25 profesi baru yang sangat dibutuhkan saat ini

Artikel ini ditulis berdasarkan sumber dari hasil tanya jawab dengan chatGPT.

Berkaitan dengan era AI saat ini, ada 25 profesi sangat dibutuhkan. Profesi tersebut adalah antara lain : Data scientist, ML engingeer, AI solutions, AI data engineer, AI business strategist dan sebagainya. daftar lengkapnya, mari simak table dibawah ini.

dan 10 profesi berikutnya adalah

dan 5 profesi berikutnya adalah

Bagaimana langkah untuk menjadi AI Ethics Consultant ?

Untuk menjadi seorang AI Ethics Consultant, ada beberapa ilmu dan keterampilan yang perlu dikuasai. Berikut adalah petunjuk tentang cara menjadi AI Ethics Consultant dan ilmu yang perlu dikuasai:

1. Memahami Etika dan Filosofi: Penting untuk memiliki pemahaman yang kuat tentang konsep etika, moralitas, dan filosofi. Ini membantu dalam mengenali dan menganalisis dilema etis yang muncul dalam pengembangan dan implementasi kecerdasan buatan.

2. Memahami Kecerdasan Buatan (AI): Anda perlu memiliki pemahaman yang baik tentang dasar-dasar kecerdasan buatan, termasuk teknik dan algoritma yang digunakan dalam pembuatan sistem AI.

3. Studi Hukum dan Kebijakan: Memahami kerangka hukum dan kebijakan terkait AI, termasuk privasi data, keamanan, tanggung jawab, dan dampak sosial yang terkait dengan penggunaan AI.

4. Pengetahuan Teknis: Anda perlu memiliki pemahaman tentang konsep dan teknologi yang digunakan dalam pengembangan AI, seperti machine learning, deep learning, dan pemrosesan bahasa alami.

5. Keterampilan Analisis: Kemampuan untuk menganalisis dampak sosial, etika, dan implikasi kebijakan dari implementasi AI dalam berbagai konteks.

6. Komunikasi dan Negosiasi: Keterampilan komunikasi yang baik sangat penting dalam berinteraksi dengan tim pengembang, pemangku kepentingan, dan mitra bisnis. Kemampuan untuk menjelaskan masalah etika secara jelas dan bernegosiasi solusi yang tepat.

7. Penelitian dan Evaluasi: Kemampuan untuk melakukan penelitian independen tentang topik-topik etika dan AI, mengevaluasi risiko, dan menyusun rekomendasi kebijakan.

8. Kesadaran Sosial dan Kebudayaan: Memahami konteks sosial, budaya, dan etika yang berbeda-beda yang mungkin mempengaruhi penerapan AI di berbagai lingkungan.

9. Kepemimpinan dan Advokasi: Kemampuan untuk menjadi pemimpin dalam mengadvokasi kebijakan etis dan tanggung jawab dalam pengembangan dan implementasi AI.

Penting untuk terus mengikuti perkembangan terbaru di bidang AI dan etika untuk tetap memperbarui pengetahuan dan keterampilan Anda sebagai seorang AI Ethics Consultant. Mengambil kursus, membaca buku, dan terlibat dalam komunitas AI dan etika adalah cara-cara yang baik untuk meningkatkan pemahaman dan kompetensi Anda dalam profesi ini.

Pertanyaan selanjutnya : Bagaimana cara menjadi Data Scientist ?

Untuk menjadi seorang Data Scientist, ada beberapa langkah dan ilmu yang perlu dikuasai. Berikut adalah petunjuk tentang cara menjadi Data Scientist dan ilmu yang perlu dikuasai:

1. Pendidikan Formal: Memperoleh gelar sarjana atau pasca sarjana dalam ilmu data, statistik, matematika, komputer, atau bidang terkait menjadi langkah awal yang baik. Program pendidikan ini akan memberikan fondasi yang kuat dalam konsep dan teknik analisis data.

2. Statistik dan Matematika: Penguasaan matematika yang kuat, termasuk kalkulus, aljabar linear, statistik, dan probabilitas, sangat penting dalam menganalisis data dan membangun model prediktif.

3. Pemrograman: Kemampuan pemrograman adalah keterampilan yang penting dalam pekerjaan Data Scientist. Anda harus memiliki pemahaman yang kuat dalam bahasa pemrograman seperti Python atau R, serta pemahaman tentang manipulasi data, analisis, dan visualisasi.

