为了最大限度地提高人工智能的商业价值，人工智能团队需要各种技能和角色，从数据科学家到领域专家再到战略决策者。
每个行业的更多公司都在采用人工智能来改变业务流程。 但他们的人工智能计划的成功不仅仅取决于数据和技术——还取决于有合适的人加入。
一个有效的企业 AI 团队是一个多元化的群体，其中包含的不仅仅是少数数据科学家和工程师。 咨询公司 Omdia 的 AI 平台、分析和数据管理首席分析师 Bradley Shimmin 表示，成功的 AI 团队还包括一系列了解业务及其试图解决的问题的人。
“我们可用的技术和工具越来越倾向于支持和授权领域专业人士、业务用户或分析专业人士在公司内部直接拥有人工智能，”他说。
AI 初创公司 Plainsight 的联合创始人兼首席执行官 Carlos Anchia 同意，AI 的成功很大程度上取决于建立一支拥有各种高级技能的全面团队，但这样做具有挑战性。
“确定是什么造就了高效的 AI 团队似乎很容易做到，但是当您检查成功的 AI 团队中个人的详细职责时，您很快就会得出结论，建立这些团队非常困难，”他说。
为了帮助您组建理想的 AI 团队，以下是当今运行良好的企业 AI 团队中的 10 个关键角色。
数据科学家
数据科学家是任何 AI 团队的核心。他们处理和分析数据，构建机器学习 (ML) 模型，并得出结论以改进已经投入生产的 ML 模型。
TikTok 的数据科学家 Mark Eltsefon 表示，数据科学家是产品分析师和业务分析师的混合体，拥有少量机器学习知识。
“主要目标是了解对业务有重大影响的关键指标，收集数据以分析可能的瓶颈，可视化不同的用户群和指标，并就如何增加这些指标提出各种解决方案，包括制作解决方案，”Eltsefon 说，他补充说，在为 TikTok 用户开发新功能时，如果没有数据科学，就不可能了解该功能是使用户受益还是疏远了用户。
“你不明白你应该测试你的功能多长时间以及你应该测量什么，”他说。 “对于所有这一切，你必须应用人工智能方法。”
机器学习工程师
数据科学家可以构建 ML 模型，但实现它们的 ML 工程师。
“此人的任务是将 ML 模型打包到容器中并部署到生产环境中——通常作为微服务，”技术服务公司 Persistent Systems 的创新和研发架构师 Dattaraj Rao 说。
Rao 说，这个角色需要专业的后端编程和服务器配置技能，以及容器和持续集成和交付部署的知识。 “ML 工程师还参与模型验证、A/B 测试和生产监控。”
他说，在成熟的 ML 环境中，ML 工程师还需要试验服务工具，这些工具可以帮助在生产中找到性能最佳的模型，只需最少的试验。
数据工程师
数据工程师构建和维护构成组织数据基础架构的系统。德勤董事兼首席架构师 Erik Gfesser 表示，它们对于 AI 计划至关重要，因为需要先收集数据并使其适合消费，然后才能用它做任何值得信赖的事情。
“数据工程师构建数据管道来收集和组装数据以供下游使用，在 DevOps 环境中，他们构建管道来实现运行这些数据管道的基础设施，”他说。
他说，数据工程师是 ML 和非 ML 计划的基础。 “例如，在其中一个公共云中实施数据管道时，数据工程师需要首先编写脚本来启动必要的云服务，这些服务提供处理摄取数据所需的计算。”
信息技术服务公司 SPR 的首席技术官 Matt Mead 表示，如果您是第一次组建团队，您应该了解数据科学是一个需要大量数据的迭代过程。假设你有足够的数据，“大约 80% 的工作将与数据工程任务相关，大约 20% 将是与数据科学相关的实际工作，”他说。
