Sepuluh peranan utama untuk kejayaan kecerdasan buatan

Semakin banyak syarikat dalam setiap industri menggunakan kecerdasan buatan (AI) untuk mengubah proses perniagaan, tetapi kejayaan rancangan AI mereka bergantung kepada lebih daripada sekadar data dan teknologi bakat yang betul datang pada kapal.

Pasukan AI perusahaan yang berkesan ialah kumpulan pelbagai yang merangkumi lebih daripada sekadar saintis data dan jurutera. Bradley Shimmin, penganalisis utama untuk platform AI, analitik dan pengurusan data di firma perunding Omdia, berkata pasukan AI yang berjaya juga harus merangkumi ramai orang yang memahami perniagaan dan cuba menyelesaikan masalah.

“Teknologi dan alatan yang tersedia untuk kami semakin memerlukan kami untuk menyediakan sokongan dan kebenaran untuk profesional bidang, pengguna perniagaan atau profesional analisis, supaya kami boleh menggunakan dan bertanggungjawab secara langsung untuk AI dalam syarikat "

“Mungkin nampak mudah untuk menentukan apa yang menjadikan pasukan AI berprestasi tinggi, tetapi apabila anda melihat tanggungjawab terperinci setiap orang dalam pasukan AI yang berjaya, anda akan segera membuat kesimpulan bahawa membina Sangat sukar untuk menjadi satu pasukan," katanya.

Untuk membantu anda membina pasukan AI yang ideal, mari kita lihat 10 peranan penting yang perlu dimiliki oleh pasukan ini.

Saintis Data

Saintis data boleh dikatakan sebagai teras kepada mana-mana pasukan AI. Mereka bertanggungjawab untuk memproses dan menganalisis data, membina model pembelajaran mesin (ML) dan membuat kesimpulan untuk menambah baik model ML yang sudah dalam pengeluaran.

Mark Eltsefon, seorang saintis data di TikTok, berkata bahawa saintis data adalah gabungan penganalisis produk dan penganalisis perniagaan dan mempunyai pengetahuan pembelajaran mesin tertentu.

“Matlamat utama mereka adalah untuk memahami metrik utama yang mempunyai kesan yang ketara pada perniagaan, mengumpul data untuk menganalisis kemungkinan kesesakan, melaksanakan visualisasi kumpulan pengguna dan metrik yang berbeza serta membuat pengesyoran tentang cara memperbaik metrik ini. dan membangunkan pelbagai penyelesaian," katanya sambil menambah bahawa apabila membangunkan ciri baharu untuk pengguna TikTok, tanpa sains data, adalah mustahil untuk memahami sama ada ciri itu memberi manfaat atau mengasingkan pengguna.

“Anda tidak tahu berapa lama anda perlu meluangkan masa untuk menguji ciri dan aspek yang perlu diuji untuk semua masalah ini, anda perlu menggunakan kaedah kecerdasan buatan.”

Jurutera Pembelajaran Mesin.

Saintis data boleh membina model pembelajaran mesin, tetapi jurutera pembelajaran mesin yang melaksanakan model tersebut.

Dattaraj Rao, arkitek inovasi dan R&D di syarikat perkhidmatan teknologi Persistent Systems, berkata: "Jurutera pembelajaran mesin ditugaskan untuk membungkus model pembelajaran mesin ke dalam bekas dan menempatkannya ke dalam persekitaran pengeluaran—biasanya sebagai bentuk perkhidmatan mikro."

Rao berkata peranan ini memerlukan pengaturcaraan bahagian belakang profesional dan kemahiran konfigurasi pelayan, serta pengetahuan tentang bekas, penyepaduan berterusan dan penggunaan penghantaran. "Jurutera pembelajaran mesin juga perlu mengambil bahagian dalam pengesahan model, ujian A/B dan pemantauan pengeluaran." hanya memerlukan sedikit Percubaan akan membantu anda mencari model yang berprestasi terbaik dalam persekitaran pengeluaran.

Jurutera Data

Sistem yang dibina dan diselenggara oleh jurutera data membentuk infrastruktur data organisasi perusahaan. Erik Gfesser, pengarah dan ketua arkitek di Deloitte, berkata jurutera data adalah penting untuk inisiatif AI kerana data perlu dikumpul dan dibuat sesuai untuk digunakan sebelum ia boleh digunakan untuk melakukan perkara berharga lain.

