在华企业如何填补AI人才缺口

在华企业如何填补AI人才缺口 到2030年，中国的AI人才供应只有市场需求的三分之一。在华企业应如何填补人才缺口？ 作者：WouterMaes和AlexSawaya 2023年7月 ©GettyImages 吸引和留住人工智能（AI）人才已成为全球性挑战，面对即将出现的巨大缺口，企业应如何确保竞争所 中国也不例外。 在麦肯锡2022年的全球人工智能商业高管调查中，75%的中国受访者坦言在数据科学家的招聘上遇到困难1。逾半受访者表示难以找到合适人才来填补与AI相关的关键岗位空缺，如数据工程师、数 据架构师和机器学习工程师等，而这些岗位对于设计、构建和推进产业化的高级数字化与AI能力不可或缺。 我们的最新研究表明，即便市场近期出现收缩，人才招募仍会越来越难。预计到2030年，AI为中国带来的潜在价值有望超过1万亿美元，随着各大企业竞相挖掘这一价值，中国对高技能人才的需求将达到目前（从100万人增加到600万人）的6倍2。（参见附文“关于本研究”了解我们的研究方法。） 而据估计，到2030年，国内外大学及现有顶尖人才储备只能提供约200万（即所需的三分之一）AI人才，缺口将达400万（见图1）。2030年后，随着出生率下滑，大学生人数将减少，AI人才缺口问题将更加严峻。 需的人才和能力？我们对在华百余家头部公司进行了调查和访谈，揭示出了两大关键洞见： —人才缺口各有差异。尽管每家企业都需提升现有员工技能，抛弃传统招聘方式以获取所需人才和能力，但各家公司的投资和干预措施将因各自的数字化成熟度不同而有所差异。 —本土及跨国企业各有优势。尽管中国高校毕业生更看好本土企业及其创新和基于绩效的激励结构，但在华跨国公司可有效利用其全球网络，从更大的人才库中吸引人才。 针对AI人才挑战，本文深入探讨了企业在数字化成熟的各个阶段应优先关注的人才类型，以及如何更好的获得所需的技能和能力。 1“ThestateofAIin2022—andahalfdecadeinreview，”麦肯锡，2022年12月6日。调查涵盖102家在中国的受访企业。 关于本研究 本次调研与访谈涵盖在华102家领先企业，这些企业至少已在一个领域采用人工智能。我们还分析了全球与本地的报告、用例和招聘数据库，以探究中国对AI人才的需求、企业在填补人才缺口方面的挑战及采取的相关行动。为评估人才需求，我们考虑了人工智能对关键行业（消费者、金融、制造、企业服务、汽车、运输和物流以及医疗和生命科学）的经济影响，并对每个行业的人均生产力进行了建模。在供给方面，我们评估了倾向于选择国内就业的国内外高校毕业生数量，包括科学、技术、工程及数学（STEM）等专业，以及现有的顶尖科技人才数量。 2基于以下研究：沈愷、童潇潇、吴听和张芳宁，“探索人工智能新前沿：中国经济再迎6000亿美元机遇，”麦肯锡，2022年6月7日；“NotesfromtheAIfrontier:Applicationsandvalueofdeeplearning，”麦肯锡全球研究院，2018年4月17日；中国国家统计局，2021年。 图1 2030年，中国顶尖科技人才缺口或超400万 顶尖科技人才数量，百万人 8 供给¹ 需求² 7 0.3 6 5 44.1 3 2 1 0 2022 2023 2024 2025 2026 2027 2028 2029 2030 1预测基于以下来源：“探索人工智能新前沿：中国经济再迎6000亿美元机遇”，麦肯锡，2022年6月7日；“NotesfromtheAIfrontier:Applicationsandvalueofdeeplearning”，麦肯锡全球研究院，2018年4月17日；中国国家统计局，2021年。 2预测基于以下来源：《2021中国IT服务人才供给报告》，软通动力和艾瑞咨询，2021年8月；中华人民共和国教育部，2021年；《2022年中国学生出国留学报告》，联合国教科文组织统计研究所；领英人才洞察，2022年；2023年QS世界大学排名。 