Jeg ble opprinnelig tiltrukket av engelsk fordi jeg var fascinert av den analytiske siden av å kritisere litteratur og tolke poesi, noe jeg fant svært engasjerende. For øyeblikket jobber jeg i et selskap som benytter AI til prediktiv analyse innen forsikringsbransjen. Mine arbeidsoppgaver inkluderer å trene prosesserere til å trekke ut data, som deretter organiseres i maler og databaser. I tillegg jobber jeg med prompt engineering, hvor jeg får innsikt fra omfattende medisinske journaler og advokatuttalelser. Denne rollen markerte min overgang fra å studere engelsk til å gå inn i teknologifeltet. Under mitt tredje år på college innså jeg at å forplikte meg til ytterligere ti år med utdanning for medisinstudier ikke var min vei. Dette førte til at jeg utforsket alternative karrierer, hvor jeg oppdaget viktigheten av datavitenskap, maskinlæring og AI. Datavitenskap resonnerte med meg fordi det lignet min erfaring med engelsk litteratur – å lage forbindelser mellom datapuneter og vurdere deres relasjoner og påvirkninger. Jeg studerte selv datavitenskap gjennom plattformer som Coursera og Udemy, og fullførte en rekke kurs for å lære koding og fordype meg i AI og maskinlæring. Med fremveksten av ChatGPT eksperimenterte jeg mye med det, noe som finpusset mine ferdigheter innen prompt engineering.

For å få veiledning snakket jeg med en senior AI-ansvarlig i Tesla. På bakgrunn av hennes råd begynte jeg å studere MIT OpenCourseWare, så mange forelesninger, fullførte oppgaver og tok prøvequizer. For å sikre meg en jobb, søkte jeg bredt og tok kontakt med ansettelsesansvarlige og ledere. Min første jobb innen AI kom etter en samtale med en oppstartssjef som tilbød meg en stilling etter et intervju. På samme måte fikk jeg min nåværende rolle ved å ta kontakt med en annen oppstartssjef; vårt korte intervju resulterte i en praksisplass som etter hvert ble fulltid. I utgangspunktet var jeg spent på å gå inn i teknologifeltet, og bekymret for læringskurven før jeg fikk meg jobb. Men takket være min fars veiledning – han jobber i tech – forstod jeg at man ikke nødvendigvis trenger omfattende formell utdanning for å mestre grunnleggende ferdigheter og komme inn i bransjen. Jeg har ingen angrer på å ha valgt å studere engelsk litteratur, til tross for noen tvil underveis. En av de største fordelene ved å studere engelsk har vært å utvikle evnen til å vurdere flere perspektiver, en ferdighet som har vært uvurderlig i AI og datavitenskap, hvor det er viktig å utforske ulike vinkler. Jeg har merket at denne tankegangen er mindre vanlig i STEM-fagene, som ofte fokuserer på et enkelt riktig svar. For alle som vurderer en lignende endring, tror jeg det er viktig å identifisere hvilke elementer av humanistiske fag du virkelig liker, og finne måter å anvende disse ferdighetene utenfor feltet. Denne tilnærmingen viser kreativitet til arbeidsgivere og fremhever din evne til å overføre kunnskap på tvers av områder, noe som øker din verdi i arbeidsmarkedet.