"Jurutera data membina saluran paip data untuk mengumpul dan mengagregat data untuk penggunaan hiliran, dan dalam persekitaran DevOps, mereka membina saluran paip untuk melaksanakan infrastruktur yang menjalankan saluran paip data ini," katanya Jurutera data adalah asas untuk kedua-dua projek pembelajaran mesin dan bukan mesin, katanya. "Sebagai contoh, apabila melaksanakan saluran paip data dalam awan awam, jurutera data perlu terlebih dahulu menulis skrip untuk melancarkan perkhidmatan awan yang diperlukan, yang kemudiannya menyediakan pengiraan yang diperlukan untuk memproses data."

Perkhidmatan IT Matt Mead , CTO SPR, berkata jika anda membina pasukan buat kali pertama, anda perlu tahu bahawa sains data ialah proses berulang yang memerlukan sejumlah besar data. Dengan mengandaikan anda mempunyai data yang mencukupi, "kira-kira 80% daripada kerja akan berkaitan dengan kejuruteraan data, dan kira-kira 20% akan menjadi kerja sebenar yang berkaitan dengan sains data."

Disebabkan ini, katanya, terdapat hanya Sangat sedikit orang yang bekerja dalam sains data. "Ahli pasukan yang lain perlu mengenal pasti masalah yang sedang diselesaikan, membantu mentafsir data, membantu menyusun data, penyepaduan keluaran ke dalam sistem pengeluaran lain atau membentangkan data dalam cara yang sedia untuk pembentangan." Steward

Staward data menyelia pengurusan data syarikat dan memastikan data boleh diakses dan berkualiti tinggi Peranan penting ini memastikan data digunakan secara konsisten di seluruh organisasi dan syarikat mematuhi undang-undang data yang sentiasa berubah .

Ken Seier, pemimpin amalan kebangsaan untuk data dan AI di syarikat teknologi Insight, berkata pengurus data perlu memastikan bahawa saintis data mempunyai akses kepada data yang tepat dan semuanya boleh diulang dan dilabel dengan jelas dalam katalog data.

Dalam peranan ini, seseorang yang memahami sains data dan mempunyai kemahiran komunikasi untuk bekerjasama merentas pasukan dan bekerjasama dengan saintis data dan jurutera untuk memastikan data boleh diakses oleh pihak berkepentingan dan pengguna perniagaan.

Pengurus data juga menguatkuasakan dasar organisasi tentang penggunaan data dan keselamatan. "Pengurus data memastikan bahawa hanya mereka yang sepatutnya mempunyai akses kepada data selamat berbuat demikian," kata Seier

Pakar Domain

Pakar domain mempunyai pengetahuan mendalam tentang industri atau bidang subjek tertentu. adalah pihak berkuasa dalam bidang tertentu, boleh menilai kualiti data yang tersedia, dan boleh berkomunikasi dengan pengguna perniagaan yang diharapkan projek AI untuk memastikan projek itu mempunyai nilai sebenar.

Max Babych, Ketua Pegawai Eksekutif syarikat pembangunan perisian SpdLoad, berkata pakar domain adalah penting kerana pakar teknikal yang membangunkan sistem AI jarang mempunyai kepakaran dalam domain yang disasarkan oleh sistem. "Pakar domain boleh memberikan cerapan kritikal yang membolehkan sistem AI menunjukkan prestasi terbaik mereka."

Apabila SpdLoad membangunkan sistem penglihatan komputer untuk mengenal pasti objek bergerak secara autopilot untuk menggantikan teknologi LIDAR, Mereka memulakan projek tanpa pakar domain. Walaupun kajian membuktikan sistem itu berkesan, apa yang SpdLoad tidak tahu ialah jenama kereta lebih mengutamakan lidar daripada penglihatan komputer kerana kebolehpercayaan teknologi yang terbukti, dan mereka tidak berpeluang untuk membeli produk berasaskan penglihatan komputer.

“Salah satu nasihat penting yang saya ingin kongsikan ialah anda memikirkan model perniagaan dan kemudian melibatkan pakar domain untuk menilai sama ada ini cara yang berdaya maju untuk menjana wang dalam industri sebelum meneruskan kepada lebih banyak isu teknikal "

Ashish Tulsankar, ketua AI di platform teknologi pendidikan iSchoolConnect, berkata pakar domain boleh menjadi penghubung penting antara pelanggan dan pasukan AI.

