تحديد وتمييز المواهب الكمية لتحقيق النجاح في المستقبل

في أغسطس ، وقع الرئيس بايدن قانون CHIPS والعلوم لعام 2022 ، الذي يسمح باستثمارات جديدة في علوم وتكنولوجيا المعلومات الكمية (QIST). يعتمد هذا التشريع الجديد على عقود من الاستثمارات المتسارعة لتشجيع الاكتشافات الجديدة وتسخير التقنيات الجديدة لضمان الأمن الاقتصادي والوطني للولايات المتحدة. يصرح القانون بالأنشطة التي من شأنها تسريع اكتشاف التطبيقات الكمية ، وتنمية القوى العاملة الكمية ، وتمكين البحث والتطوير المتطور.

ستؤدي زيادة الاستثمار في تكنولوجيا الكم إلى زيادة الطلب على ما هو بالفعل مجموعة صغيرة من المواهب. ستحتاج المؤسسات إلى فهم جيد لكيفية تأثير QIST على مهمتها لتوظيف أو تطوير التقنيين المناسبين لتعزيز أولوياتهم الإستراتيجية.

تمتلك QIST القدرة على إحداث ثورة في جميع الصناعات الرئيسية ، ولكن هذا المجال لا يزال ناشئًا ، وحتى يتم تطوير معايير الصناعة وقواعدها ، قد يكون من السهل إغفال الاختلافات بين المجموعات الفرعية الرئيسية لتكنولوجيا الكم.

يتطلب الاستشعار الكمي والحوسبة والاتصالات مهارات مختلفة ، وقد لا تحتاج المؤسسة إلى خبراء في المجالات الثلاثة جميعها. وبالمثل ، لن يكون عالم كم واحد مناسبًا بشكل متساوٍ للأدوار في جميع مجموعات التكنولوجيا الثلاث. حدث

قمة الأمان الذكي عند الطلب

تعرف على الدور الأساسي للذكاء الاصطناعي والتعلم الآلي في الأمن السيبراني ودراسات الحالة الخاصة بالصناعة. شاهد الجلسات عند الطلب اليوم. انظر هنا

مع وضع ذلك في الاعتبار ، يجب على المؤسسات محاذاة الأشخاص والمشاريع بعناية لتمكين الإمكانات الكاملة للتقنيات الكمية. خبرة QIST مميزة

يتطلب تسخير الإمكانات التحويلية لتقنية الكم تنوعًا وعمقًا في المواهب يصعب تجنيدها والاحتفاظ بها. للاستفادة من إمكانات QIST ، يجب على القادة إدارة الخبرة التي تحتاجها مؤسساتهم بدقة للتخطيط الاستراتيجي والبحث والتطوير ، مع إنشاء خطوط توظيف تتيح لهم التوسع.

علاوة على ذلك ، يتطلب بناء فريق قادر على تشغيل التكنولوجيا مدخلات من الخبراء في مجالات التطبيق الهدف. على سبيل المثال ، لإنشاء حل مالي كمي للتنبؤ بانهيار سوق الأسهم ، تحتاج المؤسسة إلى إقران عالم الكم بخبير في البيانات المالية والنمذجة.

هناك العديد من الدروس التي يمكننا تعلمها من تنفيذ فرق الذكاء الاصطناعي (AI). نظرًا لتنوع الخبرات تحت مظلة الذكاء الاصطناعي ، لم يعد يكفي ببساطة تعيين "خبير في الذكاء الاصطناعي". على العكس من ذلك ، تطورت لغة التوظيف للتمييز بين تخصصات الذكاء الاصطناعي - بين رؤية الكمبيوتر ومعالجة اللغة الطبيعية (NLP) والتعلم المعزز ، على سبيل المثال - لتسهيل الاتصالات بين الأشخاص والتطبيقات بشكل أفضل.

بينما تستمر QIST في النضج ، يجب أن يتعلم القادة التمييز بين الخبرة الكمية بخصوصية مماثلة. في النهاية ، سيتم تكوين الفريق المثالي بناءً على المهمة الفريدة للوكالة أو المنظمة المعنية. تطوير المبادرات التنموية والشراكات الإستراتيجية

بينما نتغلب على هذا النقص في المواهب ، يحتاج القادة إلى التركيز على جهدين رئيسيين: جهود تحسين المهارات والشراكات الإستراتيجية.

أماه الأداء ...