他说，正因为如此，你的人工智能团队中只有一小部分人会从事数据科学工作。 “团队的其他成员将确定正在解决的问题，帮助解释数据，帮助组织数据，将输出集成到另一个生产系统中，或者以演示就绪的方式呈现数据。”
数据管家
数据管理员负责监督公司数据的管理，并确保数据可访问且质量高。这一重要角色确保数据在整个组织中得到一致使用，并且公司遵守不断变化的数据法律。
技术公司 Insight 的数据和人工智能国家实践负责人 Ken Seier 表示，数据管理员确保数据科学家获得正确的数据，并且所有内容都是可重复的并在数据目录中清晰标记。
担任此职位的人员需要结合数据科学和沟通技巧，以便在各个团队之间进行协作，并与数据科学家和工程师合作，以确保利益相关者和业务用户能够访问数据。
数据管理员还执行组织围绕数据使用和安全性的政策。 “数据管理员正在确保只有应该获得安全数据访问权限的人才能获得该访问权限，”Seier 说。
领域专家
领域专家对特定行业或学科领域有深入的了解。此人是其领域的权威，可以判断可用数据的质量，并且可以与 AI 项目的预期业务用户进行交流，以确保其具有现实价值。
软件开发公司 SpdLoad 的首席执行官 Max Babych 说，这些主题专家是必不可少的，因为开发 AI 系统的技术专家很少具备系统正在构建的实际领域的专业知识。 “领域专家可以提供关键见解，使人工智能系统发挥最佳性能。”
当 Babych 的公司开发了一种计算机视觉系统来识别自动驾驶仪的移动物体以替代 LIDAR 时，他们在没有领域专家的情况下启动了该项目。尽管研究证明该系统有效，但他的公司不知道的是，汽车品牌更喜欢激光雷达而不是计算机视觉，因为它经过验证的可靠性，而且他们没有机会购买基于计算机视觉的产品。
“我想分享的关键建议是考虑商业模式，然后吸引领域专家来了解这是否是在您的行业中赚钱的可行方式——然后才尝试讨论更多技术问题， “ 他说。
此外，教育技术平台 iSchoolConnect 的人工智能负责人 Ashish Tulsankar 表示，领域专家可以成为客户和人工智能团队之间的重要联络人。
“这个人可以与客户沟通，了解他们的需求，并为人工智能团队提供下一组持续的方向，”他说。 “而且领域专家还可以跟踪人工智能是否以合乎道德的方式实施。”
人工智能设计师
人工智能设计师与开发人员合作，以确保他们了解人类用户的需求。该角色设想用户将如何与 AI 交互并创建原型以展示新 AI 功能的用例。
人工智能设计师还确保在人类用户和人工智能系统之间建立信任，并确保人工智能从用户反馈中学习和改进。
“组织在扩展 AI 方面遇到的一个困难是用户不了解解决方案、不同意它或无法与之交互，”咨询公司 BCG 在北美的 AI 业务的联合负责人 Shervin Khodabandeh 说。 “从人工智能中获得价值的组织——他们的秘诀实际上就是他们正确地进行了人机交互。”
BCG 是按照 10-20-70 的规则来思考的，即 10% 的价值是算法，20% 是技术和数据平台，70% 的价值来自业务整合或捆绑他说，业务流程中的公司战略。
“人机交互绝对是关键，是 70% 挑战的重要组成部分，”他说，并补充说人工智能设计师将帮助你实现目标。
产品经理
产品经理识别客户需求并领导产品的开发和营销，同时确保人工智能团队做出有益的战略决策。
“在人工智能团队中，产品经理负责了解如何使用人工智能解决客户问题，然后将其转化为产品战略，”人工智能开发公司 Nexocode 的产品经理 Dorota Owczarek 说。
Owczarek 最近参与了一个为制药行业开发基于 AI 的产品的项目，该产品将支持使用自然语言处理对研究论文和文档进行人工审查。
