7个高薪AI技能

你可能已经看到过那些耸人听闻的标题，说到 2030 年，AI 将抢走 9200 万个工作岗位。

OpenAI 公布了这项数据，让所有人都为之震惊。

但他们没有公开的是：AI 还在创造 1.7 亿个新的工作岗位。

没错，它每消灭一个工作岗位，就会创造 1.8 个新的工作岗位。

我花了六个月时间深入研究 AI 领域，浏览网页，并与那些已经破解了密码的人交流。

我发现了什么？

即使在这个疯狂的人工智能世界，这七项技能也能让你势不可挡。

这些技能可不是枯燥的教科书技能。

它们很新，有点疯狂，而且薪水很高——比如9万到30万美元。

最棒的是？你可以在几个月内掌握它们，有时甚至是免费的。

当然，裁员是真的。

很多公司——大约77%——已经在使用人工智能。

入门级职位消失的速度比我的手机电池还快。

微软让人工智能编写了三分之一的代码，然后又解雇了40%的工程师。

IBM用机器人取代了人力资源团队。这很艰难。但这还不是故事的全部。

另一方面？机遇。

这1.7亿个新工作岗位需要你的老老师从未提及的技能。

人工智能并非要毁掉一切。

它正在接管那些枯燥乏味的工作，以便我们能够做更酷的事情。

但这些新工作呢？

它们需要将人类智慧与人工智能力量相结合的技能。

薪水很高，因为目前几乎没有人知道如何做到这一点。

1、AI编排（15 万至 25 万美元）

想象一下，你正在管理一支乐队，但你用的是人工智能机器人来做研究、写作或数字运算，而不是吉他。这就是人工智能编排——让一群人工智能一起演奏，不出错。一个人就能完成整个团队的工作。

真实故事：我的朋友莎拉曾经在耐克组织项目，为截止日期而感到压力很大。她花了三个月时间观看一些免费的 YouTube 视频，现在为一家大公司运营着 50 个人工智能机器人。她的薪水从 7.5 万美元涨到了 18 万美元。她的秘诀是什么？她把人工智能当成自己的团队，而不仅仅是某个应用程序。

这就像用代码把任务连接起来一样。以下是一段 Python 代码：

# Bots as little helpers
def research(thing):
    return f"Got some dirt on {thing}"

def write(stuff):
    return f"Turned {stuff} into a post"
def analyze(data):
    return f"Found insights in {data}"
# Make 'em work together
things = ["AI jobs", "new skills"]
for thing in things:
    info = research(thing)
    stats = analyze(info)
    post = write(stats)
    print(post)

这很简单，但你懂的。像 LangChain 这样的工具可以让它变得更强大。从小事做起，你基本上就是一个数字乐队的领队了。

2、人机翻译（12 万至 20 万美元）

人工智能像数学怪才一样输出数据。人类？我们想要的是有意义的故事。翻译人员负责将人工智能的杂乱无章转化为老板一眼就能看懂的内容。

为什么会有这种事？大人物们不相信人工智能的原始输出——他们需要人工来使其清晰易懂。

我在一次技术聚会上遇到过一个人，他把谷歌一份 400 页的人工智能报告精简成三张幻灯片。这些幻灯片改变了一个 20 亿美元的计划。人工智能完成了繁重的工作；他把它变成了人。这价值 20 万美元/年。

这就像把数字变成故事一样。看看这个：

# AI's boring numbers
stats = [92, 170, 1.8]  # Jobs gone, jobs new, ratio

# Make it human
def tell_the_story(numbers):
    gone, new, ratio = numbers
    return f"AI's cutting {gone} million jobs, but it's making {new} million new ones - that's {ratio}x more shots to shine!"
print(tell_the_story(stats))

这是为了清晰地展现 AI 的混乱局面。有些人使用 Tableau 制作精美的图表，但首先要保持简单。

3、符合道德的 AI 审计（18 万至 30 万美元）

AI 可能会犯错——比如只挑选男性来工作，或者在网上说些蠢话。公司害怕被起诉或被追究责任，所以他们聘请审计师来确保 AI 的诚实。

我认识的一个人发现 AI 拒绝女性求职。在上线前修复了这个问题，让公司免于一场价值 5000 万美元的诉讼。她的薪水是多少？50 万美元。还不错吧？

这就像检查代码中的错误，但为了公平起见：

# Fake job applicants
people = [
    {"name": "Tina", "gender": "F", "score": 82},
    {"name": "Mike", "gender": "M", "score": 78},
    {"name": "Sara", "gender": "F", "score": 88}
]

