#naukaprogramowania #programowanie #programista15k #sztucznainteligencja #pracait Mała anegdotka. Dużo ludzi pyta: w co teraz iść w it, żeby mieć dobre warunki, sporo ofert pracy i stabilność? I mówię raczej o ludziach z jakimś expem komercyjnym. Odpowiedź (tadam) brzmi: AI i wszelką analizę danych/Big Data/Data Engineering itd. Tak, to prawda. Ale dlaczego? Ilu przecież może być Data Scientistów czy AI Engineerów? Bo to bańka, tak ogromna, jakiej jeszcze nie widziałem na oczy. Może anegdota dobrze zobrazuje, o co mi chodzi. Nowy klient, dla którego robię plan wdrażania AI opartego na LLMach i OpenCV głowił się lata "jak to wdrożyć"? Odpowiedzi teoretycznie są dwie: cloud i on prem. Po długich konsultacjach i podpisanych umowach rozwiązanie będzie on prem. Wszystko stanie w pewnym miejscu w naszym kraju. Wkraczamy w kolejny etap konsultacji, czyli tworzenie zespołu. A właściwie (z mojej perspektywy), tworzenie planu, jak ma wyglądać zespół, żeby to działało. Jakie kompetencje są potrzebne na początku. Bo bądźmy szczerzy. On prem czy on site obecnie, to często coś zupełnie innego niż kilka lat temu. Akurat to on prem, które klient będzie miał, składać się będzie z 7(!) podmiotów dostarczających jakieś elementy całej układanki. By to stworzyć, trzeba sporo ludzi. I nie, nie będą to stanowiska tylko dla Data Scientistów, AI Engineerów czy Researcherów. Klient najpierw ma rekrutować jednego bardzo mocnego gościa od AI, jednego od researchu AI, oni będą sobie dalej rekrutować pod siebie. I tyle w tej kwestii. Równolegle w planie są takie stanowiska, jak m.in: Administrator systemów – wiadomo po co Network Engineer – utrzymuje sieci komputerowe zapewniając łączność i wydajność Database Administrator – zarządzanie bazami danych Virtualization Engineer – konfig i zarządzanie vmkami IT Security Specialist – wiadomo DevOps Engineer – automatyzacja wdrożeń i monitorowania aplikacji łącząc rozwój z operacjami IT (czasem nazwa mlops,aiops itd) Storage Administrator – systemy przechowywania danych Data Center Manager – head data center, rola dla krawaciarza z backgroundem w danych Software Engineer (s) – wstępne oprogramowanie wspierające operacje w centrum danych usprawniając zarządzanie IT (AI) Consultant (s) – doradztwo w różnych obszarach, np ja robie za ai consultanta Wszystkie one jednak muszą być walidowane pod względem AI. Jak jesteś sys adminem to cv do śmieci. Jak jesteś AI sys adminem, to dzwonią xd. Tzn, nie musisz być specjalistą od AI. Musisz wiedzieć po co Twoje stanowisko istnieje w szerszej infrastrukturze AI, jak można je usprawnić dzięki AI i ogólnie jak cały mechanizm działa na poziomie ogólnym. Dobry przykład to devops. Dodajesz komponenty ai-related, zaczynając zarządzać jakąś platformą ai. Modele traktujesz jak apki, ale musisz rozumieć trochę z tego, co się w nich dzieje, by wiedzieć jak je obsługiwać, jakich tooli używać itd. I tak awansujesz. Stajesz się mlopsem. I dostosowujesz się do rynku. Tak samo z każdym innym, wymienionym stanowiskiem. Bazodanowiec używa text-to-sql, admin jakichś paneli stworzonych do analizowania przepływów ai-related jak n8n. Stanowiska ewoluują. I ludzie też muszą. To żadna wielka filozofia. Jest hajp na AI. Trzeba na nim płynąć. Tylko tak da się teraz dalej korzystać z koniunktury. Mam ziomka, który pracuje w RPA. Robił te same workflowy w AA. Aż dostał ciekawy projekt, który jednak wymagał wiedzy z AI. Wepchali go tam, mówiąc, że się nauczy. I okazało się, że nawet nie musiał się wiele uczyć, bo RPA, które tam miał zrobić korzystało z jakiegoś toola, który był prawie identyczny, jak AA, tylko miał pod spodem langchain. I teraz jest AI RPA Devem. AI to teraz morze hajsu. Wszyscy to chcą, wszyscy za to zapłacą, nawet jeśli i tak nie zrozumieją, co dzięki temu zyskują. I z tego trzeba korzystać. Przepraszam, że trochę przydługo. Nie łamcie się. Będzie dobrze.

19 plusów