Bild skapad av mig med Microsoft Image Creator
 

Sedan OpenAI släppte lös ChatGPT för allmänheten har en uppsjö av diskussioner dykt upp online om ett nytt drömjobb: Prompt Engineering. Det sägs som "AI:s hetaste jobb,” lovar sexsiffriga löner utan behov av programmeringserfarenhet. Entusiaster beskriver det som ett framtidens jobbDär vem som helst kan tjäna upp till $ 335K genom att smidigt prata med en cool robot med kunskaper om att ge rätt svar. Ingen överraskning, Instagram pengar att tjäna vise, YouTube-karriär predikanter, och självutnämnda orakel från TikTok har varit mycket högljudda om det. Även om detta låter som ett drömjobb, är det verkligen möjligt? Låt oss fördjupa oss i verkligheten på arbetsmarknaden bakom hypen för att ta reda på det.

Att analysera platsannonsdata ger värdefulla insikter om trender i efterfrågan på arbetskraft, ansvar, kvalifikationer och löneförväntningar. Därför bestämde jag mig för att ta en titt på annonsdata för den så kallade "AI:s hetaste jobb” utan spekulationer eller antaganden. Jag samlade in 73 nyligen publicerade unika jobbannonsersdata från populära plattformar för jobbannonsering online. Läs om min datainsamlingsmetodik och få tillgång till datamängden här.. Även om 73 kanske inte är en idealisk provstorlek, är det en omfattande utgångspunkt för vår analys. Det första avslöjandet är nykter: det finns en brist på arbetsgivare som söker "snabb ingenjör".

Låt oss nu ta en titt på data. Den vanligaste yrkestiteln är "snabb ingenjör". Men andra titlar som "IT Innovation Analyst", "Freelance ML/AI Engineer", "Data Scientist" och "AI Engineer" dyker också upp. Jag skapade ordmoln för kvalifikationer och ansvarsområden som nämns i arbetsbeskrivningarna. Jag tror inte att ordmoln är tänkta att avslöja extraordinära insikter, men de kan representera en kompakt version av de viktiga höjdpunkterna i texten. Som du ser talar arbetsgivare i jobbannonserna om erfarenhet av datavetenskap, modellutveckling, python, snabb design, maskininlärning, stora språkmodeller, naturlig språkbehandling och artificiell intelligens mer än andra saker.

1. Det här är en betydligt större urvalsstorlek om du jämför det med många av de där anekdotiska tidiga artiklarna som konstruerade hela sitt argument om en sexsiffrig lön utan kodning från endast en platsannons.
 

 

Därefter använde jag ChatGPT och Claude för att sammanfatta den insamlade annonstextkorpusen för att identifiera de bästa tekniska kvalifikationerna och kvalifikationerna. Jag gjorde flera omgångar av uppmaningar med olika tillvägagångssätt följt av manuell kontroll av data för att se till att jag fick stabil och giltig utdata.

Grundläggande kvalifikationer som krävs för ett snabbt ingenjörsjobb:

1. Kunskaper i Python-programmering (2-5 års erfarenhet) inklusive erfarenhet av ramverk för AI/maskininlärning som TensorFlow, PyTorch, Keras.
2. Kunskap om NLP och LLM (2-5 års erfarenhet) som BERT, GPT-3/4, T5, etc. Kunskap om hur dessa modeller fungerar och hur man finjusterar dem.
3. Stark analytisk och förmåga att lösa problem. Förmågan att tänka kritiskt, utforma effektiva uppmaningar, analysera modellprestanda och felsöka problem är avgörande.
4. Expertis i snabba tekniska principer och tekniker som tankekedja, inlärning i sammanhang, tanketräd, etc. Detta gör det möjligt att styra modellerna till önskade resultat.
5. Utmärkt kommunikationsförmåga, både muntligt och skriftligt. Detta behövs för att samarbeta i team, förklara tekniska koncept och dokumentera arbete.

Och det väsentliga ansvaret för de snabba ingenjörsjobben är:

1. Snabb design och optimering: Designa, utveckla, testa och förfina AI-genererade textmeddelanden för att maximera effektiviteten för olika applikationer. Detta inkluderar att använda tekniker som överföring av lärande och utnyttjande av språklig expertis för att skapa högkvalitativa och olika uppmaningar.
2. Integration och implementering: Säkerställer sömlös integrering av optimerade meddelanden i den övergripande produkten eller systemet. Samarbeta med ingenjörer för att implementera uppmaningar och modeller i produktionsmiljöer.
3. Prestandautvärdering och förbättring: Rigoröst utvärdera snabb prestanda med hjälp av mätvärden och användarfeedback. Genomföra kontinuerliga tester och analyser för att identifiera områden för optimering och snabb iteration.
4. Samarbete och kravsamling: Arbeta nära med tvärfunktionella team som datavetare, innehållsskapare och produktchefer för att förstå kraven och säkerställa att meddelanden överensstämmer med affärsmål och användarbehov.
5. Kunskapsdelning: Dokumentera snabba tekniska processer och resultat. Utbilda team om snabba bästa praxis. Hålla dig uppdaterad om de senaste AI-framstegen för att skapa innovativa 

Det är rättvist att säga att premissen "ingen programmeringserfarenhet" för det så kallade "AI:s hetaste jobb" är långt ifrån verkligheten, eftersom de mest efterfrågade färdigheterna på den snabba ingenjörsmarknaden är programmeringskunskaper och NLP och LLMs erfarenhet. Och de pratar inte om micky mouse programmeringskunskaper, de letar efter experter som är bekanta med ML och AI ramverk. Arbetsgivarna kräver inte bara "förtrogenhet" med LLM och kodning, utan de söker i genomsnitt experter med 2-5 års erfarenhet av att arbeta med strukturerad och ostrukturerad data, kodning, NLP, ML och AI.

