1.分析、研究人工智能算法、深度学习及神经网络等技术；
2.研究、开发、应用人工智能指令、算法及技术；
3.规划、设计、开发基于人工智能算法的芯片；
4.研发、应用、优化语言识别、语义识别、图像识别、生物特征识别等人工智能技术；
5.设计、集成、管理、部署人工智能软硬件系统；
6.设计、开发人工智能系统解决方案；
7.提供人工智能相关技术咨询和技术服务。
人工智能技术（AI）已经渗透到我们日常生活的方方面面，涉及的行业更是不胜枚举，包括游戏、新闻媒体、金融，并运用到了各种领先的研究领域，例如机器人技术、医学诊断和量子科学。人工智能的基本知识和应用领域，主要有机器学习、概率推理、机器人技术、计算机视觉和自然语言处理。
1、机器管理能力
人工智能作为企业或组织的一项能力，在很大程度上仍处于起步阶段。这就意味着，在大多数情况下，人工智能的使用是一种在组织内的扩散。相应地，其系统性仍是不成熟且分散的。IT企业有能力开发技术体系结构，并且开启整个行业智能机器的未来。然而，这种能力并不是IT组织与生俱来的。CIO和IT行业必须联合其发展路径，通过对人工智能的训练和开发，使其从传统简单的“开灯”行为，在将来高效劳动的人工智能主宰时期，转变为能够作出正确决断的范例的角色。
2、流程资讯能力
人工智能可以通过合成数据、作出基本决策等方式，在操作流程中增加人类决策的比例。这也意味着人类必须重新设计其操作、重塑其能力，来支持集成的方法和应对更加复杂的决策。人工智能正在以人类尚未掌握的方法，改造着传统的以客户为中心的、内部的操作过程。这显然是传统的企业操作管理与RPA操作的融合。更广泛地说，除了RPA以外还有很多例子，比如说客户语音识别身份验证系统，它能在一些行业中极大地改善客户沟通服务的质量。
3、平台及数据管理能力
技术人员必须具备强大的信息处理和技术平台管理能力。机器学习方法只能生成与输入数据质量相当的预测模型。组织和数据质量对企业来说显然不是一个新的挑战了。如果一个人不具备支持和处理模型及平台的能力，人工智能将会遭遇瓶颈，尽管如此，人们还是会冒险一试。IT企业将自己重新打造成一个有组织的云供应商，新的技术和架构概念需要IT团队企业的数据管家，并最终打破部门隔阂，利用机器学习的力量。
4、算法意识
并不是所有人都要成为一个数据科学家，但是对于技术人员来说，拥有基本的数据处理能力和描述人工智能算法从创建到最终输出数据全过程的能力，确实非常重要的。一个企业有着两个核心的利益来源。第一，IT能够向企业描述人工智能能力，并与企业合作不断地改进模型。第二，对驱动机器学习的数学概念的基础性理解，能够开启知识和创造力。
5、领导力和判断力
日常的行政工作占用了我们大量的时间，但在将来，机器会帮我们处理这些工作，成为我们的“好同事”。到那时候，公司的所有员工不仅需要接受一个机器掌握决策权的新世界，还需要在更具挑战性的决策中运用自己的判断力。完成这样的转变，你需要具备更加专注的解决问题的能力，同时掌握像机器能够处理并最终得出正确的指导性回应一样的、构建问题的技巧。
通过2018年的就业情况来看，人工智能领域的人才缺口较大，因此这个领域的起薪标准较其他职业高出不少。在企业招聘会上，曾有企业开出了80万年薪的优厚条件，当时引发不小的轰动，人工智能也被认为是非常有“钱”景的一个职业！
