인공지능 성공을 위한 10가지 핵심 역할

모든 업계에서 점점 더 많은 기업이 비즈니스 프로세스를 변화시키기 위해 인공 지능(AI)을 채택하고 있지만 AI 이니셔티브의 성공은 데이터와 기술뿐만 아니라 적합한 사람들이 참여하는지 여부에도 달려 있습니다.

효과적인 엔터프라이즈 AI 팀은 데이터 과학자와 엔지니어 그 이상을 포함하는 다양한 그룹입니다. 컨설팅 회사인 Omdia의 AI 플랫폼, 분석 및 데이터 관리 수석 분석가인 Bradley Shimmin은 성공적인 AI 팀에는 비즈니스를 이해하고 문제를 해결하려고 노력하는 많은 사람들이 포함되어야 한다고 말했습니다.

"우리가 사용할 수 있는 기술과 도구는 점점 더 현장 전문가, 비즈니스 사용자 또는 분석 전문가에 대한 지원과 승인을 제공해야 하므로 회사 내에서 AI를 직접 사용하고 책임을 질 수 있습니다."

AI Carlos Anchia, 스타트업 Plainsight의 공동 창립자이자 CEO인 그는 AI의 성공이 주로 다양한 고급 기술을 갖춘 포괄적인 팀을 구성하는 데 달려 있다고 믿지만 이는 매우 어려운 일입니다.

“뛰어난 AI 팀을 만드는 요소를 정확히 찾아내는 것은 쉬울 수 있지만 성공적인 AI 팀의 각 구성원의 세부적인 책임을 살펴보면 그러한 팀을 구성하는 것이 매우 어렵다는 결론에 빠르게 도달하게 될 것입니다. 어렵다"고 말했다.

이상적인 AI 팀을 구성하는 데 도움이 되도록 팀이 가져야 할 10가지 핵심 역할을 살펴보겠습니다.

데이터 과학자

데이터 과학자는 모든 AI 팀의 핵심이라고 할 수 있습니다. 그들은 데이터 처리 및 분석, 기계 학습(ML) 모델 구축, 이미 생산 중인 ML 모델 개선을 위한 결론 도출을 담당합니다.

TikTok 회사의 데이터 과학자인 Mark Eltsefon은 데이터 과학자는 제품 분석가와 비즈니스 분석가가 혼합되어 있으며 특정 기계 학습 지식을 가지고 있다고 말했습니다.

“그들의 주요 목표는 어떤 핵심 지표가 비즈니스에 큰 영향을 미치는지 이해하고, 데이터를 수집하여 가능한 병목 현상을 분석하고, 다양한 사용자 그룹 및 지표의 시각화를 구현하고, 이러한 지표 솔루션을 개선하는 방법에 대한 다양한 조치를 제안 및 개발하는 것입니다. "라고 그는 TikTok 사용자를 위한 새로운 기능을 개발할 때 데이터 과학 없이는 해당 기능이 사용자에게 이익이 되는지 아니면 소외되는지 이해하는 것이 불가능하다고 덧붙였습니다.

"기능 테스트에 얼마나 오랜 시간을 투자해야 하는지, 정확히 어떤 측면을 테스트해야 하는지 알 수 없습니다. 이러한 모든 문제에 대해 인공 지능 방법을 사용해야 합니다."

기계 학습 엔지니어

데이터 과학자는 기계 학습을 구축할 수 있습니다. 모델을 구현하는 것은 머신러닝 엔지니어입니다.

기술 서비스 회사인 Percious Systems의 혁신 및 R&D 설계자인 Dattaraj Rao는 다음과 같이 말했습니다. "머신 러닝 엔지니어는 머신 러닝 모델을 컨테이너에 패키징하고 이를 일반적으로 마이크로서비스 형태로 프로덕션 환경에 배포하는 임무를 맡습니다."

Rao는 말했습니다. 이 역할에는 전문적인 백엔드 프로그래밍 및 서버 구성 기술은 물론 컨테이너, 지속적인 통합 및 배포 배포에 대한 지식이 필요합니다. "머신러닝 엔지니어는 모델 검증, A/B 테스트, 생산 모니터링에도 참여해야 합니다."

성숙한 머신러닝 환경에서는 머신러닝 엔지니어도 서비스 도구를 테스트해야 하며 서비스 도구에는 작은 부분만 필요하다고 말했습니다. 테스트의 양 생산에서 가장 잘 수행되는 모델을 찾으십시오.

