El declive de la ingeniería rápida y el futuro de otros trabajos de IA

El ritmo del desarrollo de AI es tan rápido que incluso las roles una vez se consideran esenciales casi durante la noche.

¿El último ejemplo?

Ingeniería rápida, una vez promovida como el siguiente trabajo de sueño de seis cifras, ya se está desvaneciendo de la prominencia.

Explore por qué la ingeniería rápida no está a la altura de la exageración, ¿por qué otros roles de IA que enfrentan desafíos similares y descubrir a los operadores de AI que realmente están creciendo, y vale la pena ver. || 102

What is Prompt Engineering?

Prompt engineering is the art and science of crafting effective prompts to elicit accurate responses and relevant responses from language models like GPT-4.

A menudo implica el uso de técnicas de ingeniería rápida como la solicitud de pocos disparos, la solicitud de disparo cero, la solicitud de cuna (cadena de pensamiento) y otras técnicas efectivas de solicitación para guiar los modelos hacia mejores salidas.

Esta habilidad es crítica cuando se trabaja con sistemas de IA generativos que requieren indicaciones complejas, instrucciones detalladas y, a veces, un razonamiento complejo para generar resultados de alta calidad en una amplia variedad de aplicaciones, desde los botes de servicio al cliente hasta la generación de contenido creativo.

es una ingeniería rápida aún relevante demanda de ingeniería.

To answer whether or not prompt engineering is still relevant, it’s important to first understand the early demand of prompt engineering and the subsequent rapid decline in prompt engineering demand.

La demanda temprana de la ingeniería rápida

Al principio, las habilidades de ingeniería rápida tenían una demanda extremadamente alta, con los salarios que alcanzan hasta $ 200,000, según lo informado por un artículo en el Wall Street Journal .

Las empresas se apresuraron a encontrar expertos capaces de crear ejemplos de pocos disparos, usar el aprendizaje de contexto y desarrollar un borrador de indicaciones que podrían desbloquear la capacidad total de LLM (modelos de idiomas grandes).

Además, las guías de ingeniería rápidas inundaron Internet, prometiendo enseñar a los recién llegados cómo diseñar instrucciones complejas y manejar respuestas divergentes de manera efectiva.

La rápida disminución de la demanda de ingeniería rápida

Sin embargo, a medida que los modelos de lenguaje avanzan, su capacidad para inferir intente a través de la instrucción directa y el contexto adicional mejoró significativamente significativamente, reduciendo la fianza en los especialistas.

Las empresas comenzaron a capacitar a los empleados existentes en técnicas básicas de solicitación en lugar de contratar ingenieros a tiempo completo.

Habilidades como el razonamiento de paso, el razonamiento aritmético y el razonamiento complejo se convirtieron en competencias útiles en lugar de carreras independientes, marcando la ingeniería rápida como una alfabetización fundamental que una profesión especializada.

Otros "Hot" AI "Hot" que también están disminuyendo en la demanda

"Hot". moderadores y etiquetadores de datos de IA.

AI Ethicists (en algunos sectores)

Inicialmente, el aumento de la IA generativa llevó a muchas organizaciones a construir equipos de ética de IA.

Sin embargo, con el tiempo, las responsabilidades de ética se absorbieron en departamentos legales y de cumplimiento más amplios.

Esta evolución señala una tendencia en la que los roles especializados se integran en las estructuras corporativas tradicionales a medida que AI se vuelve ubicua.

Moderadores de contenido de AI

Durante el auge generativo de IA temprano, la demanda de moderadores de contenido de IA surgió.

Sin embargo, con el crecimiento de sistemas de moderación automatizados como modelos de imagen que utilizan filtros de detección de inyección y sesgo de inmediato, los moderadores humanos se suplementan cada vez más, o incluso reemplazados.

Esto plantea preocupaciones importantes sobre la efectividad de la moderación impulsada por la IA y el potencial de sesgo en los sistemas automatizados.

AI Data Labelers

Al principio, los etiquetadores de datos de IA eran indispensables para modelos de capacitación con datos de datos reales.

Pero las innovaciones como la generación de datos sintéticos, el aprendizaje de pocos disparos y los pasos intermedios para el aprendizaje auto-supervisado han reducido la dependencia del etiquetado humano, lo que hace que este papel disminuya bruscamente.

