每个行业越来越多的公司正在采用人工智能(AI)来转变业务流程,但他们的AI计划的成功不仅取决于数据和技术,还取决于是否有合适的人才加盟。一个有效的企业AI团队是一个多元化的团队,不仅包括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BradleyShimmin表示,成功的AI团队还应该包括很多了解业务并正在努力解决问题的人。“我们可用的技术和工具越来越多地要求我们为那些领域专业人员、业务用户或分析专业人员提供支持和授权,使我们能够直接在公司内部使用AI并对其负责。”人工智能初创公司Plainsight的联合创始人兼首席执行官CarlosAnchia对此表示赞同。他认为,人工智能的成功很大程度上取决于建立一支具备各种高级技能的全面团队,但这非常具有挑战性。“弄清楚是什么造就了一个有效的AI团队似乎很容易,但是当你查看一个成功的AI团队中每个人的详细职责时,你很快就会得出结论,建立这样一个团队是非常困难的,”他说。说。为了帮助你组建一个理想的AI团队,让我们来看看团队中应该有的这10个关键角色。数据科学家数据科学家可以说是任何人工智能团队的核心。他们处理和分析数据,构建机器学习(ML)模型,并得出用于改进已投入生产的ML模型的结论。TikTok的数据科学家MarkEltsefon表示,数据科学家是产品分析师和业务分析师的混合体,具有一定的机器学习知识。“他们的主要目标是了解哪些关键指标对业务有重大影响,收集数据以分析可能的瓶颈,可视化不同的用户群体和指标,并就如何改进这些指标提出和开发各种解决方案,”他补充说,没有数据科学在为TikTok用户开发新功能时,无法理解该功能是让用户受益还是疏远用户。“你不知道应该花多长时间测试功能,也不知道应该测试什么,对于所有这些问题,你必须使用人工智能方法。”机器学习工程师数据科学家可以构建机器学习模型,但实现它们的是机器学习工程师。“机器学习工程师的工作是将机器学习模型打包到容器中并将它们部署到生产环境中——通常以微服务的形式,”技术服务公司PersistentSystems的创新和研发架构师DattarajRao说,此角色需要专门的后端编程和服务器配置技能,以及容器、持续集成和交付部署方面的知识。“机器学习工程师还参与模型验证、A/B测试和生产监控。”他说,在成熟的机器学习环境中,机器学习工程师还需要对服务工具进行试验,这些工具只需少量试验就可以在生产中找到性能最好的模型。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ErikGfesser表示,数据工程师对AI计划至关重要,因为需要收集数据并使其适合使用,然后才能用于做其他有价值的事情。“数据工程师构建数据管道来收集和聚合数据以供下游消费,并且在DevOps环境中,他们构建管道来实施运行这些数据管道的基础设施,”他说。他说,数据工程师是机器学习和非机器学习项目的基础。“例如,在公共云中实现数据管道时,数据工程师需要先编写脚本来启动必要的云服务,进而提供处理获取数据所需的计算能力。”IT服务公司SPRMattMead的首席技术官表示,如果你是第一次组建团队,你需要知道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相关,大约20%将是与数据科学相关的实际工作。”正因为如此,他说,人工智能团队中只有一小部分人从事数据科学工作。“团队的其他成员需要确定要解决的问题,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,或者以准备就绪的方式呈现数据。”数据管理员数据管理员负责监督公司数据的管理,确保数据可访问且质量高,这一重要角色可确保数据在整个组织中得到一致使用,并确保公司遵守不断变化的数据法律。技术公司Insight的数据和AI国家实践负责人KenSeier说,数据管理员确保数据科学家获得准确的数据,并且所有内容都是可重复的并在数据目录中清楚地标记。担任此角色的人员需要了解数据科学并具备跨团队协作的沟通技巧,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可以访问数据。数据管理员还执行有关数据使用和安全的组织政策。“数据管理员确保只有应该有权访问安全数据的人才能获得访问权限,”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,是该领域的权威,可以判断可用的东西。数据的质量,可以与AI项目的预期业务用户进行交流,确保项目具有现实世界的价值。软件开发公司SpdLoad的首席执行官MaxBabych表示,领域专家是必不可少的,因为开发人工智能系统的技术人员很少具备系统所针对领域的专业知识。“领域专家可以提供重要的见解,让人工智能系统发挥最佳性能。”当SpdLoad开发计算机视觉系统来识别自动驾驶仪上的移动物体作为激光雷达技术的替代方案时,他们在没有领域专家的情况下这样做。开始了这个项目。