röda lagspelare för LLM simulera snabb injektion, jailbreaks och hallucinationer i AI-appar för företag. Ja, människor får bokstavligen betalt för att försöka knäcka AI-system.
• AI-risk- och efterlevnadsansvariga se till att företagsdistributioner följer föränderliga ramverk för AI-styrning som EU:s AI Act och NIST-standarder.

4. Företagsdata och kunskapsinfrastruktur

AI trivs med data, vilket innebär en enorm efterfrågan på datacentrerade roller:

• Datatekniker och förvaltare rensa, tagga och förbereda företagsdata för LLM-konsumtion. AI är bara så bra som dess träningsdata, och detta arbete är i grunden mänskligt.
• Ingenjörer för vektordatabas hantera RAG (Hämtningsförstärkt generering) rörledningar med hjälp av verktyg som Pinecone, Weaviate eller Chroma. Det är dessa personer som hjälper AI-system att få tillgång till rätt information vid rätt tidpunkt.
• Designers av AI-kunskapsdiagram strukturera företagskunskap för AI-åtkomst och syntes i realtid.

5. Vertikala SaaS AI-specialiseringar

Branschspecifika AI-distributioner skapar hybridroller som kräver både domänkunskap och AI-kunskap:

• LegalTech AI-specialister arbeta på plattformar som Ironclad eller Lexion, med fokus på AI för kontrakt och analys av juridiska dokument.
• AI-analytiker för FinTech hantera upptäckt av bedrägerier, KYC/AML-efterlevnad och personliga finansiella arbetsflöden.
• AI hos HR-teknikspecialister fokusera på att hitta och utvärdera kandidater med hjälp av AI-verktyg som SeekOut eller Paradox.

632 miljarder dollar i AI-utgifter fram till 2028

Enligt IDC kommer globala AI-utgifter för AI att (inklusive applikationer, infrastruktur och IT-tjänster) kommer att nå 632 miljarder dollar 2028. Detta kommer att leda till nya AI-roller inom teknik, produkt, data och drift för att underhålla dessa AI-system.

Företagsleverantörer som Microsoft, Google Cloud och Oracle investerar miljarder i AI-drivna plattformar. Det här är inte en bubbla – det är en ihållande jobbtillväxt under åtminstone det kommande decenniet.

Vad innebär detta för din karriär?

Om du redan är inom teknik har du en enorm fördel. Grunden finns där – du behöver bara lägga till AI-färdigheter på toppen. Men vänta inte. Fönstret för enkla karriärövergångar stängs snabbt.

Här är mina råd:

Om du är programvaruingenjör: Börja med Cursor eller GitHub Copilot för kodgranskningar och lär dig sedan grunderna för snabb teknik. Skaffa grundläggande MLOps genom att distribuera en enkel modell till AWS, SageMaker eller Azure ML. Fokusera på att bli en AI-assisterad utvecklare först – företag anställer fler ingenjörer eftersom AI gör team 2 gånger mer produktiva.

Om du är i DevOps/infrastruktur: Dyk in i AIOps-verktyg som Datadog AI eller New Relics ML-funktioner. Lär dig vektordatabaser. Kom igång med Kubernetes för ML-arbetsbelastningar. Vägen från traditionell DevOps till MLOps-ingenjör är kortare än du tror.

Om du är produktchef: Studera ramverk för AI-produkthantering och experimentera med AI-verktyg för företag i din nuvarande roll. Gå en kurs om grunderna i ML (Du behöver inte koda, men du måste förstå modellens begränsningar). Skuggteknikteam under lanseringar av AI-funktioner. AI-projektledare kommer att kräva 20-30 % löneökningar.

Om du arbetar med cybersäkerhet: Lär dig hur du red team LLM:er med hjälp av verktyg som IBM:s PromptBreach eller anpassade skript. Studera ramverk för AI-styrning (NIST AI RMF, EU AI-lagen). Öva på att upptäcka AI-genererade nätfiskeförsök. Säkerhet + AI-kunskap kommer att vara en av de mest efterfrågade kombinationerna.

Om du är datatekniker: Fokusera på RAG-pipelines och vektordatabaser. Lär dig verktyg som LangChain, Chroma eller Weaviate. Förberedelse av övningsdata för LLM-utbildning. Datatekniker som förstår AI-arbetsflöden är ovärderliga.

Om du är UX-designer: Studera AI-gränssnittsmönster från verktyg som Notion AI, Figma AI eller Microsoft Copilot. Lär dig mer om förklarlig AI och förtroendeskapande UX-mönster. Öva på att designa för AI-osäkerhet och feltillstånd. AI UX-designers kommer att värderas högt.

Slutsats: De ingenjörer som anpassar sig snabbast kommer att ha flest möjligheter.

Och om du inte är i teknik än? Nu kan det vara dags att byta. Efterfrågan på AI-relaterade roller skapar fler ingångspunkter än vad vi har sett på flera år.

Vad kommer härnäst?

Det här är bara början. I mina nästa inlägg kommer jag att diskutera de AI-jobbmöjligheter som dyker upp inom hälso- och sjukvård, finans, utbildning och andra sektorer. Arbetsmarknaden för AI kommer att explodera. Frågan är inte om dessa möjligheter finns – det är om du kommer att positionera dig för att dra nytta av dem.

Låt mig veta vilka AI-roller du är mest nyfiken på, så kommer jag eventuellt att utforska dem i framtida inlägg!