可复用的“企业AI人才梯队搭建”方法论：《数智时代的AI人才粮仓模型解读白皮书（2024版）》发布！| 极客邦科技双数研究院

AI 不再只是一个辅助工具，而是逐渐成为推动各行业创新发展的核心技术，“AI 全面化”概念被提到台前，但 AI 落地的实际情况却并不乐观。根据极客邦双数研究院、InfoQ 研究中心发布的《AIGC 行业应用及人才发展洞察》显示，即使是作为数字化转型重点行业，约 40% 的制造业企业内部仍然没有基于大模型做任何开发工作；约 20% 的企业没有基于大模型做任何研发工作。这些数据凸显了 AI 技术在实际应用中存在的难点和瓶颈。

解决这些问题的同时推动企业实现“AI 全面化”，关键在于如何合理布局 AI 人才。为让更多企业能够快速实现 AI 的全面化应用并成功完成 AI 人才布局，极客邦科技深入调研了大量企业 AI 应用现状，结合政策导向和行业变革的时代背景，全面分析了企业对于 AI 技术的迫切需求以及 AI 技术所能带来的巨大价值。

基于此，极客邦科技提出了“数智时代的 AI 人才粮仓模型”，旨在为企业构建一个系统、全面的人才培养和布局框架，该模型明确了数智时代下 AI 人才的核心能力要求和岗位设置。2024 年 4 月，在 QCon 大会（北京）上，极客邦科技发布了《数智时代的 AI 人才粮仓模型解读白皮书（2024 版）》（以下简称《白皮书》），从政策 + 行业变革等时代背景、企业需求、AI 价值、AI 人才模型及人才培养五个方面对“数智时代的 AI 人才粮仓模型”进行了深度解读，为企业提供一个清晰、可操作的 AI 人才布局指南，帮助企业快速构建起适应数字化时代需求的 AI 人才梯队，在激烈的市场竞争中占据先机。

1 企业战略之“痛”被 AI 浪潮掩盖

2024 年 3 月，“人工智能 +”被首次写入《2024 国务院政府工作报告》，标志着我国已迈入 AI 智能化高质量发展的新时代。政策的支持同时也进一步推动了 AI 技术的广泛应用和持续创新。珠三角、长三角和京津冀三大 AI 核心集群的形成，各产业领域在自身业务驱动下，完成 AI 产业创新，AIGC 展现出了巨大的产业应用潜力。

政策支持，需求喷发，企业“全面 AI 化“是大势所趋。目前国内超 63% 的企业正在构建企业大模型，将大模型与业务流程、产品功能紧密结合，2024 年成大模型应用场景元年。

但与此同时，企业面临着前所未有的挑战——战略不清晰、业务目标不明确、技术文化氛围保守、人才技能短缺等一系列问题，限制了 AI 技术在企业中的深度应用和价值发挥。对于尚未启动 AI 战略制定的企业，往往对于 AI 技术的认知尚停留在表面，未能洞悉其商业价值和对企业运营的深远影响；对于已经制定 AI 战略但内容不明晰的企业来说，内因和外因共同影响了战略的质量，难以追赶市场快速变化且将技术与日常业务紧密结合。

关于企业 AI 战略的制定，多位在传统企业主导数字化转型的专家表示，“企业需要不断跟进新的技术趋势，做到对市场竞争情况有充分的了解和分析，加深对 AI 技术的认知，充分利用资源，优化组织文化和内部协作，驱动企业全员拥有 AI 思维，以制定出一个适应市场需求的 AI 战略。”

只有想清楚业务与 AI 技术的融合和应用路线，才能“按图索骥”，找到合适人才，快速推动业务的迭代。《白皮书》对企业在 AI 战略制定中可能遇到的问题进行了深度分析，并提供了针对性的解决方案，详情请参阅《数智时代的 AI 人才粮仓模型解读白皮书（2024 版）》。

2 企业人才之“需”由《AI 人才粮仓模型》明确

AI 人才是市场竞争的核心竞争力。AI 人才的数量、结构和培养体系，不仅关系到科技创新的速度，更决定了未来产业发展的高度。金融、零售、电商等行业都在积极布局 AI 领域，争取人才资源，以推动产业智能化升级。而算法工程师、产品经理、视觉设计 NLP 、图像算法成为最为紧缺的几类人才岗位。

目前，AIGC 开发者人才版图整体呈沙漏分布。根据极客邦双数研究院、InfoQ 研究中心发布的《AIGC 行业应用及人才发展洞察》显示，应用层人才占比最大，核心是场景理解力；大模型层核心人才吸引力强，开发者聚集化倾向明显；基础设施层壁垒仍然高位，人才培养难度大。

就网络公开数据显示，即使 AI 人才的需求在 2023 年已实现了跨越式增长，但供应量却未能与之匹配，中国 AI 人才缺口已达到数十万的规模且未来这一缺口还将急剧扩大。同时，当前 AI 人才结构复杂，需求多样，如何有效地理解、分类和规划 AI 人才已经成为了当前企业亟待解决的问题。于是极客邦科技深度分析目前企业中不同 AI 岗位的职责、技能和需求，基于几十位行业专家的采访与多家企业的走访，总结并提出了 “数智时代下的 AI 人才粮仓模型”，该人才模型根据分层人才数量，呈现“粮仓”状，向企业传达出了“AI 人才如同粮食般不可或缺”的信号，而不同企业“层层积累和储备的人才”为 AI 领域的发展也提供了源源不断的发展动力。