尽管研究证明该系统是有效的,但SpdLoad不知道的是,汽车品牌更喜欢激光雷达而不是计算机视觉,因为该技术的可靠性已得到证实,而且他们没有机会购买基于计算机视觉的产品。“我想分享的一个关键建议是,你要考虑商业模式,然后请来领域专家,看看这是否是在行业中赚钱的可行方式,然后再转向更多的技术问题。“教育技术平台iSchoolConnectAshishTulsankar,AI的AI负责人表示,领域专家可以成为客户与AI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,为AI团队提供一系列的方向。而且,领域专家还可以监督公司是否以合乎道德的方式实施AI。”AI设计师AI设计师负责与开发人员合作以确保他们了解人类用户的真正需求,该角色设想用户将如何与AI交互,创建原型以演示新AI功能的用例。AI设计师还需要确保在人类用户和AI系统之间建立信任,并确保AI从用户反馈中学习和改进。BCG波士顿咨询集团北美AI实践联合负责人ShervinKhodabandeh表示:“组织在扩展AI时遇到的困难之一是用户不理解解决方案,不同意它,或者不能”不与之交互。那些从AI组织中获得价值的人,他们的秘诀实际上是他们可以以正确的方式进行人机交互。”波士顿咨询集团遵循10-20-70的原则:10%的价值是算法,20%是技术和数据平台,70%的价值大部分来自于业务整合,或者在业务中将其绑定到企业战略中过程。“人机交互绝对至关重要,占70%的挑战很大一部分,”他补充说,并补充说人工智能设计师将帮助您实现目标。产品经理产品经理负责发现客户需求,负责产品开发和产品营销,同时确保AI团队做出有益的战略决策。“在AI团队中,产品经理的工作是了解如何使用AI来解决客户问题,然后将其转化为产品战略,”AI开发公司Nexocode的产品经理DorotaOwczarek说。Owczarek最近参与了一个为制药行业开发AI产品的项目,该产品将支持使用自然语言对研究论文和文档进行人工审查。“这个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,以及处理产品的技术、用户体验和业务方面之间的协作。“在这种特殊情况下,由于项目是由业务利益相关者发起的,因此拥有一名能够确保满足他们的需求同时专注于项目的总体目标的产品经理尤为重要,”她说,AI产品经理应该有技术技能和商业头脑。“产品经理应该能够与不同的团队和利益相关者密切合作。在大多数情况下,AI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说,AI产品经理还需要了解AI的伦理方面,“他们负责制定内部流程和指南,以确保公司的产品符合行业最佳实践”。AI战略家AI战略家需要了解企业层面的运作方式,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,以成功实施其AI计划。要想取得成功,人工智能战略家必须对其业务领域和机器学习的基础知识有深刻的理解;他们还必须知道如何使用AI来解决业务问题,EYConsulting全球AI负责人DanDiasio说。“几年前,技术是最难的部分,但现在技术正在重新构想我们连接不同业务的方式,以充分利用我们构建的AI能力或AI资产。”他补充说,人工智能战略家可以帮助企业以变革性思维思考如何使用人工智能。“要改变[公司做出]决策的方式,您需要具有重大影响力和远见的人来推动这一过程。”AI战略家还可以帮助组织获取有效驱动AI所需的数据。“如今,企业在其系统或数据仓库中拥有的数据实际上只代表了他们构建AI功能所需数据的一小部分。作为AI战略家的一部分是展望未来,了解如何在不违反隐私规则的情况下获取和利用更多数据。“首席人工智能官是任何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。“决策者是那些了解业务、机会和风险的人,”iSchoolConnect说。Tulsankar。他说首席人工智能官应该知道人工智能可以有什么用途以及哪些可以带来最显着的经济利益,他们应该能够向利益相关者阐明这些机会。“他们还应该讨论如何迭代地实现这些机会。如果多个客户或多个产品需要实施AI,首席AI官应该能够将独立于客户和客户特定的实施部分分开。确保AI项目取得成果,并负责为公司的AI计划筹集资金。EYConsulting的Diasio表示,高管帮助推动AI项目对其AI项目的成功起到了重要作用。“对于企业来说,最大的机会来自于他们经常突破特定功能的领域。”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。BCG的ShervinKhodabandeh表示:“应用AI实现业务转型的最大和最佳机会与所有四个职能相关,因此实施这些变革需要CEO或高层管理人员的强有力领导。”不幸的是,许多公司的高管并不对人工智能的潜力有很好的理解,但他们并不真正了解使用人工智能有哪些新方法。他说,如果企业不了解人工智能团队如何工作、角色如何工作以及如何被赋能,采用人工智能将是企业文化的巨大变革。这是一件困难的事情。”
