人工智慧成功的十個關鍵人物角色

每個行業都有越來越多的企業在採用人工智慧（AI）來改變業務流程，但是他們的AI計劃能否取得成功，不僅僅取決於數據和技術，也要取決於是否有合適的人才加入。

一個有效的企業AI團隊是一個多元化的群體，其中不僅僅有資料科學家和工程師。顧問公司Omdia的AI平台、分析和資料管理首席分析師Bradley Shimmin表示，成功的AI團隊也應該包括了許多了解業務以及試圖解決問題的人。

「我們手邊可用的技術和工具，越來越需要我們為那些領域專業人士、業務用戶或分析專業人士提供支援和授權，讓我們在公司內直接使用和負責AI。 」

AI新創公司Plainsight的共同創辦人、執行長Carlos Anchia對此表示認同，他認為，AI取得成功很大程度上取決於建立一支擁有各種高級技能的、全面的團隊，但這是很有挑戰性的。

「是什麼造就了高效的AI團隊，要明確這一點似乎很容易，但是當你審視成功AI團隊中每個人的詳細職責時，你很快就會得出結論，建立這樣一支團隊是非常困難的，」他說。

為了幫助你組建一支理想的AI團隊，以下就讓我們來看看這個團隊中應該具備的這10個關鍵角色。

資料科學家

資料科學家可以說是任何AI團隊的核心。他們負責處理和分析數據，建立機器學習(ML)模型，得出結論，用於改進已經投入生產的ML模型。

TikTok公司的資料科學家Mark Eltsefon表示，資料科學家是產品分析師和業務分析師的混合體，掌握一定的機器學習知識。

「他們的主要目標是了解哪些關鍵指標會對業務帶來重大影響，收集資料用於分析可能存在的瓶頸，對不同用戶群和指標實施視覺化，並就如何改善這些指標提出並製定各種解決方案，」他補充說，在為TikTok用戶開發新功能的時候，如果沒有數據科學，就不可能了解這項功能到底是讓用戶受益、還是疏遠了用戶。

「你不知道應該花多長時間測試功能以及到底應該測試哪些方面，對於所有這些問題，你必須使用人工智慧的方法。」

機器學習工程師

資料科學家可以建立機器學習模型，但實施這些模型的是機器學習工程師。

技術服務公司Persistent Systems的創新和研發架構師Dattaraj Rao表示：「機器學習工程師的任務是將機器學習模型打包到容器中，並部署到生產環境中—通常是以微服務的形式。」

Rao說，這個角色需要專業的後端程式設計和伺服器配置技能，以及容器、持續整合和交付部署方面的知識。 「機器學習工程師還要參與模型驗證、A/B測試和生產監控。」

他說，在成熟的機器學習環境中，機器學習工程師還需要試驗服務工具，服務工具只需要少量的試驗就可以找到在生產環境中表現表現最好的模型。

資料工程師

資料工程師所建構和維護的系統，構成了企業組織的資料基礎架構。德勤董事兼首席架構師Erik Gfesser表示，資料工程師對於AI計畫來說是至關重要的，因為需要先收集資料並使其適合使用，然後才能用資料去做其他有價值的事情。

他說：「資料工程師建立資料管道來收集和匯集資料以供下游使用，在DevOps環境中，他們建立管道來實施運行這些資料管道的基礎設施。」

他說，資料工程師是機器學習和非機器學習計畫的基礎。 「例如，在某個公有雲中實施資料管道的時候，資料工程師需要先編寫腳本來啟動必要的雲端服務，這些服務再去提供處理獲取資料所需的運算。」

IT服務公司SPR的技術長Matt Mead表示，如果你是第一次組建團隊，那麼你需要知道，數據科學是一個需要大量數據的迭代過程。假設你有足夠的數據，「大約80%的工作都將與數據工程相關，大約20%是與數據科學相關的實際工作。」