4. Pengetahuan tentang Algoritma dan Machine Learning: Memahami berbagai algoritma machine learning dan teknik seperti regresi, klasifikasi, pengelompokan, pengurutan, dan lainnya. Memiliki pemahaman tentang pengembangan model dan evaluasi kinerja model.

5. Pengetahuan tentang Basis Data: Memahami konsep basis data, termasuk SQL (Structured Query Language) untuk mengambil dan memanipulasi data dalam basis data relasional.

6. Data Cleansing dan Preprocessing: Keterampilan dalam membersihkan dan memproses data mentah, termasuk penanganan missing values, outlier, dan standarisasi data.

7. Pengalaman Analisis Data: Mengembangkan keterampilan dalam mengidentifikasi pola, tren, dan wawasan dari data menggunakan teknik statistik dan visualisasi data.

8. Pemodelan Prediktif: Kemampuan untuk membangun model prediktif yang dapat digunakan untuk menghasilkan perkiraan dan ramalan berdasarkan data yang ada.

9. Komunikasi dan Storytelling: Keterampilan untuk mengomunikasikan hasil analisis data dengan jelas dan efektif kepada pemangku kepentingan yang mungkin tidak memiliki latar belakang teknis. Kemampuan untuk menggambarkan temuan secara visual dan bercerita melalui data juga sangat penting.

10. Pengetahuan Domain: Memiliki pemahaman yang baik tentang domain bisnis atau industri tertentu di mana Anda bekerja akan membantu dalam menerapkan analisis data yang relevan.

Selain itu, terus mengikuti perkembangan terbaru dalam ilmu data, mengambil kursus online atau offline, dan terlibat dalam proyek nyata atau kompetisi data akan membantu meningkatkan keterampilan dan pemahaman Anda sebagai seorang Data Scientist.

Lanjut , Bagaimana menjadi seorang Machine Learning Engineer ?

Untuk menjadi seorang Machine Learning Engineer, ada beberapa langkah dan ilmu yang perlu dikuasai. Berikut adalah petunjuk tentang cara menjadi Machine Learning Engineer dan ilmu yang perlu dikuasai:

1. Pendidikan Formal: Memperoleh gelar sarjana atau pasca sarjana dalam ilmu komputer, ilmu data, statistik, matematika, atau bidang terkait menjadi langkah awal yang baik. Program pendidikan ini akan memberikan fondasi yang kuat dalam konsep dan teknik machine learning.

2. Pemrograman: Keterampilan pemrograman yang kuat adalah kunci dalam pekerjaan Machine Learning Engineer. Anda harus menguasai bahasa pemrograman seperti Python atau R, serta memiliki pemahaman yang baik tentang struktur data, algoritma, dan manipulasi data.

3. Matematika: Memiliki pemahaman yang kuat dalam matematika, termasuk kalkulus, aljabar linear, statistik, dan probabilitas. Ini penting dalam memahami model dan algoritma machine learning yang mendasarinya.

4. Machine Learning: Penguasaan teknik dan algoritma machine learning, termasuk regresi, klasifikasi, pengelompokan, pengurutan, pengenal pola, dan lainnya. Memahami prinsip dasar machine learning, seperti overfitting, underfitting, dan validasi model.

5. Neural Networks: Memahami dasar-dasar jaringan saraf (neural networks) dan deep learning, termasuk konsep lapisan (layers), fungsi aktivasi, propagasi mundur (backpropagation), dan optimisasi model.

6. Pengolahan Data: Keterampilan dalam mempersiapkan, membersihkan, dan menganalisis data. Ini meliputi pemahaman tentang preprocessing data, penanganan missing values, outlier, normalisasi, dan feature engineering.

7. Framework dan Library: Menguasai framework dan library machine learning seperti TensorFlow, Keras, PyTorch, atau scikit-learn. Memahami cara menggunakan alat-alat ini untuk membangun, melatih, dan menerapkan model machine learning.

8. Pengetahuan tentang Basis Data: Memahami konsep basis data dan SQL (Structured Query Language) untuk menyimpan, mengambil, dan memanipulasi data.

