人工知能のビジネス価値を完全に実現するための 10 の重要な役割

あらゆる業界で、ビジネス プロセスを変革するために人工知能を導入する企業が増えています。ただし、AI プログラムの成功はデータとテクノロジーだけでなく、適切な人材の採用にも依存することを知っておいてください。

コンサルティング会社 Omdia の AI プラットフォーム、分析、データ管理担当主席アナリストである Bradley Shimmin 氏は、効果的なエンタープライズ AI チームは、データ サイエンティストやエンジニアだけではなく、多様なグループである必要があると述べています。ビジネスを理解し、問題を解決しようとする人々。

AI スタートアップの Plainsight の共同創設者兼 CEO であるカルロス・アンチア氏もこれに同意し、AI での成功はさまざまな高度なスキルを備えたバランスの取れたチームを構築することに大きく依存すると付け加えましたが、そうするのは非常に困難です。 「何が効果的な AI チームを構成するのかを判断するのは簡単そうに見えますが、成功している AI チーム内の各個人の詳細な責任を見てみると、そのようなチームを構築するのは非常に難しいという結論がすぐに得られます。」

理想的な AI チームの構築を支援するために、今日のうまく運営されているエンタープライズ AI チームに不可欠な 10 の重要な役割を以下に示します。

データ サイエンティスト

データ サイエンティストは、あらゆる組織の中核です。 AI チーム。データの処理と分析、機械学習 (ML) モデルの構築、およびすでに運用されている ML モデルを改善するための結論の導き出しを担当します。

TikTok企業のデータサイエンティスト、マーク・エルセフォン氏は、データサイエンティストは製品アナリストとビジネスアナリストの混合であり、少量の機械学習の知識も持っていると述べた。彼らの主な目標は、ビジネスに大きな影響を与える主要な指標を理解し、データを収集して考えられるボトルネックを分析し、さまざまなユーザー グループと指標を視覚化し、これらの指標を向上させる方法に関するさまざまなソリューションを考案することです。たとえば、TikTokユーザー向けの新機能を開発する場合、データサイエンティストなしでは、その機能がユーザーに利益をもたらすのか、それとも害を及ぼすのかを理解する方法はありません。

機械学習 (ML) エンジニア

データ サイエンティストは ML モデルを構築できますが、その実装には ML エンジニアが必要です。

テクノロジー サービス会社 Persistent Systems のイノベーションおよび R&D アーキテクトである Dattaraj Rao 氏は、「このタイプの役割は、ML モデルをコンテナーにパッケージ化し、それを (通常はマイクロサービスとして) 実稼働環境にデプロイすることを任務としています。専門的なバックエンド プログラミングとサーバー構成のスキルに加え、コンテナーと継続的インテグレーションと配信の展開に関する専門知識が必要です。さらに、ML エンジニアはモデルの検証、A/B テスト、運用監視にも関与します。」

成熟した ML 環境では、ML エンジニアが最小限の実験で本番環境で最高のパフォーマンスのモデルを見つけるのに役立つ実験サービス ツールも必要です。

データ エンジニア

データ エンジニアは、組織のデータ インフラストラクチャを構成するシステムの構築と保守を担当します。デロイトの取締役兼チーフアーキテクトであるエリック・グフェッサー氏は、「データエンジニアはAIへの取り組みに不可欠である。データエンジニアは、下流で使用するデータを収集して組み立てるためのデータパイプラインを構築する。DevOps環境では、これらのデータパイプラインを実行するためのインフラストラクチャを実装するパイプラインを構築する」と語った。 。

彼は、データ エンジニアが ML と非 ML の両方の取り組みの基盤であると付け加えました。たとえば、パブリック クラウドの 1 つにデータ パイプラインを実装する場合、データ エンジニアはまず、取り込まれたデータの処理に必要な計算を提供する必要なクラウド サービスを起動するためのスクリプトを作成する必要があります。

情報技術サービス会社 SPR の最高技術責任者であるマット・ミード氏は、初めてチームを構築する場合、データ サイエンスは大量のデータを必要とする反復的なプロセスであることを理解する必要があると述べています。十分なデータがあると仮定すると、作業の約 80% はデータ エンジニアリングのタスクに関連し、約 20% はデータ サイエンスに関連する実際の作業になります。このため、AI チームのほんの一部だけがデータ サイエンスに携わることになります。チームの他のメンバーは、解決すべき問題を特定し、データの解釈を支援し、データを整理し、出力を別の実稼働システムに統合し、またはプレゼンテーションの準備ができた方法でデータを提示する責任を負います。