데이터 엔지니어

데이터 엔지니어가 구축하고 유지 관리하는 시스템은 기업 조직의 데이터 인프라를 구성합니다. Deloitte의 이사이자 수석 설계자인 Erik Gfesser는 데이터가 다른 가치 있는 작업에 사용되기 전에 데이터를 수집하고 사용하기에 적합하게 만들어야 하기 때문에 데이터 엔지니어가 AI 이니셔티브에 매우 중요하다고 말했습니다.

그는 "데이터 엔지니어는 다운스트림 소비를 위한 데이터를 수집하고 집계하기 위해 데이터 파이프라인을 구축하고, DevOps 환경에서는 이러한 데이터 파이프라인을 실행하는 인프라를 구현하기 위해 파이프라인을 구축합니다."라고 말했습니다.

그는 데이터 엔지니어가 기계 학습이라고 말했습니다. 머신러닝이 아닌 프로젝트에 대한 기본 사항입니다. "예를 들어, 퍼블릭 클라우드에서 데이터 파이프라인을 구현할 때 데이터 엔지니어는 먼저 필요한 클라우드 서비스를 시작하기 위한 스크립트를 작성해야 하며, 그런 다음 이러한 서비스는 데이터를 처리하는 데 필요한 계산을 제공합니다.

IT 서비스 회사 SPR의 책임자." 기술 책임자 Matt Mead는 처음으로 팀을 구성하는 경우 데이터 과학이 많은 데이터가 필요한 반복 프로세스라는 점을 알아야 한다고 말했습니다. 데이터가 충분하다고 가정하면 "작업의 80% 정도는 데이터 엔지니어링과 관련이 있고, 약 20%는 데이터 과학과 관련된 실제 작업이 될 것입니다." AI 팀의 사람들은 데이터 과학 분야에서 일하고 있습니다. "팀의 다른 구성원은 해결 중인 문제를 식별하고, 데이터 해석을 돕고, 데이터 구성을 돕고, 다른 생산 시스템에 출력을 통합하거나 프레젠테이션 준비 방식으로 데이터를 제시해야 합니다." 데이터 관리자는 기업 데이터 관리를 통해 데이터에 대한 액세스 가능성과 고품질을 보장하며, 조직 전체에서 데이터가 일관되게 사용되고 회사가 끊임없이 변화하는 데이터 법률을 준수하도록 보장합니다.

기술 회사 Insight의 데이터 및 AI 부문 국내 실무 리더인 Ken Seier는 데이터 관리자가 데이터 과학자가 정확한 데이터에 액세스하고 모든 것이 데이터 카탈로그에서 반복 가능하고 명확하게 표시되도록 보장한다고 말했습니다.

이 직책을 맡은 사람은 데이터 과학을 이해하고 팀 전체에서 협업하고 데이터 과학자 및 엔지니어와 협력하여 이해관계자와 비즈니스 사용자가 데이터에 액세스할 수 있도록 하는 의사소통 기술을 갖추어야 합니다.

데이터 관리자는 데이터 사용 및 보안에 대한 조직의 정책도 시행합니다. Seier는 "데이터 관리자는 보안 데이터에 액세스해야 하는 사람만 그렇게 하도록 보장해야 합니다."라고 Seier는 말했습니다.

도메인 전문가

도메인 전문가는 특정 산업이나 주제 영역에 대한 심층적인 지식을 갖고 있으며 특정 분야의 권위자입니다. 현장에서 사용 가능한 데이터의 품질을 판단할 수 있고, AI 프로젝트의 예상 비즈니스 사용자와 소통할 수 있으며, 프로젝트가 실제 가치가 있는지 확인할 수 있습니다.

소프트웨어 개발 회사 SpdLoad의 CEO인 Max Babych는 AI 시스템을 개발하는 기술 전문가가 시스템의 대상 도메인에 대한 전문 지식을 거의 보유하지 않기 때문에 도메인 전문가가 필수적이라고 말했습니다. "도메인 전문가는 AI 시스템이 최상의 성능을 발휘할 수 있도록 중요한 통찰력을 제공할 수 있습니다."

SpdLoad가 LIDAR 기술을 대체하기 위해 자동 조종 장치에서 움직이는 물체를 식별하는 컴퓨터 비전 시스템을 개발했을 때 그들은 도움을 받아 시작되었습니다. 도메인 전문가의. 연구 결과에 따르면 시스템이 효과적이라는 것이 입증되었지만 SpdLoad는 자동차 브랜드가 기술의 입증된 신뢰성 때문에 컴퓨터 비전보다 LiDAR를 선호하고 컴퓨터 비전 기반 제품을 구입할 기회가 없었다는 사실을 몰랐습니다.

