在谈到 AI 时，昨天那套全面的技能可能已经过时。考虑到 AI 的超高速演进，现在帮助团队成员理解并运用最新技能而又不打乱他们已经很繁重的工作负载显得尤为重要。
混合实践经验与指导性学习的方法是建立 AI 技能的最佳途径，BairesDev 软件外包公司的 CTO Justice Erolin 建议。他在一封电邮采访中表示：“传统教育已无法跟上 AI 的迅速发展，所以微学习和同行学习计划可能比大学 AI 课程更为有效。”
O'Reilly Media 技术与商业培训公司的副总裁 Mike Loukides 表示：“你不再需要 AI 专家，而需要懂得如何使用 AI 的人才。经过适当培训，你所需要的人才可以从你现有的员工中培养出来。寻找数据工程师 —— 懂得如何构建数据管道、懂得如何分析数据的人。”
保持步伐
网络安全咨询公司 NCC Group 的技术总监兼 AI 与 ML 负责人 David Brauchler 指出：“AI 领域每月都在发生变化。”他在一封电邮采访中建议，工程团队应建立知识共享与协作的文化，以便随时掌握最新进展。“AI 的进步是一个持续的过程，并非零星发生。”
Loukides 补充道：“这的确是一个持续的过程。即便你设法聘请了完美的外部专家团队，他们的技能也会立即开始变得过时。持续学习现在比以往任何时候都更加重要。”
EY Americas 的商业咨询公司技术、媒体和电信负责人 Vamsi Duvvuri 建议，利用现成的示例、数据和评估技术，深入开展实践项目。他在一次线上讨论中解释道：“在这一阶段，与组织内来自各个团队、尤其是那些通常不一起工作的团队进行合作至关重要。多元化的视角能够揭示盲点并激发新想法。考虑引入具有挑战性的人才，甚至探索 acquihires —— 引进那些不固守现状、能打破传统思维并带来新颖、出乎意料方法的新血液。”
必备技能
Duvvuri 指出，新团队成员常常对既有流程提出质疑，并助力激发创新。“在某些情况下，如果你发现一家充满创新精神的初创企业或一支有才华的团队，收购他们——甚至进行 acquihire——都能迅速为你的组织注入尖端专业知识。这不仅仅是为了填补空缺，而是为了打破常规并加速学习。”
Erolin 观察到，学会如何与 AI 协作正成为一项独立技能。“除了技术专长，软技能的培养也将有助于提升与 AI 协同工作的能力。批判性思维、问题解决能力和商业知识对于理解何时适合应用 AI 至关重要。”
Erolin 指出，一些通用技能尤为重要，这些技能包括：
避免错误
许多 IT 领导者常犯的一个错误是将 AI 培训视为一次性的活动，比如只举办一次课程或研讨会。Duvvuri 警告说：“如果你跳过持续学习、反思，甚至颠覆性人才引进的周期，就有可能陷入停滞并落后。相反，拥抱持续教育、多样化团队动力以及诸如 challenger hires 等大胆举措的文化，能够促进创新与韧性。”
NCC Group 的 Brauchler 建议，应用架构师和开发者应考虑 AI 为应用威胁模型带来的复杂性，并在低敏感环境中提升技能。“例如，AI 带来了与数据风险相关的新问题，包括其无法可靠区分可信与不可信的内容。因此，应用设计者需要考虑在传统软件架构中不常遇到的新风险。”
最后的思考
Erolin 表示，在 AI 时代，蓬勃发展的公司不一定拥有最花哨的模型，而是那些拥有最能适应变化的团队。“真正的差异在于你团队成员快速学习、摒弃旧知并再学习的能力。”
Erolin 补充说：“在 BairesDev，我们的成功正是建立在这一信念之上。我们在全球范围内拓展 AI 人才，同时也帮助我们的合作伙伴建立能够跟上创新步伐的内部文化。在这个领域，唯一真正的风险就是停滞不前。”
