Az AI-képességek kiépítésénél egyre több szervezet néz a hagyományos technikai utánpótláson túlra. A Synapxe Data, AI és Innovációs csapatának tagja, Joycelyn Woo korábban ingatlanmarketingben dolgozott – mégis sikeresen váltott az egyik legkeresettebb területre. Története nem egyedi: a nem műszaki háttérrel rendelkező karrierváltók száma folyamatosan nő az AI-szektorban.
Woo átmenetét nem a kódolási készségek, hanem az üzleti problémamegoldás iránti érzék és a tanulási agilitás tette sikeressé. A toborzók viszont gyakran ragaszkodnak a hagyományos követelménylistához: adatmérnöki diploma, Python-tapasztalat, gépi tanulási előélet. Ezzel pont azokat a jelölteket szűrik ki, akik képesek lennének hidat verni a technológia és az üzleti valóság között – ami az AI-projektek nagy részénél a valódi szűk keresztmetszet.
HR-szempontból ez komoly tanulság. A tehetségmenedzsment stratégiának teret kell adnia az atipikus karrierutaknak, különösen ott, ahol az AI-implementáció nem csupán technikai, hanem szervezeti és kommunikációs kihívás is. Az értékelési szempontokat érdemes átgondolni: a problémamegoldó gondolkodás, az adaptivitás és az iparági kontextus ismerete legalább annyit nyom a latban, mint a technikai előképzettség. A szervezetek, amelyek ezt felismerik, gyorsabban és hatékonyabban építik fel AI-képességüket.