9. Pengetahuan tentang Cloud Computing: Pemahaman tentang platform cloud computing seperti Amazon Web Services (AWS), Google Cloud Platform (GCP), atau Microsoft Azure yang digunakan untuk melatih dan mengelola model machine learning.

10. Proyek Praktis: Melakukan proyek-prtojek praktis dan proyek sampingan untuk mengembangkan pemahaman dan keterampilan dalam menerapkan machine learning pada kasus nyata.

Selain itu, terus mengikuti perkembangan terbaru dalam bidang machine learning, membaca literatur ilmiah dan teknis, serta berpartisipasi dalam komunitas machine learning akan membantu meningkatkan keterampilan dan pengetahuan Anda sebagai seorang Machine Learning Engineer.

Berikut petunjuk menjadi seorang AI solutions architect.

Untuk menjadi seorang AI Solutions Architect, ada beberapa langkah dan ilmu yang perlu dikuasai. Berikut adalah petunjuk tentang cara menjadi AI Solutions Architect dan ilmu yang perlu dikuasai:

1. Pendidikan Formal: Memperoleh gelar sarjana atau pasca sarjana dalam ilmu komputer, ilmu data, kecerdasan buatan, teknik perangkat lunak, atau bidang terkait menjadi langkah awal yang baik. Program pendidikan ini akan memberikan fondasi yang kuat dalam konsep dan teknologi AI.

2. Kecerdasan Buatan (AI) dan Machine Learning (ML): Memiliki pemahaman yang mendalam tentang konsep, algoritma, dan teknik AI dan ML. Ini mencakup pemahaman tentang berbagai jenis model AI, seperti jaringan saraf (neural networks), algoritma pembelajaran mesin (machine learning algorithms), dan deep learning.

3. Pemrograman: Keterampilan pemrograman yang kuat sangat penting sebagai AI Solutions Architect. Anda harus menguasai bahasa pemrograman seperti Python, R, atau Java, serta memiliki pemahaman tentang struktur data, algoritma, dan desain perangkat lunak.

4. Teknik Analisis Data: Memiliki pemahaman tentang metode dan teknik analisis data, termasuk preprocessing data, exploratory data analysis, feature engineering, dan evaluasi model. Kemampuan untuk mengidentifikasi pola dan wawasan dari data yang kompleks juga penting.

5. Cloud Computing: Pengetahuan tentang platform cloud computing seperti Amazon Web Services (AWS), Google Cloud Platform (GCP), atau Microsoft Azure yang digunakan untuk mengembangkan, menerapkan, dan mengelola solusi AI. Memahami konsep komputasi awan, penyimpanan data, dan teknologi terkait seperti Kubernetes dan Docker.

6. Arsitektur Perangkat Lunak: Pemahaman tentang prinsip-prinsip desain arsitektur perangkat lunak yang baik, termasuk skalabilitas, keandalan, keamanan, dan manajemen sumber daya. Memiliki pemahaman tentang pola-pola desain seperti microservices, service-oriented architecture (SOA), dan desain berorientasi domain.

7. Keterampilan Komunikasi dan Kepemimpinan: Kemampuan untuk berkomunikasi dengan jelas dan efektif dengan tim teknis dan non-teknis, serta kemampuan untuk memahami kebutuhan bisnis dan menerjemahkannya menjadi solusi AI yang efektif. Keterampilan kepemimpinan yang baik juga penting dalam memimpin dan mengelola tim dalam proyek AI.

8. Pengetahuan Industri: Memiliki pemahaman yang baik tentang industri atau domain bisnis di mana Anda berencana bekerja sebagai AI Solutions Architect. Ini membantu dalam merancang solusi AI yang relevan dengan kebutuhan dan tantangan yang ada dalam industri tersebut.

9. Teknologi Terkait: Memahami teknologi terkait AI seperti pengolahan bahasa alami (natural language processing), visi komputer (computer vision), pemrosesan bahasa alami (natural language processing), dan robotika. Pengetahuan tentang alat dan kerangka kerja seperti TensorFlow, PyTorch, atau scikit-learn juga berguna.

10. Evaluasi Model dan Optimisasi: Pemahaman tentang metode evaluasi model yang efektif, seperti penggunaan metrik evaluasi, cross-validation, dan teknik pengelompokan data. Memiliki pemahaman tentang teknik optimisasi model, seperti hiperparameter tuning dan teknik ensemble.

