全球大缺機器學習等AI領域人才，根據2017年騰訊研究院發表的《全球人工智能人才白皮書》，全球AI相關產業人才總數約30萬人，但光是中國，人才需求就超過百萬人。
從薪資分布來看，近八成職缺月薪資超過2萬元人民幣(約新台幣9.2萬元)，五成突破3萬元人民幣(約新台幣13.8萬元)，還有1.9%的企業更開出5萬元人民幣(約新台幣23萬元)以上月薪。而台灣也不例外，104人力銀行就指出，台灣AI職缺增長至6000個，以資料科學家、演算法工程師、機器人工程師的平均年薪最高，分別為122萬元、88萬元及83萬元。
在強勁需求與高薪待遇下，聲望卓著蟄伏學界已久的教師轉入業界，電腦科學學生也以AI為發展目標，資訊相關背景的人才也紛紛加入，還有不少非資訊背景的人才蠢蠢欲動，想轉職進入AI領域。
這個現象與2007年iPhone第一代上市後，全球瘋寫Android與iOS App潮流相似。當時台灣也有不少沒有電腦科學背景的人靠著自學或坊間補習班進修C/C++、JAVA等相關程式語言，靠著寫App致富日進斗金。
不像寫App可速成，AI需扎實基本功與產業Know-how
但人工智慧演算法或機器學習相關領域，難度極高，想靠短期進修轉職進入該領域，可不像轉職寫App或寫程式這般簡單。
藍星球副總經理宋浩就指出，「招聘人工智慧演算法工程師時，還是很重視學歷血統，希望是資工資管等電腦科學相關領域的碩博士生。」
原因在於一般寫個程式，架個網站，熟悉Object C與Swift與PHP等重要程式語言或平台即可，在資策會或巨匠等上個半年課就會有不錯的成果。但AI演算法工程師可就不同了，若要能設計新的演算法，除了基本的程式設計，必須有離散數學線性代數、離散數學與微積分等數學基礎，以及資料結構與演算法等領域，這些領域基本功要夠扎實才行，只懂皮毛是不夠的。
也因此，對於坊間如雨後春筍般出現的「AI速成班」，或是各類強調「不需要擁有研究生水準的數學，你也可以輕鬆建立屬於自己的AI」的課程也須特別的小心。這類的課程可能學費就幾萬元並不貴，但花招大於實質效益，花了時間學，要真正應用在產業界並不容易。
另外，若想要轉職，是否已經累積足夠的產業Know-how了呢？艾爾科技（MyET）執行長林宜敬就指出，「依據我個人的經驗與理解，要調整出最好的參數，必須對特定的問題有洞見(Insight)，也必須對機器學習的原理有深刻的了解。對特定問題一知半解是不行的，只懂得如何使用工具也是不行的。」
轉職者的學習速度可能趕不上大廠的自動化速度
另外一項業界趨勢「自動化機器學習」工具的出現，也讓入門相關領域的壓力變大了。
目前這類工具效用還相當有限，以Google的Auto ML工具來說，主要還是在於「建模」，讓機器學習變成更容易上手。說能取代工程師是在開玩笑，但隨著技術進步，展望未來，Google與微軟等公司所提供的服務，取代入門級機器學習新手並非毫無可能。
機器學習的初學者和專家等級差距不小，若把機器學習的歷程分等，僅會使用機器學習套件解決問題、選擇適合的機器學習演算法調整參數，跟真正知道機器學習演算法的數學原理，甚至會設計新的演算法等專家等級差異很大。
也就是說，在非相關背景的轉職者好不容易負笈歸來，可以一展長才時，可能這些大廠提供的工具水準已經超越入門新手，也就是說轉職者的學習速度可能趕不上大廠的自動化速度。
當然，有志者事竟成，畢竟只要有決心，無背景轉職又何妨？天下無難事。只是若你已非社會新鮮人年齡不小，非相關背景，想要轉職AI領域，三思而後行。
