Heim > Artikel > Technologie-Peripheriegeräte > Zehn Schlüsselrollen, um den Geschäftswert künstlicher Intelligenz voll auszuschöpfen
Immer mehr Unternehmen aller Branchen setzen künstliche Intelligenz ein, um Geschäftsprozesse zu verändern. Bedenken Sie jedoch, dass der Erfolg eines KI-Programms nicht nur von Daten und Technologie abhängt, sondern auch davon, die richtigen Talente einzubeziehen.
Bradley Shimmin, Chefanalyst für KI-Plattform, Analyse und Datenmanagement beim Beratungsunternehmen Omdia, sagte, dass ein effektives KI-Team in Unternehmen aus einer vielfältigen Gruppe bestehen sollte, zu der nicht nur Datenwissenschaftler und Ingenieure gehören, sondern auch eine Reihe von Menschen, die sich damit auskennen Unternehmen Und Menschen, die versuchen, Probleme zu lösen.
Carlos Anchia, Mitbegründer und CEO des KI-Startups Plainsight, stimmte zu und fügte hinzu, dass ein Großteil des Erfolgs von KI vom Aufbau eines vielseitigen Teams mit einer Vielzahl fortgeschrittener Fähigkeiten abhängt, dies jedoch sehr herausfordernd ist. Er erklärt: „Es mag einfach erscheinen, herauszufinden, was ein effektives KI-Team ausmacht, aber wenn man sich die detaillierten Verantwortlichkeiten der einzelnen Personen innerhalb eines erfolgreichen KI-Teams ansieht, kommt man schnell zu dem Schluss, dass der Aufbau eines solchen Teams sehr schwierig ist.“ Wir helfen Ihnen beim Aufbau Ihres idealen KI-Teams. Hier sind die 10 Schlüsselrollen, die heute in einem gut geführten KI-Team eines Unternehmens unerlässlich sind:
Datenwissenschaftler
Mark Eltsefon, Datenwissenschaftler bei TikTok, sagte, dass Datenwissenschaftler eine Mischung aus Produktanalysten und Geschäftsanalysten seien und auch über ein geringes Maß an Kenntnissen im Bereich maschinelles Lernen verfügten. Ihr Hauptziel besteht darin, die wichtigsten Kennzahlen zu verstehen, die erhebliche Auswirkungen auf das Unternehmen haben, Daten zur Analyse möglicher Engpässe zu sammeln, verschiedene Benutzergruppen und Kennzahlen zu visualisieren und verschiedene Lösungen zur Steigerung dieser Kennzahlen zu finden. Wenn man beispielsweise eine neue Funktion für TikTok-Benutzer entwickelt, kann man ohne einen Datenwissenschaftler nicht beurteilen, ob die Funktion den Benutzern nützt oder schadet.
Ingenieur für maschinelles Lernen (ML)
Dattaraj Rao, Innovations- und F&E-Architekt beim Technologiedienstleistungsunternehmen Persistent Systems, sagte: „Diese Art von Rolle hat die Aufgabe, ML-Modelle in Container zu packen und sie (normalerweise als Microservices) in Produktionsumgebungen bereitzustellen. Sie erfordern oft ein professionelles Back-End.“ Dienstleistungen. End-End-Programmier- und Serverkonfigurationskenntnisse sowie Fachwissen in den Bereichen Container und kontinuierliche Integration und Bereitstellung. Darüber hinaus sind ML-Ingenieure auch an der Modellvalidierung, A/B-Tests und Produktionsüberwachung beteiligt In der ML-Umgebung sind auch ML-Ingenieure beteiligt. Es besteht Bedarf an experimentellen Servicetools, die ML-Ingenieuren dabei helfen können, mit minimalem Experimentieraufwand die leistungsstärksten Modelle in der Produktion zu finden.
Dateningenieur
Dateningenieure sind für den Aufbau und die Wartung der Systeme verantwortlich, aus denen die Dateninfrastruktur einer Organisation besteht. Erik Gfesser, Direktor und Chefarchitekt bei Deloitte, sagte, dass Dateningenieure für KI-Initiativen von entscheidender Bedeutung sind. Sie erstellen Datenpipelines, um Daten für die nachgelagerte Verwendung zu sammeln und zusammenzustellen. In einer DevOps-Umgebung erstellen sie Pipelines, um die Infrastruktur zum Betrieb dieser Datenpipelines zu implementieren. .
Matt Mead, Chief Technology Officer des Informationstechnologie-Dienstleistungsunternehmens SPR, sagte, wenn Sie zum ersten Mal ein Team aufbauen, sollten Sie verstehen, dass Data Science ein iterativer Prozess ist, der große Datenmengen erfordert. Vorausgesetzt, Sie verfügen über genügend Daten, werden etwa 80 % der Arbeit mit Data-Engineering-Aufgaben zusammenhängen und etwa 20 % tatsächliche Arbeit im Zusammenhang mit Data Science sein. Aus diesem Grund wird nur ein kleiner Prozentsatz Ihres KI-Teams in der Datenwissenschaft arbeiten. Andere Mitglieder des Teams sind dafür verantwortlich, das zu lösende Problem zu identifizieren, bei der Interpretation der Daten zu helfen, die Daten zu organisieren, die Ausgabe in ein anderes Produktionssystem zu integrieren oder die Daten präsentationsbereit zu präsentieren.
