提出正确的问题
84将模糊的业务或科学问题转化为具体的、可测试的问题需要组织和领域上下文，而自动化工具本身无法访问。
数据科学在人工智能的故事中处于一个不寻常的时刻：许多重塑这个行业的工具——自动化机器学习、自然语言到 SQL 翻译、人工智能辅助制图——本身主要是由临床数据科学家和机器学习研究人员构建的，现在又瞄准了他们自己的部分日常工作。
这种曝光是真实且不均匀的。对于人工智能工具来说，例行的、明确的工作结束——提取数据、运行标准模型、生成初稿图表——已经相当快了。幸存下来的最终目标不再是编写代码，而是决定什么问题值得提出以及答案是否可信。
中等
机器可替代的工作占比
日常数据科学工作中的很大一部分——SQL 查询、探索性图表、使用 AutoML 拟合标准模型、编写样板管道代码——如今已经可以自动化或由人工智能辅助，而且这一份额正在快速增长。抵制自动化的是将模棱两可的业务问题构建为可测试的问题，判断结果是真实的还是统计产物，并在模型的现实世界决策被证明是错误时承担责任。
按任务计分，而非头衔。越低越安全。
AI难以取代的职业 →机器夺不走的
判断一个模式是否真实
80将真实效果与噪声、数据泄漏伪影或幸运的训练测试分割区分开来，正是自动化管道最不擅长应用于其自身输出的怀疑判断。
对现实世界的决策负责
88必须有人对拒绝贷款、标记患者或错误定价产品的模型负责——这种责任不能转移到生成数字的工具身上。
说服持怀疑态度的利益相关者
68反直觉或不受欢迎的发现能否真正发挥作用取决于信任、可信度以及与人们的谈判，而不仅仅是正确的分析。
设计一个真正的新实验
74为新问题选择正确的自然实验、对照组或因果推理策略更接近于创造性判断，而不是对过去分析的模式匹配。
它们已经在夺的
常规 SQL 查询和数据拉取
75自然语言到 SQL 工具现在可以处理大量直接的数据检索请求，这些请求曾经需要临床数据科学家的直接参与。
初稿探索性图表和摘要
65自动探索性分析工具可以在几秒钟内从原始数据集生成分布图、相关性摘要和基本图表。
安装和调整标准模型
68AutoML 平台可以在无人值守的情况下选择、训练和调整传统模型，例如梯度提升或逻辑回归，以解决定义明确、标记明确的问题。
样板管道和 ETL 代码
60现在，使用人工智能编码助手生成和审查标准数据转换或加载脚本通常比从头开始编写更快。
工作如何变化
从构建模型到指导和检查模型
越来越多的工作是指定自动化管道应该尝试什么并验证其输出，而不是手动编写每个查询和模型。
通才头衔分为专业
分析工程、机器学习工程和产品分析已日益成为独立的职位，每个职位都吸收了十年前单个“临床数据科学家”的职责范围。
因果推理和实验增益状态
随着现有数据中的模式查找变得更容易自动化，设计值得信赖的实验或因果分析的更难技能变得更加有价值，而不是更少。
“公民临床数据科学家”传播基础分析
无代码和 AutoML 工具让非专家可以运行自己的基本分析，从而推动专业的临床数据科学家解决这些工具无法处理的更困难、更模糊的问题。
分岔出的新职业
分析工程师
构建和维护数据转换管道（通常使用 dbt 等工具），为仪表板和模型提供数据，位于数据工程和分析之间。
机器学习工程师
从研究笔记本中取出模型，并使其在生产系统中可靠、受监控并大规模运行。
数据产品经理
拥有数据或人工智能驱动功能的路线图，将业务目标转化为数据团队实际应该构建的内容。
负责任的人工智能/模型风险分析师
在允许发布之前，审核模型及其背后的数据是否存在偏见、公平性和监管合规性。
展望
未来十年，对能够将数据转化为值得信赖的决策的人才的需求很可能会保持强劲，但该工作的入门级版本已经发生了变化：纯粹手工编写例行查询和初稿图表的角色将会减少。
最明显的长期优势在于临床数据科学家，他们可以提出真正有用的问题，发现人工智能生成的结果何时悄悄错误，并在持怀疑态度的利益相关者面前负责提出建议——自费舍尔的作物试验以来，该领域一直需要同样的判断，现在应用于越来越多地起草自己的第一遍的工作流程。
相近职业
不限同一领域，六项评分最接近的职业。
🔐
网络安全专家
通过发现、防范和响应数字攻击,保护系统、数据与人员的安全。
抗AI 63 🌬️可再生能源工程师
设计、建造和改进风能、太阳能、存储和电网系统，将可再生资源转化为可靠的电力。
抗AI 72 🦾Robotics Engineer
Designs the machines that sense, decide and act in the physical world, where the hard problem was never intelligence but the world itself.
抗AI 65 🌿可持续发展经理
领导战略、衡量和报告，帮助组织减少环境和社会危害，同时履行业务义务。
抗AI 66 🔌Semiconductor Engineer
Designs and fabricates the transistors inside every computer, phone and weapon, using machines precise enough that only a few factories on Earth can run them.
抗AI 60 📦机器学习运维工程师
构建用于训练、部署、监控和治理生产环境中机器学习模型的系统。
抗AI 54继续探索
继续探索
科学·研究领域的其他职业
⚛️
Physicist
Derives and tests the mathematical laws governing matter, energy, space and time, from a lone chalkboard to a 3,000-author particle-collider paper.
抗AI 65 🧬Biologist
The scientist who studies life itself, from Linnaeus naming species by hand to editing genomes with CRISPR, still testing every idea against a living organism.
抗AI 64 🧪化学家
亲手制造并测量物质本身的科学家——从塔普提在巴比伦蒸馏香水的年代到今天的机器人实验室，仍是那个判断谱图意味着什么的人。
抗AI 70 📊数据科学家
从数据中寻找规律、构建预测模型——一个2008年才出现的职位名称，建立在三个世纪计数、检验与可视化证据的传统之上。
抗AI 38 🔭天文学家
丈量宇宙的科学家，从巴比伦泥板到空间望远镜，始终要判断数据中的哪一次闪烁是一项发现。
抗AI 70 🧮数学家
从巴比伦文士到菲尔兹奖得主，再到AI辅助证明：这门职业把难题一个定理接一个定理地变成永恒的确定性。
抗AI 70 🧿量子工程师
构建、测量和控制利用量子态进行计算、传感、通信和材料研究的设备。
抗AI 78