Las carreras de IA que están creciendo en demanda

Las carreras de AI que están creciendo en demanda incluyen profesionales de cumplimiento de IA y gestión de riesgos, especialistas en seguridad de IA, entrenadores de IA y tutores de modelos, y los ingenieros de operaciones de IA (AIOP).

AI Cumplimiento y profesionales de gestión de riesgos | Expertos de cumplimiento.

The passage of legislation such as the EU AI Act has created a booming need for AI compliance experts.

Estos profesionales ayudan a garantizar que los sistemas de IA cumplan con los estándares evolutivos y los requisitos legales, lo que requiere un profundo conocimiento de la solicitud de cuna, el aprendizaje de contexto y las técnicas efectivas de solicitación de respuestas precisas.

Los especialistas en seguridad de IA

con modelos de idiomas ahora embebidos en una infraestructura crítica, el paisaje de seguridad ha evolucionado drásticamente.

Los especialistas en seguridad de AI tienen la tarea de identificar vulnerabilidades, prevenir ataques de inyección rápidos y fortalecer los sistemas a través de técnicas avanzadas y revisiones completas de rendimiento.

Entrenadores de IA y tutores de modelos

A medida que las empresas implementan herramientas generativas de IA adaptadas a las industrias específicas, la necesidad de los capacitadores de IA ha expandido.

Estos roles implican la enseñanza de terminología, procesos y matices específicos de la empresa de sistemas AI, asegurando la entrega de respuestas relevantes a preguntas complejas y solicitudes de contenido creativo.

Operaciones de AI (AIOPS) Ingenieros

Los ingenieros AIOPS administran la operación en tiempo real de los sistemas AI de los sistemas de IA, garantizando la capacidad de la capacidad, la eficiencia y la escamas.

Sus responsabilidades a menudo incluyen la optimización del rendimiento de las indicaciones complejas y el mantenimiento de la integridad operativa de las capacidades de los LLM en industrias como la atención médica y las finanzas.

Lo que esto significa para los buscadores de empleo y los empleadores

para los buscadores de empleo y los empleadores, la transmisión para la comida es clave es clave.

AI Alfabetización, como comprender las técnicas de incrustación, la solicitud de pocos disparos y el diseño de indicaciones efectivas, se está convirtiendo rápidamente en un "imprescindible" en una amplia gama de funciones, no solo una habilidad de nicho.

Los gerentes de contratación deben buscar estudiantes flexibles en lugar de apostar por roles hiperpecializados, y los solicitantes de empleo deben priorizar el aprendizaje continuo sobre la persecución de títulos de trabajo temporales.

Los trabajos de AI se vuelven obsoletos

El paisaje laboral AI continuará cambiando rápidamente como los sistemas de IA de IA evolucionan.

Las habilidades como el aprendizaje de contexto, el razonamiento aritmético, el razonamiento complejo y la capacidad de trabajar con modelos indicadores de imagen y un borrador de indicaciones para que superarán los títulos de trabajo específicos.

Las empresas y los profesionales deben mantenerse curiosos, flexibles y centrarse en la construcción de habilidades para prosperar a medida que la tecnología reforma cada industria.

Más Lectura ...

• 10 Tipos de diseño gráfico: por qué es importante la especialización
• ¿Por qué el 1% superior está siendo el que está en el talento? Líder?
• What’s the Difference Between Being a Boss vs. Being a Leader?
• ¿Por qué la red es la mejor manera de conseguir su próximo trabajo: Historias de éxito
• Greener Intelligence: How Companies Can Implement AI Sustainably
• What Job Seekers Wish Employers Knew (But Won’t Tell You)
• The Peter Principle: Definition, Tips & Strategies for Better Business Outcomes
• AI Ethics Specialists: The Unsung Heroes of Responsible Innovation
• Más allá del cheque de pago: lo que el talento principal de hoy realmente quiere
• Mes de la educación financiera: presupuesto para la adquisición de talento
• Contratación interna vs. contratación externa: Análisis de costo-beneficio
• Agencia de personal ROI: cómo el socio correcto ahorra tiempo, dinero y encabezados