11. Keamanan dan Etika AI: Memahami isu-isu keamanan dan privasi yang terkait dengan penggunaan AI. Mengetahui tentang praktik etika dalam pengembangan dan penerapan solusi AI, serta kepatuhan terhadap peraturan yang berlaku seperti GDPR (General Data Protection Regulation).

12. Proyek Manajemen: Memiliki pemahaman tentang prinsip-prinsip manajemen proyek, termasuk perencanaan, pengawasan, pengendalian risiko, dan koordinasi tim. Kemampuan untuk mengelola proyek pengembangan solusi AI dengan baik sangat penting.

13. Keterampilan Interpersonal: Kemampuan untuk bekerja secara efektif dalam tim, berkolaborasi dengan berbagai pemangku kepentingan, dan berkomunikasi dengan baik. Kemampuan untuk mendengarkan dan memahami kebutuhan pengguna dan membangun hubungan yang baik dengan klien atau pelanggan.

14. Perkembangan Terbaru: Terus mengikuti perkembangan terbaru dalam bidang AI, termasuk riset dan inovasi baru dalam machine learning, deep learning, dan teknologi terkait. Mengikuti konferensi, seminar, dan membaca literatur terbaru adalah cara yang baik untuk tetap diperbarui dengan tren dan kemajuan terkini.

15. Pengalaman Praktis: Mendapatkan pengalaman praktis dalam membangun dan menerapkan solusi AI melalui proyek-proyek nyata, magang, atau kerja di industri yang relevan. Pengalaman praktis akan membantu mengembangkan pemahaman mendalam tentang tantangan dan praktik terbaik dalam pengembangan solusi AI.

Dengan menguasai ilmu dan keterampilan di atas, serta terus meningkatkan pengetahuan Anda melalui pembelajaran mandiri, kursus, dan pengalaman praktis, Anda dapat mempersiapkan diri dengan baik untuk menjadi seorang AI Solutions Architect.

Sekarang, mari kita simak cara menjadi RPA Specialist.

Untuk menjadi seorang Robotic Process Automation (RPA) Specialist, ada beberapa langkah dan ilmu yang perlu dikuasai. Berikut adalah petunjuk tentang cara menjadi RPA Specialist dan ilmu yang perlu dikuasai:

1. Pemahaman Bisnis dan Proses: Memiliki pemahaman yang baik tentang berbagai industri dan proses bisnis yang umum. Ini meliputi pemahaman tentang operasi bisnis, alur kerja, dan tugas-tugas yang dapat diotomatisasi menggunakan RPA.

2. Pendidikan Formal: Memperoleh gelar sarjana atau pasca sarjana dalam bidang ilmu komputer, teknik perangkat lunak, teknologi informasi, atau bidang terkait dapat menjadi langkah awal yang baik. Program pendidikan ini akan memberikan dasar yang kuat dalam pemrograman dan teknik perangkat lunak.

3. Pemrograman: Keterampilan pemrograman adalah kunci dalam pekerjaan RPA Specialist. Anda harus menguasai bahasa pemrograman seperti Python, Java, C#, atau JavaScript. Memiliki pemahaman yang baik tentang struktur data, algoritma, dan logika pemrograman juga sangat penting.

4. Robotic Process Automation Tools: Menguasai alat-alat RPA seperti UiPath, Automation Anywhere, atau Blue Prism. Memahami cara menggunakan alat-alat ini untuk mengotomatisasi proses bisnis, membuat bot (robot), dan mengelola aliran kerja (workflow) otomatis.

5. Sistem dan Basis Data: Memiliki pemahaman tentang sistem operasi, jaringan komputer, dan basis data. Kemampuan untuk berinteraksi dengan API (Application Programming Interface), mengambil data dari sumber eksternal, dan memanipulasi data dalam basis data adalah keterampilan yang penting.

6. Analisis Proses: Mampu menganalisis proses bisnis secara mendalam, mengidentifikasi area yang dapat diotomatisasi, dan merancang solusi RPA yang efektif. Memahami konsep analisis bisnis dan metode analisis proses seperti Business Process Modeling Notation (BPMN) sangat membantu.