# Check for weird patterns
f_scores = [p["score"] for p in people if p["gender"] == "F"]
m_scores = [p["score"] for p in people if p["gender"] == "M"]
f_avg = sum(f_scores) / len(f_scores) if f_scores else 0
m_avg = sum(m_scores) / len(m_scores) if m_scores else 0
if abs(f_avg - m_avg) > 5:
    print("Hold up, something's fishy!")
else:
    print("Looks okay to me.")

真正的审计师会使用 Fairlearn 之类的工具，但关键在于——在问题变成灾难之前就发现它。

4、快速架构（10 万至 18 万美元）

任何人都可以告诉 AI：“写点东西”。但建筑师呢？他们建造系统——循序渐进的计划，让人工智能源源不断地产出金子。

我在 X 上看到的一个孩子大学辍学了，他从免费视频中学习了这一点，并为房地产从业者创建了一个系统。它可以发布房源信息、发布帖子并与客户聊天。他向每位经纪人收取 5000 美元的费用，拥有 200 位客户。你自己算算就知道了。

把提示想象成菜谱：

# Basic prompt
basic = "Write an email"

# Fancy system
def make_prompt(item, person):
    steps = [
        f"Check out {item}",
        f"Make it fit {person}",
        "Add a hook to grab 'em"
    ]
    return " -> ".join(steps) + " = Awesome email"
print(make_prompt("house", "new buyer"))

关键在于巧妙的规划。专业人士会使用像“思维链”这样的技巧来提升水平。

5、AI心理学（14 万至 22 万美元）

这有点奇怪：人工智能的行为有点像人类。它会对诸如“它是最好的”或“时间不多了”之类的信息做出反应。做好这一点，就能让人工智能做出别人做不到的技巧。

一位朋友用心理学技巧调整了他的提示，将人工智能的成功率从 42% 提升到了 89%。同样的工具，更好的结果。

在提示中添加一些心理游戏：

# Plain prompt
plain = "List blog ideas."

# With psych tricks
psych = "You're the top AI guru - give me 5 rare blog ideas on AI skills."
print(psych)  # Gets AI to try harder

这就像知道如何鼓励朋友。小调整，大胜利。

6、工作流程考古学（9 万至 16 万美元）

公司流程混乱——旧习惯会造成巨额损失。考古学家把它们挖掘出来，然后用人工智能修复。

我的朋友约翰发现一家律师事务所需要手动复制七个系统的数据。他用两天时间构建了一个人工智能修复方案，每年为他们节省了40万美元。他能从中分一杯羹吗？5万美元，外加一部分节省下来的钱。真是太划算了。

关键在于精简垃圾数据：

# Old, slow way
def old_process(data):
    step1 = data + " to system 1"
    step2 = step1 + " to system 2"
    return step2

# New, fast way
def new_process(data):
    return f"AI sends {data} everywhere at once"
print(new_process("client info"))

找到混乱之处，用人工智能消除它。这就是关键所在。

7、数字化员工管理（11万至19万美元）

人力资源正在发生变化。你很快就会管理一群人与人工智能机器人——比如 20 个真人和 200 个数字助手。你既是经理，又是技术人员，还是治疗师。

我和一位管理着 300 个人工智能机器人的 Meta 经理聊过。她最大的挑战是什么？如何让人类和人工智能和谐相处。

比如给团队分配任务：

# Your team
crew = ["Sam", "Bot1", "Jess", "Bot2"]

# Give 'em tasks
jobs = ["Research", "Write", "Check", "Share"]
for person, job in zip(crew, jobs):
    print(f"{person}'s doing: {job}")

保持团队紧密合作，你就准备好了。

原文链接：7 High-Paying AI Skills You Can Learn in Months (and Earn $90K–$300K)

汇智网翻译整理，转载请标明出处