详细内容或原文请订阅后点击阅览
数据科学家正在成为人工智能经理，而不是模型构建者
角色正在从构建模型转变为管理模型。
来源:KDnuggets简介
在生产中运行人工智能的公司的数据科学家在人工智能监督和系统监督上花费的时间比在模型构建上的时间要多。 2025 年和 2026 年的职位发布和薪资数据证实了这一点。
LinkedIn 的 2025 年数据将人工智能素养和大语言模型 (LLM) 熟练程度确定为全球增长最快的两项技能。 Lightcast 发现，51% 的 AI 相关职位现在不属于传统 IT 职位。
在美国，拥有人工智能技能的员工可以获得 56% 的工资溢价，而需要人工智能技能的职位每年的工资要高出大约 18,000 美元。推动这些溢价的技能是即时工程、检索增强生成 (RAG) 集成、MLOps 和治理工作流程。生成式 AI 已自动化执行这些任务：仪表板创建、SQL 生成、数据清理、基本可视化。
各报告中的数字模式是一致的。溢价不适合那些可以从头开始训练模型的人；它适合那些能够将模型插入工作流程、保持模型诚实并对模型产生的结果负责的人。这重新定义了“从事数据科学”的日常实际含义，而本文的其余部分则详细介绍了时间的去向。
编排和管理多代理系统
最明显的具体信号是企业环境中多代理基础设施的增长。
像 LangGraph、CrewAI 和 AutoGen 这样的框架现在可以在最少的人工参与下处理数据摄取、特征工程、模型评估和报告。
Gartner 报告称，从 2024 年第一季度到 2025 年第二季度，多代理系统查询量激增 1,445%。预计到 2026 年底，40% 的企业应用程序将嵌入人工智能代理，而 2025 年这一比例还不到 5%。
管理此基础设施的数据科学家将复杂的任务分解为代理可执行的子任务，设计可靠的反馈循环，并构建在故障级联之前捕获故障的护栏。这是应用于软件的系统管理技能集。