Data Stewards
Data Stewards überwachen die Verwaltung von Unternehmensdaten und stellen deren Qualität und Zugänglichkeit sicher. Diese wichtige Rolle stellt die Datenkonsistenz in allen Unternehmensanwendungen sicher und stellt gleichzeitig sicher, dass das Unternehmen die sich ständig ändernden Datengesetze einhält.
Diejenigen in dieser Rolle müssen Datenwissenschaft und Kommunikationsfähigkeiten kombinieren, um teamübergreifend zusammenzuarbeiten und mit Datenwissenschaftlern und -ingenieuren zusammenzuarbeiten, um sicherzustellen, dass Daten für Stakeholder und Geschäftsanwender zugänglich sind.
Darüber hinaus sind Datenverwalter dafür verantwortlich, die Richtlinien der Organisation zur Datennutzung und -sicherheit durchzusetzen und sicherzustellen, dass nur diejenigen Zugriff erhalten, denen ein sicherer Datenzugriff gewährt werden sollte.
Domain-Experte
Ein Domain-Experte verfügt über fundierte Kenntnisse einer bestimmten Branche oder eines bestimmten Themenbereichs. Diese Rolle ist eine Autorität auf ihrem Gebiet, kann die Qualität der verfügbaren Daten beurteilen und mit den vorgesehenen Geschäftsbenutzern des KI-Projekts kommunizieren, um sicherzustellen, dass es einen realen Wert hat.
Max Babych, CEO des Softwareentwicklungsunternehmens SpdLoad, sagte, diese Domänenexperten seien unerlässlich, da technische Experten, die KI-Systeme entwickeln, selten über Fachwissen in der tatsächlichen Domäne verfügen, in der das System aufgebaut wird. Fachexperten können wichtige Erkenntnisse liefern, damit KI-Systeme ihre bestmögliche Leistung erbringen können.
Beispielsweise hat Babychs Unternehmen ein Computer-Vision-System als Ersatz für Lidar (LIDAR) entwickelt, um sich bewegende Objekte per Autopilot zu identifizieren. Sie starteten das Projekt ohne Fachexperten, und obwohl Studien bewiesen, dass das System funktionierte, wusste sein Unternehmen nicht, dass Automarken LIDAR gegenüber Computer Vision bevorzugten.
Babych sagte: „Der wichtigste Rat, den ich in diesem Fall geben möchte, ist, über das Geschäftsmodell nachzudenken und dann Fachexperten zu engagieren, um zu verstehen, ob dies auf Ihre Branche anwendbar ist, und dann das im Detail zu besprechen.“ Implementierung dieser Funktion. Weitere technische Fragen.“ Er kann mit Kunden kommunizieren, um deren Bedürfnisse zu verstehen und dem KI-Team die nächsten Schritte vorzugeben, während Fachexperten auch verfolgen können, ob KI auf ethische Weise implementiert wird. KI-Designer arbeiten mit Entwicklern zusammen, um sicherzustellen, dass sie die Bedürfnisse menschlicher Benutzer verstehen. Diese Rolle stellt sich vor, wie Benutzer mit KI interagieren, und erstellt Prototypen, um Anwendungsfälle für neue KI-Funktionen zu demonstrieren.
KI-Designer sorgen außerdem dafür, dass Vertrauen zwischen menschlichen Nutzern und KI-Systemen entsteht und dass die KI aus dem Feedback der Nutzer lernen und sich verbessern kann.
Produktmanager
Produktmanager identifizieren Kundenbedürfnisse und leiten die Entwicklung und Vermarktung von Produkten, während sie gleichzeitig sicherstellen, dass das KI-Team vorteilhafte strategische Entscheidungen trifft.
Dorota Owczarek, Produktmanagerin des Entwicklungsunternehmens für künstliche Intelligenz Nexocode, sagte: „Im Team für künstliche Intelligenz ist der Produktmanager dafür verantwortlich, zu verstehen, wie künstliche Intelligenz zur Lösung von Kundenproblemen eingesetzt werden kann, und diese dann in umzusetzen eine Produktstrategie. Das Projekt erfordert eine enge Zusammenarbeit mit Datenwissenschaftlern, Ingenieuren für maschinelles Lernen und Dateningenieuren, um die Modelle und Algorithmen zu entwickeln, die für den Betrieb des Produkts erforderlich sind.
