实践表明，如果部署不当，人工智能（AI）部署会带来很多风险，因此企业需要探索员工具备的最重要技能。正如技术对组织的业务发展变得越来越重要一样，成功部署这些技术所需的技能也越来越重要，部署人工智能的技能也不例外。研究公司Codingame发布的一份调查报告显示，对于普通软件开发人员来说，正规技术教育的重要性正在下降。报告中80%的人力资源专业人士表示，他们聘请了自学成才的程序员。Ernst&Young全球数据和分析负责人BeatrizSanz-Saiz表示：“当我们考虑在企业中大规模部署人工智能时，员工所需的技能也需要发展。在这个领域获得博士学位所需的技能领域不再是必需的。企业需要AI工程师，他们不仅可以编写算法，还可以管理所涉及的数据。对数据工程师和数据技能的需求也越来越大，以塑造现代架构。没有这些技能，将很难大规模引入人工智能。”在当今世界，管理和分析大量数据以及与同事快速清晰地沟通的能力比获得数字技能更为重要。Seldon机器学习工程总监AlejandroSaucedo表示：“现在部署AI技术需要在其他方面开展工作。随着人工智能的部署需要多个数据集，主要问题是合规性。”在模型的整个生命周期中，培训只是开始，因此所需的技能超出了数据科学能力。IT和合规性要求现在对流程至关重要。同样重要。企业需要考虑在使用方面引入的操作组件,取决于用例。合规性检查需要运营经理、D等角色送货经理等。最终，企业需要的AI技能归结为数据科学能力、软件工程能力、IT运营能力和领域专业知识。”英国和爱尔兰DevOps和ModelOpsSAS的数据科学负责人IainBrown博士在多年的工作中感受到了部署人工智能所需技能的演变。“我在这个行业工作了15年，我有统计学背景，我在计算机科学领域工作了很多年，但我非常专注于事物的分析方面，”他说。企业现在真正需要的是流程中最重要的部分，这意味着DevOps将采购合适的环境并为这些模型的开发提供基础设施，然后是ModelOps，这些模型将在其中经过一个流程并部署到生产环境。他指出，需要在部署过程的最终结果中考虑人工智能模型的监控、治理和验证。这些方面，连同发现和引入适合该过程的基础设施的能力，与数学、统计学和计算机科学知识密切相关。同样必要。据Brown介绍，DevOps和ModelOps已成功应用于银行领域。大型企业一直在利用业务问题的统一视图，识别它们并相应地调整建模生态系统。人工智能技术助推领域和行业知识随着越来越多的部门运作，很明显，仅掌握技术不足以使部署成功。推出AI解决方案的工程师，无论他们是为企业还是个人服务，都需要了解当前的“公司需要了解这些算法如何工作以及如何训练机器的员工，但也要了解他们所在行业的业务，”Sanz-Saiz说。如果没有这种理解，训练算法可能会更加复杂。任何成功的数据科学家不仅需要技术专长，还需要行业背景和知识。“如果没有足够的行业知识，它的决策可能会不准确，并且在某些情况下，比如医疗保健，是危险的。KheironMedical等开发人员一直在使用人工智能解决方案来促进癌症筛查。筛查，加快流程，并最大限度地减少人为错误。为了使其有效，需要在筛选过程的每个阶段进行仔细的评估和评估。Kheiron的首席战略官SarahKerruish解释说，“在我看来，没有逃避对临床试验的承诺的必要性。严谨是我们所做一切的基础，需要能够以独立验证的方式进行大规模测试和评估。“Kerruish认为，与同事密切合作是一项同样重要的医学技能。在帮助检测癌症迹象的情况下，这意味着与放射科医生密切合作并确保患者了解该过程。她说：“我们来这里不是为了取代放射科医生，而是为了帮助他们。就像会计师需要计算器一样，我们需要更好的工具来实现我们的目标。”人工智能系统中的偏见劳动力需要精通的另一个重要领域是人工智能系统中可能存在的偏差。人工智能开发团队需要具备一定的技能，以确保将这些偏差的影响降至最低。Onfido高级产品经理ClaireWoodcock表示：“由经验丰富的技术专家以及具有用户体验和政策理解的人员组成的跨职能团队是实施治理的关键。这将确保更好的欺诈保护和更好的客户结果。经验。我们生活在一个数字身份时代。因此，身份验证技术对每个人都至关重要，无论种族、年龄或任何其他特征如何。使用治理框架等工具可以使团队修改决策过程，消除偏见等。”Onfido与英国信息专员办公室(ICO)合作，一直在寻求改进其面部识别算法，以减少金融服务和企业身份验证中的偏见。它的沙盒程序产生了0.01%的错误接受率和0.3%的错误拒绝率。Acquia首席科学官OmerArtun补充说：“必须对员工进行教育的一个关键领域是AI偏见。AI是一种工具，因此不存在固有偏见。相反，它是在数据集上进行训练的。如果这些数据“集合是有偏见的，人工智能系统可能会采用类似的特征。因此，需要对组织进行透明和开放的数据收集方法方面的教育和培训，以确保他们不会为人工智能系统提供有偏见的数据集。”
