人工智能(AI)與大數據是最近幾年科技界乃至商業社會最火的詞。正如阿里巴巴創始人馬云所說，我們已經步入了數據技術時代(DataTechnology)，數據的重要性和威力越來越顯現出來。隨著大數據存儲和計算的迅猛發展，AI技術像是插上了翅膀，理論和應用層面都在近幾年取得了很大的突破。我們在現在和未來看到越來越多的商業落地，如機場的人臉識別、搜索推薦、人機交互的智能語音音箱等，這些技術與應用正在從方方面面改變著人類的生活。
AI和大數據技術的發展和應用中，最核心的是人才。筆者在美國學習與工作多年，并在谷歌公司擔任數據科學家，對此深有體會，所以通過本文，從以下幾個方面對人才這個話題做出探討。
市場對AI和大數據人才的需求
市場對人才的需求一般分為兩類：研究型人才和應用型人才。
研究型人才一般是知名人工智能研究機構的重點招募對象，比如大家耳熟能詳的谷歌大腦、臉書的研究部、阿里的達摩院等，都對研究型人才求賢若渴。研究型人才大部分是國內外知名學府計算機、電子工程、統計學、數學等專業的博士背景，他們側重于架構的創新(比如大名鼎鼎的MXNET、Spark、TensorFlow)，或者算法的創新(比如計算速度、準確率、普世性等)，在各自的研究領域鉆研得比較深。這類崗位的錄取標準很高，基本都要求發表頂級會議論文(比如神經信息處理系統大會NIPS、國際機器學習大會ICML、電氣和電子工程師協會IEEE等)。
很多知名人工智能研究機構會和海內外高校有合作關系，比如滴滴和密歇根大學，商湯科技和香港中文大學。和高校不同的是，人工智能研究機構一般會有短期和長期的落地規劃。具體說來，研究機構最終要么是希望研究成果與現有產品結合，打磨出更好的產品，比如谷歌這幾年力推的谷歌助手;要么是為未來推出新產品做技術積累。目前研究型人才相對稀缺，所以很多剛畢業且學術做得很好的博士生會有很不錯的工作邀約。
另外，學校里的教授也是這些研究機構非?？粗氐囊慌?。近些年來比如多倫多大學的杰弗里·欣頓(GeoffreyHinton)、斯坦福的李飛飛、卡耐基梅隆大學的安德魯·摩爾(AndrewMoore)等學術大牛都在谷歌等大公司的研究部門帶領團隊做創新。他們走出象牙塔，一方面致力于推動科技落地，變成看得見摸得著的產品，造福人類;另一方面致力于推動科技民主化，使科技讓更多的人了解并且掌握，形成百家爭鳴、百花齊放的場面。這些高素質的博士生和教授引領著前沿技術的探索，推動著產品的創新。
至于應用型人才，就數量而言，比研究型人才要多得多。這些人才通常至少是理工科背景的碩士或者博士，從事數據科學或者算法工程師這類工作，他們為產品的最終落地而服務。
這類人才需要有扎實的數理統計功底和編程能力(包括算法和性能調優)，對產品也需要有一定程度的了解。一個只懂產品卻不能動手，或者不懂產品只照著別人所說而寫代碼的人，都不能稱之為理想的AI與大數據人才。除了這些硬功夫外，如何與人溝通、領導團隊、管理上下級期望、如期完成工作，也是十分重要的環節。
當然，頂尖的人才，除了具備上述能力外，還需要具備在不確定性中決策的能力，比如如何通過數據確定產品該做什么，不該做什么，使用什么技術棧(一系列技術的集合)，怎么高效實現整個流程管理，如何評估產品，確定產品迭代方向，怎么跨部門協作調動資源完成整個項目等。這類能帶領一個較大團隊打出勝仗的人才，在市場上屈指可數，他們一般也因此得以在大公司擔任重要職位。
至于經驗稍淺的，比如剛畢業或者工作僅僅2~3年的人，他們通常能把別人布置的任務做好，但缺乏思考深度和整體性。不過這些側重寫代碼或做分析的，也是公司不可或缺的人才，培養幾年，一定會有優秀者冒出來，這部分人在美國被稱為IndividualContributor(個人貢獻者)，主要擔任技術類職位。
企業如何找到人才
合適的人才通常擁有優秀的背景，比如亮眼的學歷、頂級公司的工作經歷、帶領過重大項目等。通過這些大致可以判斷候選人應該放在企業的什么位置上。