Als Produktmanager ist Owczarek hauptsächlich für die Umsetzung von Produkt-Roadmaps, die Schätzung und Kontrolle von Budgets sowie für die Zusammenarbeit zwischen Produkttechnologie, Benutzererfahrung und Geschäftsaspekten verantwortlich. Sie sagte: „Da das Projekt von Interessenvertretern aus der Wirtschaft initiiert wurde, ist es besonders wichtig, einen Produktmanager zu haben, der sicherstellen kann, dass die Bedürfnisse der Interessenvertreter erfüllt werden und sich gleichzeitig auf die Gesamtziele des Projekts und das Produkt der künstlichen Intelligenz konzentrieren können.“ Manager müssen außerdem über technische Fähigkeiten und Geschäftssinn verfügen. Sie sollten in der Lage sein, eng mit verschiedenen Teams und Interessengruppen zusammenzuarbeiten. In den meisten Fällen hängt der Erfolg von KI-Projekten von der Zusammenarbeit zwischen Geschäfts-, Datenwissenschafts-, maschinellen Lerntechnik- und Designteams ab. .“
Stratege für künstliche Intelligenz
Ein KI-Stratege muss verstehen, wie das Unternehmen auf Unternehmensebene funktioniert, und sich mit dem Führungsteam und externen Stakeholdern abstimmen, um sicherzustellen, dass das Unternehmen über die richtige Infrastruktur verfügt und Talent, um KI-Initiativen zum Erfolg zu verhelfen.
Dan Diasio, globaler KI-Leiter bei EY Consulting, sagte, dass KI-Strategen über ein tiefes Verständnis ihres Geschäftsfelds und der Grundlagen des maschinellen Lernens verfügen müssen wissen, wie man KI zur Lösung geschäftlicher Probleme einsetzt.
Wenn Sie die Art und Weise ändern möchten, wie Unternehmen Entscheidungen treffen, brauchen Sie Menschen mit großem Einfluss und Weitblick, die den Prozess vorantreiben. Sie können Unternehmen dabei helfen, über Transformationen nachzudenken. Darüber hinaus können sie Unternehmen dabei helfen, Zugriff auf die Daten zu erhalten, die sie benötigen, um KI effektiv voranzutreiben.
Diasio sagte: „Heutzutage stellen die Daten, die Unternehmen in ihren Systemen oder Data Warehouses haben, nur einen kleinen Teil dessen dar, was sie verwenden, um sich beim Aufbau von KI-Fähigkeiten zu differenzieren. Die Aufgabe des Strategen besteht darin.“ Schauen Sie in die Zukunft und sehen Sie, wie wir mehr Daten erfassen und nutzen können, ohne Datenschutzprobleme anzusprechen.“
Tulsankar von iSchoolConnect sagte, Entscheidungsträger seien Menschen, die das Geschäft, die Chancen und Risiken verstehen. Der Chief AI Officer sollte die Anwendungsfälle verstehen, die KI lösen kann, wo die wichtigsten Vorteile liegen, und in der Lage sein, diese Möglichkeiten gegenüber den Stakeholdern zu artikulieren. Darüber hinaus sollten sie diskutieren, wie diese Möglichkeiten iterativ umgesetzt werden können. Wenn es mehrere Kunden oder mehrere Produkte gibt, die den Einsatz von KI erfordern, kann der Chief AI Officer die „kundenunabhängigen“ und „kundenspezifischen“ Teile der Implementierung aufteilen.
Der Executive Sponsor sollte ein C-Level-Manager sein, der eine wichtige Rolle dabei spielen kann, sicherzustellen, dass KI-Projekte positive Ergebnisse erzielen, und der für den KI-Plan des Unternehmens verantwortlich ist bekommt Fördermittel.
Diasio von EY Consulting sagte, dass Führungskräfte eine wichtige Rolle dabei spielen, KI-Projekte zum Erfolg zu führen. Bedenken Sie, dass die größten Chancen für Unternehmen oft dort liegen, wo sie aus bestimmten Funktionen ausbrechen. Ein Konsumgüterhersteller verfügt beispielsweise über ein Team, das für Forschung und Entwicklung verantwortlich ist, ein Team, das für die Lieferkette verantwortlich ist, ein Vertriebsteam und ein Marketingteam. Der Einsatz künstlicher Intelligenz kann dazu beitragen, alle vier dieser Funktionen zu transformieren, um die größten und besten Chancen des Unternehmens zu nutzen. Nur ein CEO oder eine Führungsebene mit starker Führung kann dazu beitragen, diese Veränderungen herbeizuführen.
Leider haben die Führungskräfte vieler Unternehmen nur ein sehr begrenztes Verständnis für das Potenzial künstlicher Intelligenz und betrachten sie oft als „Black Box“. Sie sind es gewohnt, es den Datenwissenschaftlern vorzuwerfen, verstehen aber nicht wirklich, welche neuen Möglichkeiten für den Einsatz von KI erforderlich sind.
Die Einführung von KI wird für viele Unternehmen einen großen kulturellen Wandel bedeuten, da sie nicht verstehen, wie effektiv KI-Teams arbeiten, wie ihre Rollen funktionieren und welche Befugnisse sie haben. Darüber hinaus ist dies für 99 % der traditionellen Unternehmen, die KI einführen, eine sehr schwierige Sache.
Das obige ist der detaillierte Inhalt vonZehn Schlüsselrollen, um den Geschäftswert künstlicher Intelligenz voll auszuschöpfen. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!