"내가 공유하고 싶은 핵심 조언은 비즈니스 모델에 대해 생각한 다음 더 기술적인 문제로 넘어가기 전에 이것이 업계에서 돈을 벌 수 있는 실행 가능한 방법인지 판단하기 위해 도메인 전문가를 참여시키라는 것입니다."

교육 기술 플랫폼 iSchoolConnect의 AI 책임자인 Ashish Tulsankar는 도메인 전문가가 고객과 AI 팀 간의 중요한 연락원이 될 수 있다고 말했습니다.

"이 사람은 고객과 소통하고 고객의 요구 사항을 이해하며 AI 팀에 일련의 방향을 제시할 수 있습니다. 그리고 도메인 전문가는 회사가 AI를 윤리적으로 구현하는지 감독할 수도 있습니다."

AI Designer

AI 디자이너는 개발자와 협력하여 인간 사용자의 실제 요구 사항을 이해하는 일을 담당합니다. 이 역할은 사용자가 AI와 상호 작용하는 방법을 구상하고 새로운 AI 기능에 대한 사용 시나리오를 보여주는 프로토타입을 만듭니다.

AI 디자이너는 또한 인간 사용자와 AI 시스템 사이에 신뢰가 구축되어 AI가 사용자 피드백을 통해 학습하고 개선할 수 있도록 보장합니다.

BCG 북미 AI 사업부의 공동 리더인 Shervin Khodabandeh는 다음과 같이 믿습니다. “AI 확장 시 조직이 겪는 어려움 중 하나는 사용자가 솔루션을 이해하지 못하거나, 동의하지 않거나, 상호 작용할 수 없다는 것입니다. AI로부터 배우는 사람들 가치를 얻는 조직의 비결은 실제로 인간과 컴퓨터의 상호 작용을 올바른 방식으로 수행할 수 있다는 것입니다.

보스턴 컨설팅 그룹은 가치의 10%를 따릅니다. 알고리즘이고 20%는 기술과 데이터입니다. 플랫폼의 경우 가치의 70%는 비즈니스 통합 또는 이를 비즈니스 프로세스의 기업 전략과 연결하는 데서 나옵니다.

“인간-컴퓨터 상호작용은 절대적으로 중요하며 과제의 70%에서 중요한 부분입니다.”라고 그는 말하면서 AI 디자이너가 목표 달성을 도울 것이라고 덧붙였습니다.

제품 관리자

제품 관리자는 고객의 요구 사항을 발견하고 제품 개발 및 제품 마케팅을 담당하는 동시에 AI 팀이 유리한 전략적 결정을 내릴 수 있도록 보장합니다.

AI 개발 회사 Nexocode의 제품 관리자인 도로타 오우차렉(Dorota Owczarek)은 “AI 팀에서 제품 관리자의 임무는 AI를 사용하여 고객 문제를 해결하는 방법을 이해하고 이를 제품 전략으로 변환하는 것입니다.”라고 말했습니다.

Owczarek은 최근 자연어를 사용하여 연구 논문 및 문서에 대한 인적 검토를 지원하는 제약 산업용 AI 제품을 개발하는 프로젝트에 참여했습니다.

“이 프로젝트에는 제품을 구동하는 데 필요한 모델과 알고리즘을 개발하기 위해 데이터 과학자, 기계 학습 엔지니어, 데이터 엔지니어와의 긴밀한 협력이 필요했습니다.”라고 그녀는 말했습니다.

제품 관리자로서 Owczarek은 제품 로드맵 구현, 예산 추정 및 제어, 제품 기술, 사용자 경험 및 비즈니스 측면 간의 협업 처리를 담당합니다.

"이 특별한 경우에는 비즈니스 이해관계자가 프로젝트를 시작했기 때문에 프로젝트의 전반적인 목표에 집중하면서 그들의 요구 사항을 충족할 수 있는 제품 관리자를 두는 것이 특히 중요했습니다."라고 그녀는 말했습니다. 기술적인 능력과 사업적 통찰력을 모두 갖추어야 합니다.

"제품 관리자는 다양한 팀 및 이해관계자와 긴밀하게 협력할 수 있어야 합니다. 대부분의 경우 AI 프로젝트의 성공은 비즈니스, 데이터 과학, 기계 학습 엔지니어링 및 디자인 팀 간의 협업에 달려 있습니다.

Owczarek AI 제품." 관리자는 또한 AI와 관련된 윤리적 고려 사항을 이해해야 합니다. "그들은 회사의 제품이 업계 모범 사례를 준수하도록 내부 프로세스와 지침을 개발할 책임이 있습니다."