7. Keterampilan Komunikasi dan Kolaborasi: Kemampuan untuk berkomunikasi dengan jelas dan efektif dengan tim teknis dan non-teknis, serta kemampuan untuk berkolaborasi dengan berbagai pemangku kepentingan dalam proyek RPA. Keterampilan presentasi dan kemampuan menjelaskan manfaat dan implikasi RPA secara bisnis juga penting.

8. Pengujian dan Validasi: Memiliki pemahaman tentang metode pengujian dan validasi yang efektif untuk memastikan kualitas dan keandalan bot RPA. Memahami prinsip-prinsip pengujian perangkat lunak dan kemampuan untuk melakukan pengujian fungsional, pengujian integrasi, dan pengujian regresi.

9. Keamanan dan Kepatuhan: Memahami isu-isu keamanan dan kepatuhan yang terkait dengan penggunaan RPA, termasuk pengamanan data, kebijakan akses, dan privasi. Mengetahui tentang praktik terbaik dalam menerapkan RPA secara aman dan mematuhi peraturan yang berlaku.

10. Proyek Manajemen: Memiliki pemahaman tentang prinsip-prinsip manajemen proyek, termasuk perencanaan, pengawasan, pengendalian risiko, dan koordinasi tim. Kemampuan untuk mengelola proyek RPA dengan baik, mengidentifikasi kebutuhan pemangku kepentingan, dan mengelola sumber daya proyek.

11. Pengoptimalan Proses: Mampu mengidentifikasi dan mengoptimalkan proses bisnis yang ada sebelum mengotomatisasi dengan RPA. Memiliki pemahaman tentang Lean Six Sigma, metodologi BPM (Business Process Management), dan teknik pengoptimalan proses lainnya.

12. Keterampilan Teknis Lainnya: Selain pemrograman dan alat RPA, memiliki pemahaman tentang teknologi terkait seperti pengolahan bahasa alami (natural language processing), machine learning, visi komputer (computer vision), dan teknologi terkait AI lainnya. Pengetahuan tentang integrasi dengan sistem lain, seperti ERP (Enterprise Resource Planning) atau CRM (Customer Relationship Management), juga bisa menjadi nilai tambah.

13. Kemampuan Problem Solving: Kemampuan untuk menganalisis masalah, mengidentifikasi solusi yang tepat, dan mengambil keputusan yang baik dalam konteks penggunaan RPA. Kemampuan untuk berpikir kritis dan menerapkan strategi pemecahan masalah adalah keterampilan yang penting.

14. Pengalaman Praktis: Mendapatkan pengalaman praktis dalam mengimplementasikan RPA melalui proyek-proyek nyata atau magang di perusahaan yang menggunakan RPA. Pengalaman ini akan membantu dalam memahami tantangan nyata, pemecahan masalah, dan praktik terbaik dalam penggunaan RPA.

Selalu perbarui pengetahuan Anda dengan mengikuti perkembangan terbaru dalam RPA dan teknologi terkait. Mengikuti kursus, pelatihan, dan sertifikasi RPA juga dapat meningkatkan keahlian dan meningkatkan
kredibilitas Anda sebagai seorang RPA Specialist.

Bagaimana cara menjadi AI Project Manager ?

Untuk menjadi seorang AI Project Manager, Anda perlu menguasai berbagai ilmu dan keterampilan yang meliputi:

1. Pemahaman tentang AI: Memiliki pemahaman mendalam tentang konsep, teknologi, dan aplikasi AI. Mengetahui berbagai jenis algoritma dan model AI, seperti machine learning, deep learning, natural language processing, computer vision, dan lain-lain.

2. Manajemen Proyek: Memiliki pemahaman yang kuat tentang prinsip-prinsip manajemen proyek, termasuk perencanaan, pengorganisasian, pengendalian, dan evaluasi proyek. Kemampuan untuk mengelola sumber daya, mengatur jadwal, dan mengatasi hambatan dalam proyek AI.

3. Bisnis dan Strategi: Memahami konteks bisnis di mana proyek AI berjalan. Mengetahui tujuan bisnis, kebutuhan pelanggan, dan strategi perusahaan yang terkait dengan proyek AI. Kemampuan untuk menghubungkan inisiatif AI dengan visi bisnis dan strategi organisasi.

4. Keterampilan Komunikasi: Kemampuan komunikasi yang kuat untuk berinteraksi dengan berbagai pemangku kepentingan, termasuk tim teknis, manajemen eksekutif, dan pemangku kepentingan bisnis. Kemampuan untuk menyampaikan informasi dengan jelas, merancang laporan, dan memberikan presentasi yang efektif.

