I data scientist continueranno ad essere importanti e il loro ruolo si evolverà grazie a nuovi strumenti di intelligenza artificiale (AI). Questi strumenti, come i Large Language Models (LLM), sono utili per aumentare l’efficienza e aiutare a superare ostacoli, ma non sostituiranno i data scientist. Secondo Siddhartha Sharan di Microsoft e l’esperto di AI Vin Vashishta, l’AI generativa è ancora in fase sperimentale e non può rimpiazzare l’umano nel lavoro.
Prima, i data scientist spendevano molto tempo in compiti noiosi come pulire e formattare dati. Ora, l’AI generativa può automatizzare queste attività, liberando i data scientist per lavori più complessi. I data scientist stanno diventando ‘scienziati di soluzioni’ o ‘architetti di automazione aziendale’, usando l’AI per creare soluzioni innovative.
L’AI generativa aiuta anche a generare dati sintetici che imitano la realtà, velocizzando la preparazione dei dati e permettendo ai data scientist di concentrarsi su analisi e interpretazione. Gartner prevede che il 60% dei dati per l’AI saranno sintetici in futuro.
Tuttavia, l’AI generativa non può sostituire le competenze uniche dei data scientist, specialmente nel capire sfide specifiche e aspetti umani. Ad esempio, nell’analisi del sentiment, l’AI può fare solo una parte del lavoro prima che un umano intervenga.
Per i futuri data scientist, è importante conoscere l’AI generativa, i suoi modelli e il loro costo. Conoscere come ridurre i costi mantenendo l’efficacia è fondamentale. Le aziende, come HP e AWS, ora cercano data scientist che capiscano l’AI generativa. Anche IBM, in collaborazione con Coursera, ha lanciato un corso sull’AI generativa per aiutare i professionisti a migliorare le loro competenze.