AI 전략가

AI 전략가는 기업 수준에서 일이 어떻게 진행되는지 이해하고 경영진 및 외부 이해관계자와 협력하여 회사가 AI 이니셔티브를 통해 성공할 수 있는 올바른 인프라와 인재를 확보할 수 있도록 해야 합니다.

성공하려면 AI 전략가는 자신의 비즈니스 영역과 머신 러닝의 기본 사항을 깊이 이해해야 하며 AI를 사용하여 비즈니스 문제를 해결하는 방법도 알아야 한다고 EY Consulting의 글로벌 AI 리더인 Dan Diasio는 말합니다.

“몇 년 전에는 기술이 가장 어려운 부분이었지만 이제는 기술이 우리가 구축한 AI 기능이나 AI 자산을 최대한 활용하기 위해 다양한 비즈니스를 연결하는 방식을 재구상하고 있습니다.”라고 그는 덧붙였습니다. 기업은 AI 활용 방법을 고민하기 위해 변혁적 사고를 활용합니다.

“회사의 의사결정 방식을 바꾸려면 프로세스를 주도하는 데 상당한 영향력과 비전을 가진 사람들이 필요합니다.”

AI 전략가는 기업 조직이 AI를 효과적으로 추진하는 데 필요한 데이터를 얻도록 도울 수도 있습니다.

“오늘날 기업이 시스템이나 데이터 웨어하우스에 보유하고 있는 데이터는 실제로 AI 기능을 구축하는 데 필요한 데이터의 아주 작은 부분에 불과합니다. AI 전략가의 역할 중 하나는 지평선 너머를 바라보는 것입니다. 개인 정보 보호 규칙을 위반하지 않고 더 많은 데이터를 캡처하고 활용하는 방법을 알아보세요.

최고 AI 책임자

최고 AI 책임자는 모든 AI 이니셔티브의 주요 의사결정자이며 AI의 비즈니스 잠재력을 이해관계자와 고객에게 전달하는 일을 담당합니다. .

iSchoolConnect의 Tulsankar는 "의사결정자는 비즈니스, 기회, 위험을 이해하는 사람입니다."라고 말합니다.

최고 AI 책임자는 인간 AI가 무엇을 사용할 수 있는지, 어떤 것이 가장 중요한 경제적 이익을 가져올 수 있는지 알아야 하며 이러한 기회를 이해관계자에게 설명할 수 있어야 한다고 말했습니다.

“또한 이러한 기회가 어떻게 반복적으로 실현될 것인지 논의해야 합니다. AI 적용이 필요한 고객이나 제품이 여러 개인 경우 최고 AI 책임자는 고객에 구애받지 않는 부분과 고객 특정 부분을 분리할 수 있어야 합니다. 구현.”

경영진 주도형 People

경영진 후원자는 AI 프로젝트가 결과를 달성하도록 보장하는 데 적극적인 역할을 하고 회사의 AI 이니셔티브에 대한 자금 확보를 담당하는 최고 경영진이어야 합니다.

EY Consulting의 Diasio는 AI 프로젝트를 성공으로 이끄는 데 임원이 중요한 역할을 한다고 말했습니다. “기업의 가장 큰 기회는 특정 기능에서 벗어난 영역에서 오는 경향이 있습니다.

예를 들어 소비재 제조업체에는 R&D를 담당하는 팀, 공급망을 담당하는 팀, 영업팀, 마케팅팀이 있습니다. , “AI를 적용하여 비즈니스를 변화시킬 수 있는 가장 크고 최고의 기회는 네 가지 기능 모두와 관련되어 있으므로 이러한 변화를 달성하려면 CEO 또는 최고 경영진의 강력한 리더십이 필요합니다.

BCG Khodabandeh의 Shervin은 안타깝게도 많은 회사가 경영진은 AI의 잠재력을 완전히 이해하지 못합니다.

“그들의 AI에 대한 이해는 매우 제한적이며 AI를 블랙박스로 간주하여 데이터 과학자에게 직접 던지는 경우가 많지만 AI를 사용하려면 어떤 새로운 방법이 필요한지 실제로 이해하지 못합니다.”라고 말했습니다. 기업이 그렇지 않다면 AI 팀이 어떻게 작동하는지, 역할이 어떻게 작동하는지, 권한을 부여하는 방법을 이해한다면 AI 도입은 기업 문화에 큰 변화가 될 것입니다. "AI를 도입하는 기존 기업의 99%는 AI를 도입하는 것이 어렵다고 생각합니다."

위 내용은 인공지능 성공을 위한 10가지 핵심 역할의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!