一项新的行业调研显示，多个IT职位类别出现裁员，但同类职位的招聘也在增加。
Snowflake发布的这项涵盖全球2050名高管的调研显示，AI导致了工作岗位流失，但同时也显示相同职业正从AI趋势中受益。例如，40%的受访高管报告由于自动化削减了IT运维岗位，但56%报告增加了这些职位的招聘。
另有26%的高管看到软件开发岗位减少，但37%也报告招聘增加。对于数据分析师，这一比例为37%对37%的平分。
对于IT以外的工作，情况更加直接，对大多数岗位来说也不那么剧烈，但客户服务和支持人员例外。在受调研的组织中，客户服务员工减少了37%，而只有15%的组织增加招聘。（这可以归咎于AI，但外包可能是裁员背后的另一个原因。）
在制造业和供应链运营中，6%在裁员，13%在招聘。对于营销人员，16%在裁员，12%在招聘。
这些上升和下降的工作角色比较并非完全对等。Snowflake AI副总裁Baris Gultekin告诉记者：我们看到的是工作的重组，而不是简单的员工扩张或收缩。
AI正在接管这些角色中重复性的手工任务。同时，它也在围绕AI集成、治理、数据工程、安全和性能监督创造全新的职责。从这个意义上说，这不像公司简单地裁员或增员那么黑白分明。它们正在重塑工作本身，以支持新的AI工作流程。
当被问及生成式AI是否推动了工作创造、工作流失还是两者兼而有之时，42%的受访者只回答生成式AI创造了工作岗位，而11%表示工作岗位有所流失。另有35%报告由于AI，工作岗位既有创造也有流失。其余13%表示AI没有以任何方式影响他们的就业。
总体而言，77%的受访者报告了某种程度的工作创造，无论是否伴随工作流失。这一发现表明，这更多的是关于角色的演变，而不是角色的消除，Gultekin说。
一旦AI超越实验阶段，技能要求就会发生变化，他解释道。运行试点是一回事。在企业内部大规模运营AI完全是另一回事。它需要强大的数据基础、明确的治理模型、基础设施专业知识，以及了解如何长期监控、评估和优化模型性能的人员。
调研显示，35%的组织将技能差距视为AI成功的主要障碍。这清楚地表明，制约因素不再仅仅是AI技术，而是确保其在企业中成功所需的专业知识，Gultekin说。随着公司向更先进的智能体用例发展，监督需求也在增长。
必须有人确保数据质量、管理风险，并确保这些系统负责任地运行。从这个意义上说，AI并没有消除对人员的需求，但它确实改变了对这些人员需要了解什么的期望。
数据表明，当前关于AI夺取技术工作的故事比许多人想象的更复杂，他继续说道。从历史上看，重大技术转变改变工作构成的程度超过减少总就业。我们在生成式AI和智能体AI中看到了类似的模式。
一些基于任务的角色正在被自动化。与此同时，对AI运维、网络安全、数据工程和治理等高技能领域的需求正在增长。
此外，更多的AI经验转化为就业增长。在AI采用方面走得更远的组织更有可能报告净积极的就业影响，Gultekin指出。这是一个重要的数据点。它表明，我们实际看到的不是工作岗位的彻底崩溃，而是人才向更具战略性、技术性和AI驱动的角色重新配置。
在其他话题中，Snowflake调研探讨了与智能体AI开发和部署相关的主要业务和技术担忧。主要担忧包括互操作性问题（42%）、遗留系统不兼容（39%）、为智能体决策提供实时数据处理（42%）、工作替代（29%）、维持人工监督/防止智能体恶意行为（29%）、以及对数据存储和使用的担忧（29%）。
A：调研显示AI对IT岗位影响复杂，既有裁员也有招聘。IT运维岗位中40%的公司在裁员，但56%在增加招聘；软件开发岗位26%在减少，37%在增加；网络安全岗位25%在减少，46%在增加。这表明AI更多是在重组工作而非简单裁员。
A：这反映了工作角色的演变而非消除。AI接管了重复性手工任务，同时创造了AI集成、治理、数据工程、安全和性能监督等新职责。公司需要具备新技能的人员来支持AI工作流程，因此在淘汰旧技能的同时招聘新技能人才。
A：35%的组织将技能差距视为AI成功的主要障碍。制约因素不再是AI技术本身，而是确保其企业级成功所需的专业知识。企业需要具备数据基础、治理模型、基础设施专业知识，以及能够监控、评估和优化模型性能的人员。
业务咨询
扫码，关注我们