云计算、大数据、区块链、物联网、AR/VR、超级自动化、元宇宙、工业互联网、数字孪生、5G、AI 原生等技术盘点矩阵作为该模型底座，是 AI 技术、AIGC 场景应用蓬勃发展的基本盘，为 AI 人才培养提供了肥沃的土壤。其中“AI 原生”不仅是 AI 技术发展的新方向，也是推动 AI 广泛应用和落地的重要途径。

AI 人才粮仓模型可以十分帮助企业直观了解目前企业中 AI 岗位的职责、技能和需求。这四类“层层累积”的人才由上至下分别为：

• “领航核心”——AI 思维管理者
• “业务骨干” ——AI 应用人才
• “中坚力量”——AI 技术 + 业务复合型人才
• “发展基石”——AI 技术专项人才

AI 人才因岗位、背景和工作经验的不同而在企业内部的需求有所差异。企业在制定创新策略过程中首当深入理解“人才画像”，从而知人善任，助力团队更好地应对 AI 时代的挑战与机遇。

为打造整体性的企业 AI 应用文化，加速企业智能化转型，四类人才将各司其职：

• 对于 AI 思维管理人才，即推动企业实现智能化转型的指南针，当以“塑造 AI 领导力”、“设立 AI 关键岗位”为核心，综合运用策略，推动 AI 战略落地。
• 对于 AI 应用人才，确保 AI 应用技能高效落地是第一要务。为实现业技融合，企业需要对这类人才在”提示词编写能力“、“AI 工具使用能力“两大维度进行深度培养与提升。
• 对于 AI 技术 + 业务复合型人才，在探索行业大模型的同时需重视数据合规，着重围绕“行业模型应用开发“、”数据生态互联及合规“两大维度进行培养。
• 对于 AI 技术专项人才，深入剖析 AI 技术平台的发展目标和业务需求，为企业构建和维护开放的技术交流环境是培养重点。

AI 行业的专业性和高端性是未来人才培养的方向。从“All in AI”到“AI in All”，从领导层到基层员工，《白皮书》分步指导 AI 人才的选、用、育、留，进而驱动组织效能的提升，再结合企业自身行业特性和需求推动 AI 应用，打造多层次、多领域的 AI 人才梯队，企业可下载白皮书原文获取更为全面的 AI 人才布局指南。

3 企业 AI 人才之“航” 将破浪数智新时代

在当今数字化时代，打造整体性的企业 AI 应用文化已成为企业智能化转型的核心要素。为了实现这一目标，企业要制定“AI IN ALL”的战略方针，从上到下完成“AI 应用知识与技能”对员工业务的赋能，务必确保从领导层到基层员工，每一位成员都能深入了解和掌握 AI 技术。

对此企业主要需要做好三件事。首先，领导层需明确 AI 技术在企业战略中的核心地位，并确立一系列明确、具体、可量化的计划和目标。这不仅有助于企业内部的统一认识，还能为后续的 AI 应用推广和技能培训提供明确的指导方向。其次，企业应积极推广 AI 应用知识，为全体员工提供全面的技能培训。通过内部培训、研讨会、在线课程等多种形式，员工可以系统学习 AI 技术的基本原理、应用场景及数据分析方法。同时还可以与高校和研究机构的深度合作，帮助企业快速实施引进先进 AI 技术和人才战略，快速提升企业业务竞争力。第三，企业推动所有岗位利用 AI 技术提升服务水平——通过运用 AI 工具优化业务流程、精准把握市场与用户需求，只有这样，企业才能够提供更优质、更具竞争力的产品和服务。

要知道，在数智化时代背景下，当前几乎每家企业都在面临着 AI 人才招聘、评价及能力培养的重大挑战。为了构建科学、高效、数据驱动的人才管理机制，企业需要采取一系列创新策略。首先，建立数据驱动的招募流程和科学的评估标准，利用大数据和 AI 技术深度挖掘候选人信息，全面评估其综合素质与潜能，同时加强 HR 的专业素质提升和监管机制建设，确保招募与评价流程的公正性和透明度。其次，构建 AI 人才培养容错机制，鼓励员工在可控范围内积极尝试、勇于创新，并通过设立专项基金、搭建交流平台、加强培训与教育等方式支持员工的成长与发展。

此外，为了保障企业 AI 人才的持续供给能力，企业还需要构建人才培养机制，并通过与第三方培训机构和高校的合作，共同推动 AI 人才的培养工作。这包括建立内部培训体系、引进外部优秀人才、与高校共建实验室和研究小组等，以确保企业能够源源不断地获得高质量的 AI 人才，为企业的长期发展提供有力支持。

值得一提的是，这些策略的具体执行方案在《白皮书》中均有说明，企业可以下载并阅读白皮书原文，找到关于 AI 人才招聘、评价、能力培养等方面的最新策略和最佳实践，将帮助您的企业更好地应对数智化时代的挑战，实现可持续发展。