每个行业越来越多的公司正在采用人工智能来改变业务流程。但要知道，人工智能计划的成功不仅取决于数据和技术，还取决于合适的人才。咨询公司Omdia的AI平台、分析和数据管理首席分析师BradleyShimmin表示，一个有效的企业AI团队应该是一个多元化的群体，不仅包括数据科学家和工程师，还包括一系列了解业务并尝试问题解决。AI初创公司Plainsight的联合创始人兼首席执行官CarlosAnchia对此表示赞同，并补充说，人工智能的成功在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，但这样做极为重要。挑战。他解释说，“确定什么使一个有效的AI团队看起来很容易，但是当你查看一个成功的AI团队中个人的详细职责时，你很快就会得出结论，建立这样一个团队非常困难。。”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团队必不可少的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，处理和分析数据以构建机器学习（ML)模型并得出结论以改进已经在生产中的ML模型。根据TikTok的数据科学家MarkEltsefon的说法，数据科学家是产品分析师和业务分析师的混合体，具有少量机器学习知识。他们的主要目标是了解对业务有重大影响的关键指标，收集数据分析可能存在的瓶颈，可视化不同的用户细分和指标，并针对如何提高这些指标提出各种解决方案。例如，在为TikTok用户开发新功能时，没有数据科学家，不可能了解该功能是对用户有利还是有害。机器学习(ML)工程师数据科学家可以构建ML模型，但实施它们需要机器学习工程师。技术服务公司PersistentSystems的创新和研发架构师DattarajRao说，“这类角色的任务是将ML模型打包到容器中，并将它们（通常作为微服务）部署到生产环境中。他们通常需要专门的后端编程。和服务器配置技能，以及容器和持续集成和交付部署方面的专业知识。此外，ML工程师还参与模型验证、A/B测试和生产监控。”在成熟的ML环境中，ML工程师还需要实验服务工具，这些工具帮助ML工程师以最少的实验在生产中找到性能最好的模型。数据工程师数据工程师负责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。他们构建数据管道来收集和组装数据以供下游消费。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。.他补充说，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MattMead说，如果你是第一次组建团队，你应该明白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。因此，您的AI团队中只有一小部分人会从事数据科学方面的工作。团队的其他成员将负责确定要解决的问题、帮助解释数据、组织数据、将输出集成到另一个生产系统中，或以准备就绪的方式呈现数据。数据管理员数据管理员监督企业数据的管理方式并确保其质量和可访问性。这一关键角色可确保数据在整个企业应用程序中保持一致，同时确保企业满足不断变化的数据法则。技术公司Insight的数据和AI实践负责人KenSeier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楚地标记。担任此职位的人员需要结合数据科学和沟通技巧，以便跨团队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可以访问数据。此外，数据管理员负责执行组织关于数据使用和安全的政策，确保只有那些应该被授予安全数据访问权限的人才能获得该访问权限。领域专家领域专家对特定行业或主题领域有深入的了解。这个角色是他们领域的权威，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沟通，以确保它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，这些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构建系统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。例如，Babych的公司开发了一种计算机视觉系统作为LIDAR的替代品，用于识别自动驾驶的移动物体。他们在没有领域专家的情况下启动了这个项目，虽然研究证明该系统有效，但他的公司不清楚的是，汽车品牌更喜欢激光雷达而不是计算机视觉。Babych说：“在这种情况下，我想分享的主要建议是考虑业务模型，然后聘请领域专家看看这是否适用于您的行业，然后更详细地了解实现该模型的更多技术方面功能。”此外，教育技术平台iSchoolConnect的AI负责人AshishTulsankar表示，领域专家还可以充当客户与AI团队之间的重要联络人。他可以与客户沟通，了解他们的需求，并为AI团队提供下一步的方向，同时领域专家还可以跟踪AI是否以合乎道德的方式实施。AI设计师AI设计师与开发人员合作，确保他们了解人类用户的需求。该角色设想用户与AI交互的方式，并创建原型来演示新AI功能的用例。AI设计师还确保在人类用户和AI系统之间建立信任，并且AI可以从用户反馈中学习和改进。咨询公司BCGAI实践的联合负责人ShervinKhodabendeh表示，“企业在扩展AI计划时面临的困难之一是用户不理解解决方案、不同意它或与之交互，秘密实际上是人机交互的正确实现。BCG的思维模型遵循“10-20-70”原则，即10%的价值是算法，20%是技术和数据平台，70%是价值。价值来自业务整合或将其与业务流程中的企业战略联系起来。人机交互绝对是关键，这是70%挑战的重要组成部分。人工智能设计师将帮助您实现这一目标。产品经理产品经理确定客户需求并领导产品的开发和营销，同时确保AI团队做出有益的战略决策。“在AI团队中，产品经理负责了解如何使用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最近参与了一个制药行业的项目。开发一种基于AI的产品，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。作为产品经理，Owczarek主要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。“由于该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利益相关者的需求同时又能专注于项目总体目标的产品经理非常重要，”她说。而且，AI产品经理还必须具备技术能力和商业头脑。他们应该能够与不同的团队和利益相关者密切合作。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补充道，AI产品经理还需要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，使AI计划取得成功。EYConsulting人工智能全球负责人DanDiasio表示，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。同时，他们还必须知道如何使用人工智能来解决业务问题。改变企业决策方式需要具有重大影响力和远见的人来推动这一过程，而人工智能战略家是可以帮助企业进行转型思考的人。此外，它们还可以帮助企业获取有效驱动AI所需的数据。“如今，公司在其系统或数据仓库中拥有的数据实际上只代表了他们在构建AI功能时用来区分自己的数据的一小部分，”Diasio说。“战略家的部分工作是展望未来，了解如何在不触及隐私问题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，负责传达潜在的商业价值iSchoolConnect的Tulsankar说，人工智能对利益相关者和客户的影响。决策者是了解业务、机遇和风险的人。首席人工智能官应该了解人工智能可以解决的用例，最重要的兴趣点在哪里，并有能力向利益相关者阐明这些机会。此外，他们应该讨论如何迭代地实施这些机会。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将“与客户无关”和实施的“客户特定”部分。执行发起人执行发起人应该是可以发挥重要作用的C级执行官负责确保AI项目取得积极成果，并负责为公司的AI计划争取资金。EYConsulting的Diasio表示，行政领导在帮助推动AI项目取得成功方面发挥着重要作用。要知道，对于公司来说，最大的机会往往是他们突破特定职能的地方。例如，一家消费品制造商有研发团队、供应链团队、销售团队和营销团队。应用人工智能可以帮助转变所有这四种功能，为企业实现最大和最好的机会。只有具有强大领导力的企业CEO或最高管理层才能帮助实现这些变化。不幸的是，许多公司的高层管理人员对人工智能的潜力了解非常有限，他们往往将其视为“黑匣子”。他们习惯于把它扔给数据科学家，但他们自己并不真正理解需要使用AI的新方式。对于许多不了解AI团队工作效率、他们的角色如何发挥作用以及如何赋予他们权力的企业而言，采用AI将是一场巨大的文化变革。而且，对于99%采用AI的传统企业来说，这是一件非常困难的事情。