“Orang ini boleh berkomunikasi dengan pelanggan, memahami keperluan mereka dan memberikan satu siri arahan untuk pasukan AI dan pakar domain juga boleh mengawasi sama ada syarikat itu melaksanakan AI secara beretika.”

AI Designer

AI ​​Designer bertanggungjawab untuk bekerjasama dengan pembangun untuk memastikan mereka memahami keperluan sebenar pengguna manusia Peranan ini membayangkan bagaimana pengguna akan berinteraksi dengan AI dan mencipta prototaip menunjukkan senario penggunaan Fungsi AI yang baharu.

Pereka AI juga memastikan kepercayaan diwujudkan antara pengguna manusia dan sistem AI, memastikan AI boleh belajar dan menambah baik daripada maklum balas pengguna.

Shervin Khodabandeh, ketua bersama amalan AI Amerika Utara BCG, berkata: “Salah satu kesukaran yang dihadapi oleh organisasi dalam menskalakan AI ialah pengguna tidak memahami penyelesaiannya, tidak membeli atau boleh' t berinteraksi dengannya Sos rahsia untuk organisasi yang mendapat nilai daripada AI sebenarnya ialah mereka boleh melakukan interaksi manusia-komputer dengan cara yang betul . Algoritma, 20% adalah platform teknologi dan data, dan 70% daripada nilai itu datang daripada penyepaduan perniagaan, atau mengikatnya ke dalam strategi korporat dalam proses perniagaan.

"Interaksi manusia-komputer sangat kritikal dan merupakan bahagian penting dalam 70% cabaran," katanya sambil menambah bahawa pereka AI akan membantu anda mencapai matlamat anda.

Pengurus Produk

Pengurus produk bertanggungjawab untuk menemui keperluan pelanggan, bertanggungjawab untuk pembangunan produk dan pemasaran produk, sambil memastikan pasukan AI membuat keputusan strategik yang menguntungkan.

"Dalam pasukan AI, tugas pengurus produk ialah memahami cara menggunakan AI untuk menyelesaikan masalah pelanggan dan kemudian menterjemahkannya ke dalam strategi produk," kata Dorota Owczarek, pengurus produk di syarikat pembangunan AI Nexocode.

Owczarek baru-baru ini telah mengambil bahagian dalam projek untuk membangunkan produk AI untuk industri farmaseutikal yang akan menyokong semakan manusia terhadap kertas penyelidikan dan dokumen menggunakan bahasa semula jadi.

"Projek ini memerlukan kerjasama rapat dengan saintis data, jurutera pembelajaran mesin dan jurutera data untuk membangunkan model dan algoritma yang diperlukan untuk memperkasakan produk," katanya.

Sebagai pengurus produk, Owczarek bertanggungjawab untuk melaksanakan pelan hala tuju produk, menganggar dan mengawal belanjawan serta mengendalikan kerjasama antara teknologi produk, pengalaman pengguna dan aspek perniagaan.

Beliau berkata: “Dalam kes ini, memandangkan projek itu dimulakan oleh pihak berkepentingan perniagaan, adalah amat penting untuk mempunyai pengurus produk yang boleh memastikan keperluan mereka dipenuhi sambil memberi tumpuan kepada matlamat keseluruhan projek. ," katanya. Pengurus produk AI harus mempunyai kedua-dua kemahiran teknikal dan kepintaran perniagaan.

“Pengurus produk harus dapat bekerja rapat dengan pasukan dan pihak berkepentingan yang berbeza Dalam kebanyakan kes, kejayaan projek AI akan bergantung pada kerjasama antara perniagaan, sains data, kejuruteraan pembelajaran mesin dan pasukan reka bentuk.

Owczarek berkata bahawa pengurus produk AI juga perlu memahami faktor etika yang berkaitan dengan AI "Mereka bertanggungjawab untuk membangunkan proses dalaman dan garis panduan untuk memastikan produk syarikat mematuhi amalan terbaik industri."

Ahli Strategi AI

Ahli strategi AI perlu memahami cara kerja di peringkat perusahaan dan menyelaraskan dengan pasukan eksekutif dan pihak berkepentingan luar untuk memastikan syarikat mempunyai infrastruktur dan bakat yang betul untuk Dicapai kejayaan program AI.