“该项目需要与数据科学家、机器学习工程师和数据工程师密切合作，以开发为产品提供动力所需的模型和算法，”她说。
作为产品经理，Owczarek 负责实施产品路线图、估算和控制预算，以及处理产品技术、用户体验和业务方面之间的合作。
“在这种特殊情况下，由于该项目是由业务利益相关者发起的，因此拥有一名产品经理尤其重要，他可以确保满足他们的需求，同时还要关注项目的总体目标，”她说，并补充道人工智能产品经理应该同时具备技术技能和商业头脑。
“他们应该能够与不同的团队和利益相关者密切合作，”她说。 “在大多数情况下，人工智能项目的成功将取决于业务、数据科学、机器学习工程和设计团队之间的协作。”
Owczarek 补充说，人工智能产品经理还需要了解与人工智能合作的伦理意义。 “他们负责制定内部流程和指导方针，确保公司的产品符合行业最佳实践。”
人工智能战略家
人工智能战略家需要了解公司在公司层面的运作方式，并与执行团队和外部利益相关者协调，以确保公司拥有合适的基础设施和人才，为其人工智能计划取得成功。
要取得成功，人工智能战略家必须深入了解他们的业务领域和机器学习的基础知识； EY Consulting 的全球 AI 负责人 Dan Diasio 表示，他们还必须知道如何使用 AI 来解决业务问题。
“技术在几年前是困难的部分，但现在它正在重新构想我们如何连接我们的业务，以充分利用我们创造的人工智能能力或人工智能资产，”他说，并补充说人工智能战略家可以帮助公司进行转型思考它如何使用人工智能。
“要改变（公司做出）决策的方式，需要具有重大影响力和远见的人来推动这一进程，”迪亚西奥说。
人工智能战略家还可以帮助组织获得有效推动人工智能所需的数据。
“如今，公司在其系统内或数据仓库内拥有的数据实际上只代表了他们在构建 AI 能力时所需的一小部分，”他说。 “战略家的一部分职责是放眼未来，看看如何在不超越隐私考虑的情况下捕获和利用更多数据。”
首席人工智能官
首席人工智能官是所有人工智能计划的主要决策者，负责向利益相关者和客户传达人工智能的潜在商业价值。
“决策者是了解业务、商机和风险的人，”iSchoolConnect 的 Tulsankar 说。
他说，首席人工智能官应该知道人工智能可以解决哪些用例，哪些是最重要的经济利益，他们应该能够向利益相关者阐明这些机会。
他说：“他们还应该讨论如何反复实现这些机会。” “如果有多个客户或多个产品需要应用人工智能，首席人工智能官可以分解与客户无关和客户特定的实施部分。”
执行发起人（高层赞助者)
执行发起人是一位 C-Suite 经理，他在确保 AI 项目取得成果方面发挥积极作用，并负责为公司的 AI 计划获得资金。
EY Consulting 的 Diasio 表示，行政领导在帮助推动人工智能项目取得成功方面发挥着重要作用。 “对于公司来说，最大的机会往往是他们突破特定职能的领域，”他说。
例如，一家消费品制造商有一个负责研发的团队、一个负责供应链的团队、一个销售团队和一个营销团队，他说。 “应用人工智能来帮助转变所有这四个功能的业务的最大和最佳机会，”他说。 “要实现这些变化，需要公司首席执行官或最高管理层的强有力领导。”
不幸的是，BCG 的 Shervin Khodabandeh 说，许多公司的高级管理人员对人工智能的潜力并不十分了解。
“他们对它的理解非常有限，他们经常将其视为一个黑匣子，”他说。 “他们把它扔给数据科学家，但他们并不真正了解所需的使用人工智能的新方法。”
他说，对于许多不了解高功能 AI 团队如何运作、角色如何运作以及如何获得授权的公司而言，采用 AI 是一个巨大的文化变革。 “对于 99% 的采用 AI 的传统公司来说，这是一件很难的事情。”
- 登录 发表评论