吸引和留住人工智能（AI）人才已成為全球性挑戰，中國也不例外。

在麥肯錫2022年的全球人工智能商業高管調查中，75%的中國受訪者坦言在數據科學家的招聘上遇到困難【1】。逾半受訪者表示難以找到合適人才來填補與AI相關的關鍵崗位空缺，如數據工程師、數據架構師和機器學習工程師等，而這些崗位對于設計、構建和推進產業化的高級數字化與AI能力不可或缺。

我們的最新研究表明，即便市場近期出現收縮，人才招募仍會越來越難。預計到2030年，AI為中國帶來的潛在價值有望超過1萬億美元，隨著各大企業競相挖掘這一價值，中國對高技能人才的需求將達到目前（從100萬人增加到600萬人）的6倍【2】。（參見附文“關于本研究”了解我們的研究方法。）

  面對即將出現的巨大缺口，企業應如何確保競爭所需的人才和能力？我們對在華百余家頭部公司進行了調查和訪談，揭示出了兩大關鍵洞見：

• 人才缺口各有差異。盡管每家企業都需提升現有員工技能，拋棄傳統招聘方式以獲取所需人才和能力，但各家公司的投資和干預措施將因各自的數字化成熟度不同而有所差異。

   

• 本土及跨國企業各有優勢。盡管中國高校畢業生更看好本土企業及其創新和基于績效的激勵結構，但在華跨國公司可有效利用其全球網絡，從更大的人才庫中吸引人才。

針對AI人才挑戰，本文深入探討了企業在數字化成熟的各個階段應優先關注的人才類型，以及如何更好的獲得所需的技能和能力。

數字化和人工智能作為重要驅動力，正在為中國創造巨大價值，這就要求一整套的高級技能基礎。這些技能大致來自七個領域：客戶體驗、云、自動化、平臺和產品、數據管理、DevOps（一種優化軟件開發的方法）以及網絡安全和隱私。盡管企業最終要在各個領域建立人才儲備，但我們的研究則表明，企業應根據自己的數字化成熟度，優先選擇真正需要的人才。常見的數字化成熟度表現為傳統型、混合型和數字型這三類（見圖2）。

傳統型

傳統型是指數字化轉型剛啟動的企業。這類企業通常僅有小規模的內部團隊，且面臨較大競爭壓力，亟需啟動數字化和人工智能轉型。它們的轉型重點主要為建立數據基礎，優化業務流程，并專注于能快速提升業務實效的專門用例（而非構建未來創新研發AI能力）。為此，這些企業應聚焦兩類人才：

第一類人才是數據管理專家，精通數據架構、數據工程、數據分析和分析轉譯。他們能搭建數據平臺、管道和流程，推動數據開放，形成數據驅動的實時洞見，確保數據質量與治理，并管理用例的生命周期。企業可聘請此類專家，服務數據產品或用例團隊，推動新的數字化和AI能力的交付。卓越數據中心也需要此類專家協同設計和監督數據管理流程，確保應有的訪問控制、數據質量以及審批和保留政策。

某農業企業構建了集中式企業數據中心，以支持數據管理協議和治理流程，讓不同部門的數千名員工享有訪問便利，從而推進人工智能和分析用例實踐。從此企業無需重復開發新數據管道，因此大幅降低了IT成本，實現了業務方法現代化。例如，利用機器人追蹤動物的繁育條件，在檢測到潛在疾病和其他問題時自動發出警報。

第二類人才是平臺和產品專家，精通軟件開發。他們能夠定制“軟件即服務”（SaaS）或其他外部解決方案，提高業務效率，提供新的面向客戶的服務。

例如，某消費電子產品制造商應用AI用例后，優化了生產計劃和勞動生產率，之后便開始投資組建數據平臺開發團隊。該團隊將更新底層模型、用戶界面、數據管道和后端基礎設施，持續強化當前的AI用例，并引入其他用例。

混合型

混合型是指對數字化轉型投入巨資的行業成熟企業。這類企業已有較強的內部技術實力與牢固基礎，現主要關注簡化開發流程，加快新的數字化和AI產品交付速度，以及拓展領域專長提供卓越的客戶體驗。混合型企業需要精于軟件開發的DevOps專家，例如敏捷產品管理、持續集成/持續交付（CI/CD）實踐，以及可加快部署的微服務?？蛻趔w驗專家也是它們所需要的人才，這些專家精于各類預測性分析、設計思維和自動化測試能力，且原型能力強，可為客戶打造新的體驗。