Data Steward

Data Steward は企業データの管理を監督し、その品質とアクセス性を保証します。この重要な役割は、企業が絶えず変化するデータ法に確実に準拠しながら、企業アプリケーション全体でのデータの一貫性を保証します。

データ スチュワードは、データ サイエンティストが適切なデータを取得し、すべてが再現可能でデータ カタログに明確にラベル付けされていることを保証します、とテクノロジー企業 Insight のデータと人工知能のプラクティス リードである Ken Seier 氏は述べています。

この役割を担う人は、チーム間で協力し、データ サイエンティストやエンジニアと連携して、利害関係者やビジネス ユーザーがデータに確実にアクセスできるようにするための、データ サイエンスとコミュニケーション スキルの組み合わせが必要です。

さらに、データ スチュワードは、データの使用とセキュリティに関する組織のポリシーを強制し、安全なデータにアクセスできる必要がある人だけがアクセスできるようにする責任があります。

ドメイン エキスパート

ドメイン エキスパートは、特定の業界または主題分野について深い知識を持っています。この役割は、その分野の権威であり、利用可能なデータの品質を判断でき、AI プロジェクトが現実世界の価値を持つことを保証するために、AI プロジェクトの対象となるビジネス ユーザーとコミュニケーションをとることができます。

ソフトウェア開発会社 SpdLoad の CEO である Max Babych 氏は、AI システムを開発する技術専門家がシステムが構築されている実際のドメインの専門知識を持っていることがほとんどないため、これらのドメインの専門家が不可欠であると述べました。ドメインの専門家は、AI システムが最高のパフォーマンスを発揮できるようにするための重要な洞察を提供できます。

たとえば、Babych の会社は、自動操縦で移動物体を識別するためのライダー (LIDAR) に代わるコンピューター ビジョン システムを開発しました。彼らはドメインの専門家なしでプロジェクトを開始し、研究によってシステムが機能することが証明されましたが、彼の会社は自動車ブランドがコンピューター ビジョンよりも LIDAR を好むことを知りませんでした。

Babych 氏は、「この件で私が共有したい重要なアドバイスは、ビジネス モデルについて考え、それがあなたの業界に適用できるかどうかをドメインの専門家と協力して理解してから、実装について詳しく議論することです」と述べました。

さらに、教育テクノロジー プラットフォーム iSchoolConnect の人工知能責任者である Ashish Tulsankar 氏は、ドメインの専門家は顧客と人工知能チームの間の重要な連絡役にもなり得ると述べました。彼は顧客とコミュニケーションをとってニーズを理解し、AI チームに次のステップを提供することができます。また、ドメインの専門家は AI が倫理的な方法で実装されているかどうかを追跡することもできます。

人工知能デザイナー

人工知能デザイナーは開発者と協力して、人間のユーザーのニーズを確実に理解できるようにします。この役割は、ユーザーが AI とどのように対話するかを想定し、新しい AI 機能のユースケースを実証するプロトタイプを作成します。

AI デザイナーは、人間のユーザーと AI システムの間に信頼が確立され、AI がユーザーのフィードバックから学習して改善できることも保証します。

コンサルティング会社BCGのAIプラクティスの共同リーダーであるシャービン・コーダベンデ氏は、「企業がAIへの取り組みを拡大する際に直面する困難の1つは、ユーザーがソリューションを理解しておらず、特定していないことである」と述べた。人工知能から始める人 インテリジェンスから価値を得る企業の秘訣は、実際には、人間とコンピューターのインタラクションを正しく実装することです。"

BCG の思考モデルは、" 10-20-70 の原則、つまり、価値の 10% がアルゴリズム、20% がテクノロジーとデータ プラットフォーム、価値の 70% がビジネス統合、またはビジネス プロセスにおける企業戦略とのリンクから得られます。人間とコンピューターの対話は絶対に重要であり、課題の 70% の重要な部分を占めています。人工知能デザイナーは、この目標の達成に役立ちます。

プロダクト マネージャー

プロダクト マネージャーは、AI チームが有益な戦略的決定を行えるようにしながら、顧客のニーズを特定し、製品の開発とマーケティングを主導します。

人工知能開発会社 Nexocode のプロダクト マネージャーである Dorota Owczarek 氏は、「人工知能チームにおいて、プロダクト マネージャーは人工知能を使用して顧客の問題を解決する方法を理解し、それを製品に変える責任を負っています」と述べています。