资料来源：麦肯锡分析 人才和技能需求因数字化成熟度不同而有所差异 数字化和人工智能作为重要驱动力，正在为中国创造巨大价值，这就要求一整套的高级技能基础。这些技能大致来自七个领域：客户体验、云、自动化、平台和产品、数据管理、DevOps（一种优化软件开 发的方法）以及网络安全和隐私。尽管企业最终 要在各个领域建立人才储备，但我们的研究则表明，企业应根据自己的数字化成熟度，优先选择真正需要的人才。常见的数字化成熟度表现为传统型、混 合型和数字型这三类（见图2）。 图2 数字化成熟度将决定在华企业的科技人才策略 类型 定义 优先考虑的人才类型 相关技能 传统型 刚开启数字化转型，内部团队规模较小 数据管理 数据架构、数据工程、数据分析和分析转译 平台和产品专家 定制“软件即服务”（SaaS），外部解决方案 混合型 已大力投资数字化转型，内部技术实力较强，业内成熟度高 DevOps 敏捷产品管理、持续整合/持续交付（CI/CD）和微服务 客户体验 预测性分析、设计思维和自动化测试和原型开发 云 Kubernetes、Docker和多云端基础设施 数字型 行业巨头、数字原生企业或技术实力强劲的AI和科技初创企业 网络安全和隐私 Shift-left安全（在产品开发早期推进安全测试）、零信任安全，以及数据保护法规与实践 自动化 生成式AI、机器人流程技术、机器学习、AI赋能分析和量子计算 跨国企业关注项 所有员工 流利掌握中文及外语，善于利用全球资源，跨文化交流能力强理解其他地域的工作模式，能与全球同事顺畅沟通 领导层 善于建立合作伙伴关系，确保各项工作符合公司的全球IT和AI标准，同时切实满足本土业务需求 产品负责人 了解不同地区的哪些数据和设计可重复使用和规模化推广，哪些数据和设计需要本土化，以满足中国数字生态系统的需求 传统型 传统型是指数字化转型刚启动的企业。这类企业 混合型 混合型是指对数字化转型投入巨资的行业成熟企 通常仅有小规模的内部团队，且面临较大竞争压力，业。这类企业已有较强的内部技术实力与牢固基础， 亟需启动数字化和人工智能转型。它们的转型重点主要为建立数据基础，优化业务流程，并专注于能快速提升业务实效的专门用例（而非构建未来创新研发AI能力）。为此，这些企业应聚焦两类人才： —第一类人才是数据管理专家，精通数据架构、数据工程、数据分析和分析转译。他们能搭建数据平台、管道和流程，推动数据开放，形成数据驱动的实时洞见，确保数据质量与治理，并管理用例的生命周期。企业可聘请此类专家，服务数据产品或用例团队，推动新的数字化和AI能力的交付。卓越数据中心也需要此类专家协同设计和监督数据管理流程，确保应有的访问控制、数据质量以及审批和保留政策。 某农业企业构建了集中式企业数据中心，以支持数据管理协议和治理流程，让不同部门的数千名员工享有访问便利，从而推进人工智能和分析用例实践。从此企业无需重复开发新数据管道，因此大幅降低了IT成本，实现了业务方法现代化。例如，利用机器人追踪动物的繁育条件，在检测到潜在疾病和其他问题时自动发出警报。 —第二类人才是平台和产品专家，精通软件开发。他们能够定制“软件即服务”（SaaS）或其他外部解决方案，提高业务效率，提供新的面向客户的服务。例如，某消费电子产品制造商应用AI用例后，优化了生产计划和劳动生产率，之后便开始投资组建数据平台开发团队。该团队将更新底层模型、用户界面、数据管道和后端基础设施，持续强化当前的AI用例，并引入其他用例。 现主要关注简化开发流程，加快新的数字化和AI产品交付速度，以及拓展领域专长提供卓越的客户体验。混合型企业需要精于软件开发的DevOps专家，例如敏捷产品管理、持续集成/持续交付（CI/CD）实践，以及可加快部署的微服务。