Tenaga Kerja IoT 2024: Menjepit Kesenjangan Keterampilan dengan AI, ML, dan Ilmu Data
Ilmuwan data sering digambarkan sebagai jantung nadi inisiatif IoT, bertindak sebagai penjaga gerbang yang membuka wawasan yang dapat ditindaklanjuti dari data.
Keahlian mereka terletak pada mengubah data mentah menjadi intelijen yang jelas dan dapat ditindaklanjuti—fungsi penting yang mirip dengan membakar mobil untuk perjalanan yang lancar.
Ilmuwan data sangat diminati
Menurut Gartner, pada tahun 2020, lebih dari setengah proses dan sistem bisnis baru besar akan menggabungkan IoT. Untuk menerapkan solusi ini dengan sukses, perusahaan harus melengkapi tim dengan keterampilan yang tepat. Dengan kekurangan ilmuwan data saat ini, AI menawarkan jalan untuk mengotomatisasi dan mematangkan penerapan IoT.
Kita perlu memperluas pelatihan di AI dan IoT untuk menutup kesenjangan keterampilan. AI dapat menskala proyek, membebaskan talenta manusia untuk tugas yang tidak dapat digantikan teknologi, sementara menangani pekerjaan berulang.
Studi menunjukkan bahwa kekurangan staf dan defisit keterampilan tetap menjadi hambatan terbesar bagi adopsi IoT. Immersat Research Programme menemukan bahwa 33 persen perusahaan akan mendapat manfaat dari keterampilan tambahan, dan 47 persen merasa kurang memiliki talenta yang tepat. Tiga kesenjangan teratas adalah keamanan data, ilmu data, dan dukungan teknis.
Cukup merekrut lebih banyak ilmuwan data tidak cukup. Bisnis harus memahami bagaimana AI dan pembelajaran mesin memberdayakan proyek IoT dan berinvestasi dalam melatih generasi mendatang.
Ekonomi yang lebih kolaboratif
Gagasan yang berlaku bahwa hanya ilmuwan data yang dapat menyelesaikan tantangan IoT sudah ketinggalan zaman. Tujuannya adalah memberdayakan setiap karyawan untuk menafsirkan data IoT.
Millennials, yang terbiasa dengan konektivitas terus-menerus, ideal untuk mendorong integrasi lebih lanjut. Dengan melengkapi mereka dengan keterampilan AI, ML, dan deep learning, perusahaan dapat menerapkan analitik pada data streaming, mendapatkan wawasan yang lebih dalam, dan membuat keputusan prediktif—mirip dengan peran ilmuwan data.
Oleh karena itu, kita perlu fokus pada penerapan lebih banyak pelatihan dalam alat yang dapat membantu mengotomatisasi dan meningkatkan peran dengan:
Terapkan lebih banyak pelatihan – Untuk menutup kesenjangan keterampilan saat ini, kita perlu menawarkan kursus komprehensif di AI, ML, dan DL. Ini memungkinkan analitik dan pengambilan keputusan prediktif yang lebih luas, dan meningkatkan keterampilan tenaga kerja.
STEM bukanlah jawaban satu-satunya – Mengandalkan STEM saja adalah terbatas. Kita juga harus memupuk keterampilan desain thinking dan strategi bisnis, memungkinkan ilmuwan data untuk membentuk model masa depan.
Tidak ada satu keterampilan yang diperlukan – Tenaga kerja masa depan beroperasi dalam lingkungan yang sangat terhubung. IoT dan transformasi digital memerlukan campuran AI, DL, ML, dan analitik data; satu set keterampilan tidak lagi cukup.
Tenaga kerja masa depan harus bekerja dengan AI, DL, ML, dan teknologi analitik data. Hanya maka kita dapat membuka nilai sebenarnya dari data kita untuk mendorong proyek IoT ke depan. Itulah sebabnya kita perlu bertindak sekarang.
Penulis adalah Anthony Sayers, IoT Evangelist di Software AG.
