Es steckt mehr in einem KI-Job als nur das Schreiben von Code. Dies bestätigt die 25-jährige Pranjali Ajay Parse, die als Datenwissenschaftlerin für Autodesk arbeitet. Sie hat ein KI-Tool entwickelt, das Mitarbeitern Einblicke in ihre Arbeitsmuster bietet, wie z.B. Meeting-Trends und Arbeitsroutinen. Nachdem sie ihren Master-Abschluss in Informatik gemacht hat und über ein Jahr bei Autodesk gearbeitet hat, konnte Parse erfassen, wie es tatsächlich ist, in einer KI-Rolle zu arbeiten – und sie sagte, es sei nicht das, was die Leute vielleicht erwarten.
Parse sagte, dass die Arbeit in KI größtenteils interdisziplinär und abhängig von Zusammenarbeit ist; und obwohl man in der Technik arbeitet, erfordert der Job auch einen starken Fokus auf Ethik. In einem Gespräch mit Business Insider entkräftete sie einige der Mythen über KI-Rollen. Es geht nicht nur um das Codieren. Parse sagte, dass die Beherrschung von Python nicht ausreicht, wenn man einen Job in KI sucht. Kandidaten brauchen nicht unbedingt einen Abschluss in KI, um in diesem Bereich Arbeit zu finden, aber sie müssen wissen, wie man Fallstudien analysiert, SQL-Abfragen durchführt und codiert. Kandidaten können versuchen, sich in diesen Bereichen durch Bootcamps oder persönliche Projekte weiterzubilden. “KI ist von Natur aus interdisziplinär”, sagte Parse. “Sie stammt aus verschiedenen Bereichen, darunter Mathematik, Informatik, Statistik und domänenspezifisches Wissen.”
Parse sagte, dass etwa 70% ihrer Arbeit aus Datenwissenschaften besteht, was das Überprüfen und Analysieren von Datensätzen erfordert. Der Rest ihrer Zeit wird zwischen Software-Engineering, dem Aufbau von Pipelines, Daten-Engineering, architektonischem Design und viel Mathematik aufgeteilt. Auch betonte sie, dass es wichtig ist, über Fortschritte in verwandten Bereichen auf dem Laufenden zu bleiben, da die Technologie ständig im Wandel ist. KI-Rollen sind oft hochgradig kollaborativ. Während manche Ingenieurstätigkeiten eher unabhängig sind, sagte Parse: “KI-Projekte werden selten alleine durchgeführt.” Dies liegt auch daran, dass KI eine neue Technologie ist, die Zusammenarbeit zwischen verschiedenen Teams und Interessengruppen erfordert.
Zum Beispiel sagte Parse, dass sie mit sieben oder acht Teams interagieren muss, um an einem KI-Empfehlungssystem-Projekt zu arbeiten. In ihrer Erfahrung beginnt der Prozess mit der Datensammlung und -vorbereitung durch ein Datenanalyseteam. Dann wenden Datenwissenschaftler statistische Methoden und Modellierung an. Das maschinelle Lernen-Team entwickelt und verfeinert das Modell. Sobald das Modell fertig ist, gestalten UX- und UI-Experten die Benutzeroberfläche, gefolgt von Software-Ingenieuren, die das Front-End entwickeln. Schließlich bestimmt das Marketingteam die Vermarktungsstrategie des Produkts. “Ein KI-Projekt von Anfang bis Ende erfordert viel Kommunikation und Zusammenarbeit”, sagte Parse.
Es ist wichtig, an Ethik zu denken. Datenschutzteams sind oft tief in den Prozess eingebunden, wenn sensible Daten bei der KI-Entwicklung behandelt werden. Parse sagte, die Datenschutzprotokolle seien umfangreich. Bei der Arbeit mit personenbezogenen Daten müssen die Mitarbeiter Erlaubnisse für Aufgaben erhalten. Projekte erfordern auch robuste Produktionsmaßnahmen, wie die Pseudonymisierung von Identitäten und die Sicherstellung, dass Modelle keine Vorurteile “unbeabsichtigt neu erstellen oder ungerechte Ergebnisse schaffen”. Dies erfordere die Einhaltung rechtlicher und behördlicher Anforderungen, sagte sie. Es bedeute auch, über die langfristigen Auswirkungen von Projekten nachzudenken, einschließlich potenzieller unbeabsichtigter Folgen und ethischer Dilemmas. Obwohl Datenschutz für diejenigen, die in KI arbeiten, eine offensichtliche Überlegung zu sein scheint, sagte Parse, es könne leicht sein, sich darin zu verlieren, wie die Modelle funktionieren. Da so viele Teams zum Produkt beitragen, könne es leicht sein, sich auf Ihre spezifische Aufgabe zu konzentrieren, anstatt auf die übergreifenden Auswirkungen, fügte sie hinzu. Parse sagte, es liege an den Unternehmen, die Mitarbeiter in angemessenen Datenschutz- und Ethikrichtlinien zu schulen. Aber es sei auch wichtig, dass die Mitarbeiter eine dritte Sichtweise auf die Arbeit, die sie leisten, berücksichtigen.