當然，隨著混合型企業持續拓展能力，并在云中托管更多的AI模型和應用，IT效率和服務器支出也將成為一大挑戰。我們在2022年進行的云調查發現，超過75%的在華企業計劃使用多種云服務，90%計劃到2025年混合使用公有云和私有云服務【3】。為了明確能力需求及不同云服務的運營方式，企業需要具備Kubernetes、Docker和多云架構經驗的云專家。

數字型

數字型是指數字原生企業，如科技巨頭、人工智能和科技初創企業。此類企業已在多數數字化和AI領域擁有較充足的人才儲備，但仍需進一步擴大儲備，以滿足不斷變化的行業預期和技術進步需求。

該類企業的關注重點是網絡安全和數據隱私。在中國，由于企業加大了安全和隱私保護力度，或將對AI和數字化有所影響，因此數字型企業需要具備全局視角和系統方法的專家來解決問題，優先獲取在產品開發早期進行安全測試（常稱為shift-left安全）、零信任安全框架以及數據保護法律和實踐的人才。另一類應優先考慮的人才是精通生成式人工智能、機器人流程技術、機器學習、AI賦能分析和量子計算等技能的自動化專家。他們可推動端到端的自動化開發、測試及部署，以提高將新功能推向市場的效率和速度。

各類跨國公司

對在華運營的跨國公司而言，無論數字化成熟度是高是低，均須確保其AI人才具備在其全球網絡順利開展工作的能力。例如，團隊需流利掌握中文及外語，理解其他地域的工作模式，能與全球同事順暢溝通。領導層要善于建立合作伙伴關系，確保各項工作符合公司的全球IT和AI標準，同時切實滿足本土業務需求。產品負責人需要了解不同地區的哪些數據和設計可重復使用和規?；茝V，以及哪些數據和設計需要在本地重建，以便滿足中國數字生態系統的需求。

例如，某跨國企業的歐洲分公司開發了一款全球交通應用程序，通過谷歌、Facebook和Instagram的消費者交通數據來優化路線。雖然這家分公司在全球的分支機構大都能使用這個應用，但為了從國內平臺獲取數據，中國的產品負責人需帶團隊先調整應用，后進行部署。

通過對人才“選育留”相關話題的訪談，我們發現傳統型和混合型企業在各人才管理階段都有很多工作要做（見圖3）。數字型企業只需在少數幾個領域加強，便能保持人才管理優勢。

深入研究公司戰略，我們發現所有企業在推動數字化和AI人才發展時，最關鍵的有兩點：1，提升現有人才技能；2，多元拓展人才來源。我們的研究表明，對于這兩點，不同類型的企業需要采取不同的行動。

提升員工技能是企業獲取所需人才的常見策略。我們的研究表明，在華公司可對現有的業務和AI人才替補隊伍進行有針對性的能力建設，以獲得所需技能（見圖4）。

當然，我們的訪談也表明，需要提升的技能最好是那些難找到、難外包或難獲取的關鍵技能，如對遺留應用或現有產品功能的理解（關于如何開啟員工技能提升計劃，詳見圖5）。

傳統型

分析轉譯是傳統型企業應重點關注的技能。我們的研究表明，缺乏這些技能，業務部門將難以信服，新的數字化和AI舉措也將難以落地。提升不同領域業務專家技能，以識別和評估潛在的數字化和AI用例，評估潛在商業價值并支持后期部署，可讓傳統型企業更快從數字化和AI投資中獲取價值。此類培訓最好在內部的“分析學院”展開，企業可定制培訓內容，并推行學徒制，讓專家們學以致用。

例如，某先進制造商為提高員工技能，在轉型伊始建立了分析學院，幫助200多名員工轉型成為分析轉譯員。

課程包括：1，每周半天的講座（為期2~3個月），內容包括解決問題、人才和用例要求；2，敏捷交付和變革管理最佳實踐；3，針對公司路線圖中的用例，開展在崗培訓。

上崗以來，這些轉譯人才推動了50多個新的數字化和AI用例落地。

混合型

目前國內AI人才中，僅有8%具備先進的AI相關技能，如邊緣計算、大數據和機器學習，以及認知人工智能【4】。對于混合型企業，提高現有員工技能水平是轉型的關鍵一環。但這類企業需要增加對線上課程和認證項目的投資。在麥肯錫2022年全球人工智能調查中，只有約三分之一的中國受訪公司使用了此類項目（31%的公司使用自主線上課程，29%使用認證項目）【5】。