Untuk berjaya, ahli strategi AI mesti mempunyai pemahaman mendalam tentang domain perniagaan mereka dan asas pembelajaran mesin mereka juga mesti tahu cara menggunakan AI untuk menyelesaikan masalah perniagaan, kata Dan Diasio, peneraju AI global di EY Consulting.

"Beberapa tahun lalu, teknologi adalah bahagian yang lebih sukar, tetapi kini, teknologi sedang membayangkan semula cara kami menghubungkan perniagaan yang berbeza untuk menggunakan sepenuhnya keupayaan AI atau aset AI yang kami bina." Ahli Strategi AI boleh membantu syarikat berfikir tentang cara menggunakan AI dengan minda transformasi.

“Mengubah cara (syarikat membuat) keputusan memerlukan orang yang mempunyai pengaruh dan visi yang ketara untuk memacu proses tersebut.”

Ahli strategi AI juga boleh membantu organisasi memperoleh data yang anda perlukan untuk memacu AI dengan berkesan.

“Hari ini, data yang dimiliki oleh perusahaan dalam sistem mereka atau dalam gudang data mereka sebenarnya hanya mewakili sebahagian kecil daripada data yang mereka perlukan untuk membina keupayaan AI Sebahagian daripada peranan ahli strategi AI adalah untuk Melihat masa hadapan dan lihat bagaimana lebih banyak data boleh diperoleh dan digunakan tanpa melanggar peraturan privasi ”

Ketua Pegawai AI

Ketua Pegawai AI ialah pembuat keputusan utama untuk semua inisiatif AI menyampaikan potensi nilai perniagaan AI kepada pihak berkepentingan dan pelanggan.

"Pembuat keputusan ialah mereka yang memahami perniagaan, peluang dan risiko," kata Tulsankar iSchoolConnect.

Beliau berkata bahawa ketua pegawai AI harus mengetahui kegunaan AI manusia yang boleh dimiliki dan yang mana yang boleh membawa manfaat ekonomi yang paling penting, dan mereka seharusnya dapat menyatakan peluang ini kepada pihak berkepentingan.

“Mereka juga harus membincangkan cara melaksanakan peluang ini secara berulang Jika terdapat berbilang pelanggan atau berbilang produk yang memerlukan AI, ketua pegawai AI seharusnya dapat memisahkan bahagian agnostik pelanggan dan khusus pelanggan. pelaksanaan.”

Penaja Eksekutif

Penaja eksekutif perlu menjadi eksekutif peringkat C yang memainkan peranan aktif dalam memastikan projek AI mencapai hasil dan bertanggungjawab untuk mendapatkan pembiayaan untuk AI syarikat. inisiatif.

Diasio EY Consulting berkata eksekutif memainkan peranan penting dalam membantu memacu projek AI kepada kejayaan. "Peluang terbesar untuk syarikat selalunya datang dari kawasan yang mereka keluar daripada fungsi tertentu."

Sebagai contoh, pengeluar barangan pengguna mempunyai pasukan yang bertanggungjawab untuk penyelidikan dan pembangunan, pasukan yang bertanggungjawab untuk rantaian bekalan, dan pasukan jualan dan pasukan pemasaran, "Peluang terbesar dan terbaik untuk menggunakan AI untuk mengubah perniagaan adalah berkaitan dengan keempat-empat fungsi, jadi untuk mencapai perubahan ini, kepimpinan yang kukuh daripada CEO atau pengurusan atasan diperlukan." > Shervin Khodabandeh dari BCG berkata bahawa malangnya, ramai eksekutif syarikat tidak memahami sepenuhnya potensi AI.

“Pemahaman mereka tentang AI sangat terhad, dan mereka sering menganggap AI sebagai kotak hitam dan membuangnya terus kepada saintis data, tetapi mereka tidak benar-benar memahami kaedah baharu yang diperlukan untuk menggunakan AI.” >

Beliau berkata jika syarikat tidak memahami cara pasukan AI beroperasi, bagaimana peranan beroperasi, dan cara mendapatkan kebenaran, penggunaan AI akan menjadi perubahan besar dalam budaya korporat. "99% syarikat tradisional yang mengguna pakai AI berpendapat ini adalah perkara yang sukar."

Atas ialah kandungan terperinci Sepuluh peranan utama untuk kejayaan kecerdasan buatan. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!