對于研究型人才，企業通?？梢匀W校招聘、通過導師推薦或者學術會議交流來認識。對于應用型人才，尤其是核心候選崗位，可能最靠譜的方式，是通過朋友介紹或者招攬以前有過交集的人才。
另外，筆者認為，通過獵頭、各種會議、職業社交網站，也是企業發現人才不錯的渠道。當有了目標候選人以后，企業代表可以通過發郵件甚至約出來喝咖啡面對面溝通，更好地增進彼此的了解和信任。這種方式在美國硅谷頗為常見，企業常常主動邀請候選人前往公司參觀，和高管以及團隊主要成員溝通，讓候選人了解公司的方向和對人才的態度，打消候選人的顧慮。畢竟對于人才而言，跳槽也是有風險的，尤其是比較資深的員工，自然不希望去一個不適合自己的地方，浪費幾年寶貴時光。
候選人的情況一直在變，給候選人良好的面試體驗，有助于吸引優秀人才的注意。當然，筆者認為，企業還要尊重每位候選人的時間和誠意，對候選人而言，除了思考薪酬、抱負的實現、自己的研究興趣和企業氛圍都是需要重點考量的因素。
企業如何組建數據科學和AI團隊
無論是初創科技公司，還是企業數字化轉型，都涉及組建數據科學或是人工智能技術團隊。筆者認為，組建AI團隊不是件容易的事，一方面，優質的AI人才在當今依舊比較稀缺，另一方面，優秀的AI人才對于技術和商業的要求都比較高。
從技術層面來說，計算機編程和架構能力以及數學和統計能力等都是必不可少的。優秀的AI領導型人才在市場上極度稀缺，因為他們需要對前沿研究和商業應用都在行，在AI研究院擔任高管的，一般都是在美國知名公司任職過，有海外優秀學術背景的人才。
作為新學科，AI有很多難題需要解決，也有很多未開發的處女地等待挖掘，必要的研究能力當然是不可或缺的，但是光發學術論文還不夠，領導型人才還需要知道怎么落地，以多大成本落地，并預知未來的技術風險和挑戰。比如，對于一些工業AI場景，是用云服務還是邊緣計算，如何確定產品難度和后期開發成本，怎么迭代和擴展等，都需要通盤考慮。領導型人才每天需要面對很多選擇，而每個選擇都會直接影響后期選擇和投入。這些本事需要從非常有經驗的業界大牛那兒獲取，找到那些人也只是第一步。
當找到這些AI人才后，企業還要充分放權。這類人才通常有很強的人脈，通過他們舉薦人才并組織團隊，相對企業自己動手要容易得多。一些有抱負的人才也會因為這類領袖型人才的加盟而加盟，形成羊群效應。以筆者在美國的經驗看，很多優秀的年輕人選擇谷歌等公司也是因為期待加入大牛的麾下。
當然，組建優秀的數據科學和AI團隊不得不提的還有資金。這方面，硅谷很多優秀的公司很舍得投入。當招聘的員工背景優秀、聰明且動手能力很強時，人才就成了類似谷歌這類公司的最大護城河。
組建團隊只是第一步。如何把團隊擰成一股繩，變成一支能打勝仗的部隊呢?這就要考驗領導型人才的智慧、公司的激勵機制和人才培養機制了。
企業如何培養人才
筆者看來，培養人才可以從以下三方面去實施。
首先，企業可以嘗試讓員工做一些比自己級別高一級的工作。谷歌等公司在這方面就做得非常出色，谷歌員工的成就感來源于自己的工作對產品和業務的影響力，感受到的影響力越大，就會越主動承擔責任。所以，給員工一部分比自己級別高一級的工作，會整體上擴大項目和工作的影響力。
其次，企業要決心放權，相信員工的能力和責任心。當然，在給他們更大挑戰的同時，也要幫助他們解決困難，必要的溝通和鼓勵是必不可少的，比如，定期組織培訓、讀書小組活動、安排員工出去開會和同行交流，讓他們感覺到在企業里可以學到東西，感覺到企業在他們身上花了真金白銀，并因此增加員工對企業的認同感。
最后，企業要營造一個公平的激勵機制。企業對員工工作的認同體現在工資、獎金和晉升上，創造一個公平的激勵機制不可或缺，最好需要晉升委員會的介入。晉升委員會的成員大多數都是資深的領導型人才，在審批激勵機制與晉升時，要確保獨立性，有必要的話還可以設立答辯環節。這類似于博士論文答辯，候選人需提交相關材料和代碼以證明自己在各個方面都已經準備好承擔下一級的任務。
可以預見，在未來幾年內，企業對大數據和AI人才的需求會越來越大。企業應該多花點時間尋找適合自己的人才，并通過有效的機制把團隊管理好，讓團隊更好地創造價值。
關鍵詞：