5. Pemecahan Masalah: Kemampuan untuk menganalisis masalah, mengidentifikasi solusi yang memadai, dan mengambil keputusan yang tepat. Memiliki pemikiran kritis dan keterampilan pemecahan masalah yang efektif dalam konteks proyek AI.

6. Manajemen Tim: Kemampuan untuk mengelola tim dengan efektif, termasuk pengaturan tugas, pengawasan, motivasi, dan pemecahan konflik. Memiliki pemahaman tentang dinamika kerja tim, kemampuan kepemimpinan yang baik, dan kemampuan untuk memfasilitasi kolaborasi antaranggota tim.

7. Analisis Data: Memiliki pemahaman tentang konsep dasar analisis data, termasuk pengumpulan data, pembersihan data, eksplorasi data, dan visualisasi data. Mengetahui alat dan teknik analisis data yang relevan untuk mengambil keputusan yang didasarkan pada data.

8. Kepatuhan dan Etika: Memahami isu-isu kepatuhan hukum dan etika yang terkait dengan penggunaan AI. Mengetahui regulasi dan kebijakan privasi yang berlaku, serta menerapkan prinsip etika dalam pengembangan dan penggunaan solusi AI.

9. Perencanaan dan Anggaran: Kemampuan untuk merencanakan proyek AI dengan baik, mengatur anggaran, dan mengelola sumber daya secara efisien. Memiliki pemahaman tentang estimasi waktu dan biaya, serta kemampuan untuk mengidentifikasi risiko dan merancang strategi mitigasi.

10. Keterampilan Teknis Tambahan: Selain pemahaman tentang AI, memiliki pengetahuan tentang teknologi terkait seperti cloud computing, big data, analisis prediktif,

11. Pengalaman Industri: Memiliki pemahaman tentang industri di mana proyek AI akan dilakukan. Mengetahui tren, tantangan, dan peluang yang ada dalam industri tersebut untuk memastikan proyek AI relevan dan berdampak positif.

12. Evaluasi Kelayakan: Mampu melakukan evaluasi kelayakan proyek AI, termasuk analisis biaya-manfaat, penilaian risiko, dan penentuan keberhasilan proyek. Kemampuan untuk membuat rekomendasi berdasarkan evaluasi ini dan membuat keputusan yang tepat.

13. Keahlian Kontrak dan Negosiasi: Memiliki pemahaman tentang kontrak dan negosiasi dalam konteks proyek AI. Kemampuan untuk menegosiasikan kontrak dengan penyedia layanan atau vendor teknologi, serta memastikan kepatuhan terhadap persyaratan kontrak.

14. Pemahaman Teknologi: Memiliki pengetahuan yang cukup tentang teknologi terkait seperti pemrosesan bahasa alami, visi komputer, atau robotika. Meskipun Anda tidak perlu menjadi ahli dalam teknologi ini, memahami kemampuan dan batasan teknologi akan membantu dalam mengelola proyek AI.

15. Pembaruan Pengetahuan: AI adalah bidang yang terus berkembang dengan cepat. Oleh karena itu, penting untuk terus memperbarui pengetahuan Anda dengan mengikuti perkembangan terbaru dalam AI, menghadiri konferensi, membaca publikasi terkini, dan mengikuti pelatihan terkait.

Selain itu, pengalaman praktis dalam mengelola proyek-proyek AI atau menjadi bagian dari tim AI juga akan sangat berharga. Bekerja di proyek-proyek AI skala kecil atau berkontribusi pada proyek AI yang ada dapat memberikan wawasan langsung dan pemahaman praktis tentang bagaimana mengelola proyek AI dengan sukses.

Ingatlah bahwa menjadi seorang AI Project Manager juga melibatkan keseriusan menerus, ketekunan, dan kemampuan untuk belajar dan beradaptasi dengan cepat. Memiliki kemauan untuk terus mengasah keterampilan dan memperluas pengetahuan Anda akan memastikan Anda tetap relevan dan efektif dalam posisi ini.

lanjut ke artikel ke2 disini https://kukuhtw.medium.com/25-profesi-baru-yang-sangat-dibutuhkan-saat-ini-lanjutan-2-9ff60af98f56