Principerna bakom artificiell intelligens är visserligen inte nya, men intresset bland världens företag har exploderat de senaste åren. Användningen ökar, och metoderna blir allt mer sofistikerade. En utveckling som i hög utsträckning kommer att påverka en yrkesgrupp och deras roll, dataanalytikerna.

Stephen Brobst är teknisk chef på analysföretaget Teradata och ser hur förändringen växt fram. Han förklarar hur dataanalytiker tidigare lagt mycket tid på att reda ut data som därefter ska matas in i modeller för prediktiv analys. Framöver kommer detta arbete ske automatiskt och analytikernas roll kommer istället bli att fokusera mer på vilka verktyg för maskin- och djupinlärning som ska användas för vilka specifika uppgifter.

Läs också: ”Jobbet som data scientist är kvalificerat detektivarbete”

– Istället för att analytikerna lägger tid på själva informationen, kommer de jobba mer med algoritmerna. Så det krävs att de är mer sofistikerade i urvalet av algoritm samt i sina designbeslut gällande neurala nätverk, säger han.

Därmed inte sagt att de helt kan släppa förståelsen för hur data påverkar urvalet, men tiden den tillbringar på att förbereda data kommer att minska. De kommer inte knåda och bearbeta data på samma sätt längre. Stephen Brobst säger att dataanalytiker i dag lägger ungefär 60 procent av sin tid på sådana uppgifter. Det kommer inte krävas framöver.

Så är det, i hans mening redan i dag, när det kommer till avancerade algoritmer för maskininlärning. Men än mer när tekniken kring djupinlärningen växer fram.

– Inom djupinlärning kommer kraven vara färre när det kommer till domänkunskap, och fler krav för urvalet av algoritmer baserat på den typ av data som finns tillgänglig. Skiftet mellan olika kunskapsområden är väldigt spännande, säger han i en intervju med IDG News.

Utmaningen hos många företag är i dag dock en annan. Nämligen att hitta rätt expertis från första början. Att få tag på rätt kompetens är fortfarande svårt, trots it-företagens ansträngningar och erbjudanden om vidareutbildning och kurser. Liksom branschkollegor säger Stephen Brobst att gapet mellan antalet kvalificerade och tillgängliga dataanalytiker samt efterfrågan av desamma långt ifrån matchar varandra. Ett problem som återfinns på flera håll i världen. En lösning är just utbildning.

Läs också: Stor brist på dataanalytiker – då skapas nya yrkesroller

– Det är inget nollsummespel där man bara kan ta experter från annat håll. Man måste bygga expertis och investera i ett utbildningssystem, säger han.

Vidare säger han att samhället måste tänka om kring synen på investeringar i ny kompetens, inte bara för att få in fler kvinnor i yrket. Investeringarna krävs för att bygga upp matematiken, datavetenskapen och tekniken inom utbildningssystemet. Men också konstnärliga ämnen.

– Man måste få in mer kreativitet i tekniken, för om det enbart är mekaniskt, då kommer vi inte nå några verkligt intressanta genombrott. Vi kommer fortsätta förbättra tekniken, men det krävs risktagande, konstnärskap och att tänka utanför lådan, utöver matematik och vetenskap, säger Stephen Brobst.