Owczarek は最近、自然言語処理を使用して人間による研究論文や文書のレビューをサポートする、製薬業界向けの AI ベースの製品を開発するプロジェクトに参加しました。このプロジェクトでは、製品を強化するために必要なモデルとアルゴリズムを開発するために、データ サイエンティスト、機械学習エンジニア、データ エンジニアとの緊密な協力が必要です。

製品マネージャーとして、Owczarek は主に製品ロードマップの実装、予算の見積もりと管理、製品テクノロジー、ユーザー エクスペリエンス、およびビジネス側面間のコラボレーションの処理を担当しています。 「プロジェクトはビジネス関係者によって開始されたため、プロジェクトの全体的な目標に焦点を当てながら、関係者のニーズを確実に満たすことができるプロダクト マネージャーの存在が特に重要です。さらに、人工知能製品は、マネージャーは、技術的なスキルとビジネスの洞察力も持っている必要があります。さまざまなチームや関係者と緊密に連携できる必要があります。ほとんどの場合、AI プロジェクトの成功は、ビジネス、データ サイエンス、機械学習エンジニアリング、設計チーム間のコラボレーションにかかっています。 .”

Owczarek 氏は、人工知能製品マネージャーには、自社の製品が業界のベスト プラクティスに準拠していることを確認するための内部プロセスとガイドラインを開発する責任もあると付け加えました。

人工知能ストラテジスト

AI ストラテジストは、企業レベルでビジネスがどのように運営されているかを理解し、経営陣や外部の関係者と調整して、企業が適切なインフラストラクチャと人材を確保できるようにする必要があります。人工知能プログラムの成功を支援します。

EY Consulting のグローバル AI リーダーである Dan Diasio 氏は、人工知能ストラテジストが成功するには、自社のビジネス ドメインと機械学習の基本を深く理解している必要があると述べました。 AI を使用してビジネス上の問題を解決する方法。

企業の意思決定方法を変えたい場合は、そのプロセスを推進する大きな影響力とビジョンを持った人材が必要です。人工知能ストラテジストは、企業が変革について考えるのを支援できる人材です。さらに、企業が AI を効果的に推進するために必要なデータにアクセスできるようにすることもできます。

Diasio 氏は、「今日、企業が自社のシステムやデータ ウェアハウス内に保有するデータは、実際には、AI 機能を構築する際に自社を差別化するために使用するもののほんの一部にすぎません。戦略家の役割の一部は、企業のシステムやデータ ウェアハウスに目を向けることです。 AI の潜在的なビジネス価値を関係者や顧客に伝える責任者。

iSchoolConnect のトゥルサンカール氏は、意思決定者はビジネス、機会、リスクを理解している人々であると述べました。 AI の最高責任者は、AI が解決できるユースケースと最も重要なメリットがどこにあるのかを理解し、これらの機会を関係者に明確に説明する能力を持っている必要があります。さらに、これらの機会を繰り返し実施する方法について話し合う必要があります。 AI の適用が必要な顧客または製品が複数ある場合、最高 AI 責任者は実装の「顧客に依存しない」部分と「顧客固有」の部分を分割できます。

エグゼクティブ スポンサー

エグゼクティブ スポンサーは、AI プロジェクトの確実な成果を保証する重要な役割を果たし、企業の AI イニシアティブへの資金調達に責任を持つ経営幹部である必要があります。

EY Consulting の Diasio 氏は、エグゼクティブ リーダーは AI プロジェクトを成功に導く上で重要な役割を果たしていると述べました。企業にとって最大のチャンスは、多くの場合、特定の機能から抜け出すところにあることを知っておいてください。たとえば、消費財メーカーには、研究開発を担当するチーム、サプライ チェーンを担当するチーム、販売チーム、マーケティング チームがあります。人工知能を適用すると、これら 4 つの機能すべてを変革して、ビジネスの最大かつ最良の機会を実現することができます。こうした変化をもたらすことができるのは、強力なリーダーシップを持つ CEO または経営幹部だけです。

残念ながら、多くの企業の上級管理職は人工知能の可能性についての理解が非常に限られており、人工知能を「ブラックボックス」と見なしていることがよくあります。彼らはデータ サイエンティストに問題を投げることには慣れていますが、AI の使用に必要な新しい手法についてはよく理解していません。

AI チームの効果的な働き方、役割の仕組み、権限の与え方を理解していない多くの企業にとって、AI の導入は大きな文化的変化となります。さらに、これは AI を導入する 99% の従来型企業にとって非常に難しいことです。

以上が人工知能のビジネス価値を完全に実現するための 10 の重要な役割の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。