Andela samlade in data från 47 101 tekniska jobbannonser från Fortune 500-företag och 2 026 kompetensbeskrivningar.
Ny forskning från den globala talangplattformen Andela har funnit att i ett arbetslandskap som förvandlas dagligen av AI, misslyckas organisationer med att uppdatera sina jobbbeskrivningar och titlar i linje med förändringar.
Andelas ’Emerging Skills Research’ samlade in data från 47 101 tekniska jobbannonser från Fortune 500-företag och 2 026 kompetensbeskrivningar.
Ett kärnfynd av forskningen var uppenbarelsen att 53 pct AI-jobbannonser efterfrågar kompetens som inte stämmer överens med den angivna tjänstetiteln, vilket belyser en koppling mellan organisationer, rekryterare och arbetssökande.
”AI förändrar tekniska arbetsflöden snabbare än någonsin och vi behöver nya sätt att komma före dessa förändringar”, säger Carrol Chang, Andelas VD.
”Denna banbrytande forskning, baserad på vår egenutvecklade kompetenstaxonomi uppdaterad för AI-världen, ger en strålkastare, inte en backspegel.
”Med den kommer företag att identifiera framväxande roller och färdigheter före marknaden, vilket gör det möjligt för både företag och anställda att bli mer strategiska och framgångsrika.”
Vandrande roller
Andelas forskning fann att bland de cirka 1 832 inlägg som riktade sig till personer med titlar som AI-ingenjör och ML-ingenjör, kom mer än hälften av de nödvändiga färdigheterna från minst två olika och etablerade roller.
Rapporten sa: ”För välbekanta titlar som AI-ingenjör söker företag en annan, icke namngiven roll som inkluderar färdigheter som LLM-orkestrering, autonom agent och vektordatabaser. Eller, företag anställer datavetare men be dem sedan skicka LLM-agenter.”
När Andela granskade jobbannonser från Fortune 500-företag, fann Andela att 23 ”grupper” av kompetens hela tiden dök upp tillsammans, men utan att någon officiell tjänstetitel bifogades. Åtta av grupperna verkade föreslå en helt ny typ av jobb, 14 visade sig vara hybrider av gamla jobb med nya kompetensförväntningar, och en avbröts på grund av brist på bekräftad data.
Två exempel på ”nya jobb” som upptäckts är MLOps pipeline engineer, som kombinerar delar av fem befintliga jobbroller till en, och LLM application engineer, där någon bygger appar med hjälp av AI-modeller som redan finns, istället för att bygga dessa modeller från grunden.
Andela hittade 6 758 jobbannonser som i huvudsak frågade efter en LLM-applikationsingenjör – de listade alla relevanta färdigheter, men företagen använde inte den jobbtiteln eftersom den inte officiellt existerar ännu. Detta visar att företag behöver dessa färdigheter snabbare än vad arbetsmarknaden har hunnit ikapp med riktiga namn för dem, enligt forskningen.
Rapporten sa: ”Fynden understryker de utmaningar som företag står inför, drivna av den aldrig tidigare skådade förändringshastigheten efter AI-eran, att exakt identifiera nya färdigheter, namnge dem och knyta dem till jobbroller. Missmatchningar resulterar i förlorad tid, pengar och möjligheter för både arbetsgivare och anställd.
”Arbetsbeskrivningar skrivna för gårdagens roller filtrerar bort de kandidater som företag faktiskt behöver. Företag som inte ser framväxande behov av mänskliga färdigheter, särskilt när AI förändrar vad den kan göra, kommer ständigt att jaga fel sak, och företag som anställer idag för gårdagens roller kommer sannolikt att samla på sig ”talangskulder” tillsammans med tekniska skulder.”
Enligt Cory Hymel, författare till rapporten och Andelas forskningschef, blir klyftor som vidgar klyftan mellan vad företag tror att de anställer för och vad rollen verkligen kräver att bli strukturella skulder.
Från och med nu finns det ett antal framväxande tekniska roller som identifierats i forskningen, vilka inkluderar: MLOps pipeline ingenjör; LLM applikationsingenjör; FinOps tillförlitlighetsingenjör; docs-as-code ingenjör; produktfront-end ingenjör; lakehouse analytics ingenjör, DevSecOps säkerhetsingenjör; och SecOps observabilitetsingenjör.