客户体验专家也是它们所需要的人才，这些专家精于各类预测性分析、设计思维和自动化测试能力，且原型能力强，可为客户打造新的体验。 当然，随着混合型企业持续拓展能力，并在云中托管更多的AI模型和应用，IT效率和服务器支出也将成为一大挑战。我们在2022年进行的云调查发现，超过75%的在华企业计划使用多种云服务，90% 计划到2025年混合使用公有云和私有云服务3。为了明确能力需求及不同云服务的运营方式，企业需要具备Kubernetes、Docker和多云架构经验的云专家。 数字型 数字型是指数字原生企业，如科技巨头、人工智能和科技初创企业。此类企业已在多数数字化和AI领域拥有较充足的人才储备，但仍需进一步扩大储备，以满足不断变化的行业预期和技术进步需求。 该类企业的关注重点是网络安全和数据隐私。在中国，由于企业加大了安全和隐私保护力度，或将对AI和数字化有所影响，因此数字型企业需要具备全局视角和系统方法的专家来解决问题，优先获取在产品开发早期进行安全测试（常称为shift-left安全）、零信任安全框架以及数据保护法律和实践的 人才。另一类应优先考虑的人才是精通生成式人工智能、机器人流程技术、机器学习、AI赋能分析和量子计算等技能的自动化专家。他们可推动端到端的自动化开发、测试及部署，以提高将新功能推向市场的效率和速度。 3沈愷、AnandSwaminathan、童潇潇和王玮，“云端中国，展望2025，”麦肯锡，2022年7月8日。 各类跨国公司 对在华运营的跨国公司而言，无论数字化成熟度是高是低，均须确保其AI人才具备在其全球网络顺利开展工作的能力。例如，团队需流利掌握中文及外语，理解其他地域的工作模式，能与全球同事顺畅沟通。领导层要善于建立合作伙伴关系，确保各项工作符合公司的全球IT和AI标准，同时切实满足本土业务需求。产品负责人需要了解不同地区的哪些数据和设计可重复使用和规模化推广，以及哪些数据和设计需要在本地重建，以便满足中国数字生态系统的需求。 例如，某跨国企业的欧洲分公司开发了一款全球交通应用程序，通过谷歌、Facebook和Instagram的消费者交通数据来优化路线。虽然这家分公司在全球的分支机构大都能使用这个应用，但为了从国内平台获取数据，中国的产品负责人需带团队先调整应用，后进行部署。 通过提高技能和拓展人才来源填补缺口通过对人才“选育留”相关话题的访谈，我们发现传统型和混合型企业在各人才管理阶段都有很多工作要做（见图3）。数字型企业只需在少数几个领域加强，便能保持人才管理优势。 深入研究公司战略，我们发现所有企业在推动数字化和AI人才发展时，最关键的有两点：1，提升现有人才技能；2，多元拓展人才来源。我们的研究表明，对于这两点，不同类型的企业需要采取不同的行动。 提升现有员工技能 提升员工技能是企业获取所需人才的常见策略。我们的研究表明，在华公司可对现有的业务和AI人才替补队伍进行有针对性的能力建设，以获得所需技能（见图4）。 当然，我们的访谈也表明，需要提升的技能最好是那些难找到、难外包或难获取的关键技能，如对遗留应用或现有产品功能的理解（关于如何开启员工技能提升计划，详见图5）。 传统型 分析转译是传统型企业应重点关注的技能。我们 的研究表明，缺乏这些技能，业务部门将难以信服，新的数字化和AI举措也将难以落地。提升不同领域业务专家技能，以识别和评估潜在的数字化和AI用例，评估潜在商业价值并支持后期部署，可让传统 型企业更快从数字化和AI投资中获取价值。此类培训最好在内部的“分析学院”展开，企业可定制培训内容，并推行学徒制，让专家们学以致用。 例如，某先进制造商为提高员工技能，在转型伊始建立了分析学院，帮助200多名员工转型成为分析转译员。 图3 从人才招聘到文化认同，各阶段的人才管理挑战不尽相同 适用级别低中高 公司类型 阶段挑战 数字型 混合型传统型 1人才战略规划使整体科技人才战略与公司战略重点保持一致 2 人才招聘 3 入职培训 使高管层在公司整体人才队伍规划上达成一