Att läsa de främsta ansvarsområdena gör det mer tydligt varför denna tjänstetitel kräver en så hög nivå av programmering och LLMs färdigheter. Snabb ingenjörskonst, som ett professionellt jobb, är inte att sitta bakom en dator och leka med Generativa AI-modeller för att ge dig rätt svar. Det handlar om att bygga affärsinformationssystem som optimerar indata, integrerar dem sömlöst med andra informationssystem och produkter och levererar värden till användare och kunder. Med andra ord, företag letar inte efter någon som kan chatta med ChatGPT, de vill anlita experter som kan optimera GPT-liknande modeller och integrera dem med sina egna produkter.

Dataanalys av jobbannonser av examenskrav indikerar en preferens för teknisk utbildningsbakgrund inom datavetenskap, matematik, analys, teknik, fysik eller lingvistik. En kandidatexamen i datavetenskap eller ett relaterat område krävs vanligtvis, med mer avancerade grader att föredra eller kräva för seniora roller. Lönerna är väldigt olika beroende på ansvar och tjänsteår. Det kan vara så lågt som 30k och så högt som en halv miljon dollar per år. I genomsnitt betalar platsannonserna med löneinformation mellan 90k och 195k per år.

Trots initial entusiasm har tvivel om lönsamheten av snabb ingenjörskonst som ett drömjobb dykt upp. Som Ethan Mollick, professorn vid Wharton School, skrev i en twitter inlägg förra året "snabbingenjör är inte ett framtidsjobb" eftersom "AI blir lättare" och smartare när det gäller att tolka grundläggande uppmaningar. För en månad sedan publicerade Coursera en genomtänkt tanke karriärguide för snabb ingenjörskonst (se även detta). Det verkar vara den första Gen AI modefluga bleknar långsamt, och vi är i en bättre position för att förstå AI:s nuvarande status och framtida trender. Missförstå mig inte. Kvaliteten på Gen AI-utgångarna beror starkt på ingångarna. Att lära sig hur man använder och interagerar med dessa komplexa modeller blir en viktig färdighet för nästan alla. Det finns ett ökande antal vetenskapliga studier som tyder på att ett systematiskt tillvägagångssätt för uppmaning avsevärt kan förbättra resultatet av dessa modeller (se 1, 2, 3, 4, 5, 6, 7). Men "snabb ingenjörskonst" är inte (och det var aldrig) ett drömjobb som vissa ville att det skulle vara. Utan betydande erfarenhet av programmering, bearbetning av naturligt språk, maskininlärning, produktutveckling och mjukvaruintegration kommer ingen att betala dig en sexsiffrig lön för att bara smidigt prata ChatGPT till ett rätt svar.

Nutiden och framtiden för prompt ingenjörskonst, och Gen AI-tillämpningar, verkar påverkas av två viktiga trender: för det första, som Ethan Mollick nämnde, blir Gen AI-modeller mer skickliga på att generera bra resultat från osofistikerade enkla uppmaningar, kanske liknar hur Internet sökmotorer har blivit bättre på att ge mer relevanta resultat från enkla sökfrågor. För det andra integreras Gen AI-modeller alltmer i företagets produkter, tjänster och plattformar. Denna anpassning är avgörande för framgången för AI-ekonomin. Att veta hur man optimerar, finjusterar, anpassar och integrerar Gen AI-modeller med nuvarande informationssystem och produkter är och kommer att förbli en värdefull kompetensuppsättning. Det är därför i de aktuella snabba jobbannonserna, det finns en enorm efterfrågan på programmerare, systemdesigners och de som kan samarbeta med andra produktutvecklingsteammedlemmar.
 
 

Mahdi Ahmadi är en klinisk biträdande professor vid avdelningen för informationsteknologi och beslutsvetenskap vid University of North Texas där jag undervisar i data mining, business intelligence och dataanalys. Mitt primära forskningsområde är tillämpningen av maskininlärning och datautvinningstekniker i företag. Jag ger också konsultation till företag, högre utbildningsinstitutioner och ideella organisationer om deras dataanalysproblem.

• SEO-drivet innehåll och PR-distribution. Bli förstärkt idag.
• PlatoData.Network Vertical Generative Ai. Styrka dig själv. Tillgång här.
• PlatoAiStream. Web3 Intelligence. Kunskap förstärkt. Tillgång här.
• Platoesg. Kol, CleanTech, Energi, Miljö, Sol, Avfallshantering. Tillgång här.
• PlatoHealth. Biotech och kliniska prövningar Intelligence. Tillgång här.
• Källa: https://www.kdnuggets.com/prompt-engineering-an-integrated-dream?utm_source=rss&utm_medium=rss&utm_campaign=prompt-engineering-an-integrated-dream