某領先金融機構根據員工崗位和職業路徑，以線上學習為主，提供定制化的學習旅程。每位員工都可使用一款移動學習應用，學習其崗位需要的關鍵技能建設課程。該應用提供的課程十分豐富，包括Python編程、多云架構部署、數字化轉型所需的領導技能等。

數字型

數字型企業最大的挑戰將是如何緊跟新興技術的快速發展步伐，例如生成式人工智能和量子計算。這類企業可鼓勵員工積極跟上最新的技術發展（例如安排員工參加學術會議、參與相關研究、申請專利、參加黑客松大賽等），幫助他們縮小與新型人才之間的差距。

一家科技公司為員工提供了時間、空間和預算，讓他們在現有項目之外，利用新興技術研究和開發新功能，這為該公司帶來了人工智能、區塊鏈和云計算以及新產品創新領域的多項專利和專利申請。
 

工作外包和收購基本技術能力（和相應人才）也是在華企業填補人才缺口的途徑?？鐕疽蚱淙蛴绊懥Γ诖朔矫鎯瀯菝黠@。它們可利用其他地區同事開發的現有解決方案，或利用越南和印度等國開發的新能力。當然，企業需要考慮各類財務和監管問題，如確保遵守中國的所有數據保護法規。我們的研究表明，不同類型的企業有著不同的最佳實踐。

傳統型

傳統型企業必須迅速行動起來，追趕人工智能和數字化領軍者，才能保持競爭力。通過招聘和培訓新人來啟動數字化轉型，特別是在勞動力市場緊張的情況下，可能需要大量時間。一種快速獲取AI人才和能力的方法是與垂直IT和SaaS提供商合作。一些企業領導會在尋找新人才的同時，先通過此類合作推進工作。例如，上文提到的消費電子制造商在構建人才戰略的同時，外包了新的AI優化模型開發。借此，該企業在8周內將新能力投入了生產（并產生價值），如果完全靠培訓新人，可能需要多幾倍的時間。

其他企業可能會與外部供應商合作，由供應商搭建數字系統的整體基礎架構。例如，某中國工業車輛供應商聘請了一家領先的軟件公司，集成六個以上的商業和工廠系統，包括企業資源規劃、制造執行、產品生命周期管理、供應商管理、人力資源和商業情報。項目歷時三年多完成后，該公司推出了一系列用例，包括能提高研發效率和加快新產品上市的協作式產品設計系統。

將工作外包時，應確保相關的所有數據和技術策略符合公司的戰略重點，供應商可基于這些重點工作進行設計決策。如此，企業可以讓多個供應商參與不同的任務與項目，并確保所有解決方案都可無縫共享數據和洞見。

混合型

在下一階段的數字化轉型中，外包對于混合型企業極具價值，可提高現有技術專家的覆蓋面和生產率。外包也可為技術人員減負，讓其無需耗費大量時間維護升級中后臺的遺留系統。

如今，與人力資源、財務、傳播和業務流程自動化相關企業軟件解決方案已在中國不斷發展成熟，企業可快速將這些系統遷移云端，重新把AI人才部署到高價值的用例項目中。在其他情況下，公司可利用第三方資源，為團隊構建新的數字化或AI解決方案的部分內容。

數字型

許多數字原生公司發現，頻繁的擴張和重組導致科技人才流失率高企，招聘成本高昂，對公司的持續增長造成了威脅。對數字型企業而言，隨著人才缺口的擴大，通過戰略收購進入新市場或業務領域將是更優策略（較之內部建設新能力）。

以字節跳動為例，其通過此次收購獲得了新的虛擬現實（VR）能力，應用得到了拓展，還獲得了一個VR專家團隊，為其繼續構建新能力。

展望未來，中國對AI人才的需求將呈現供不應求的趨勢。領導者需要激發創造力，確保企業擁有足夠的人才儲備和能力，才能保持未來十年的競爭力。企業可優先考慮提升現有人才技能，戰略性地通過外包和收購，填補人才缺口，從而在全球各大市場建立競爭優勢。



加入CPDA，助力企業數字化轉型！