他說，正因為如此，AI團隊中只有很少一部分人是從事數據科學的工作。 「團隊其他成員需要確定正在解決的問題，幫助解釋數據，幫助組織數據，輸出整合到另一個生產系統中，或以演示就緒的方式呈現數據。」

數據管理員

資料管理員負責監督公司資料的管理，確保資料是可存取的且高品質的，這個重要角色確保了資料在整個組織中得到一致的使用，以及確保公司遵守了不斷變化的資料法。

技術公司Insight的數據和AI國家實踐負責人Ken Seier表示，資料管理員要確保資料科學家獲得準確的數據，並且所有內容都是可重複的、在資料目錄中清晰標記的。

擔任這個職位的人員，需要懂數據科學並且具備溝通技巧，可在各個團隊之間展開協作，並與數據科學家和工程師合作，確保利益相關者和業務用戶能夠訪問數據。

資料管理員也要執行組織關於資料使用和安全性方面的政策。 Seier說：「資料管理員要確保只有應該獲得安全資料存取權限的人才能獲得這一權限。」

領域專家

領域專家對於特定行業或學科領域有深入的了解，是某個領域的權威，可以判斷可用數據的質量，可以與AI項目的預期業務用戶進行交流，確保項目具有現實價值。

軟體開發公司SpdLoad執行長Max Babych說，領域專家是不可或缺的，因為開發AI系統的技術專家很少具備該系統目標領域的專業知識。 「領域專家可以提供關鍵的洞察，讓AI系統發揮最佳的性能。」

當SpdLoad公司開發了一種電腦視覺系統來識別自動駕駛儀的移動物體以替代LIDAR技術的時候，他們是在沒有領域專家的情況下啟動了這個計畫。儘管研究證明這個系統是有效的，但SpdLoad公司不知道的是，汽車品牌更喜歡雷射雷達而不是電腦視覺，因為這種技術具有經過驗證的可靠性，而且他們也沒有機會購買基於電腦視覺的產品。

「我想分享的一個關鍵建議就是你要考慮商業模式，然後吸引領域專家來判斷這在該行業中是否是一種可行的賺錢方式，然後再去討論更多的技術問題」

教育科技平台iSchoolConnect的AI負責人Ashish Tulsankar表示，領域專家可以成為客戶和AI團隊之間的重要聯絡人。

「這個人可以和客戶溝通，了解他們的需求，並為AI團隊提供接下來一系列方向。而且領域專家還可以監督企業是否以合乎道德的方式去實施AI的。」

AI設計師

AI設計師負責與開發人員合作，確保他們了解人類用戶的真正需求，這個角色會設想用戶將如何與AI進行交互，創建原型以展示新AI功能的使用場景。

AI設計師也要確保在人類使用者和AI系統之間建立信任，確保AI能從使用者回饋中學習並改進。

BCG波士頓顧問公司北美AI業務聯合負責人Shervin Khodabandeh認為：「組織在擴展AI方面遇到的一個困難是，使用者不了解解決方案、不認同、或無法與之互動。那些正在從AI中獲得價值的組織，他們的秘訣實際上就是他們可以以正確的方式進行人機互動。」

波士頓顧問公司遵循10-20-70的原則：10%的價值是演算法，20%是技術和資料平台，70%的價值來自業務整合，或在業務流程中將其捆綁到企業策略中。

「人機互動絕對是很關鍵的，是70%的挑戰中一個重要的組成部分，」他也補充說，AI設計師將幫助你實現目標。

產品經理

產品經理負責發現客戶需求，負責產品開發和產品行銷，同時確保AI團隊做出有利的策略決策。

「在AI團隊中，產品經理的職責是了解如何使用AI解決客戶問題，然後將其轉化為產品策略，」AI開發公司Nexocode的產品經理Dorota Owczarek這樣表示。

Owczarek最近參與了一個為製藥業開發AI產品的項目，這種產品將支持使用自然語言對研究論文和文件進行人工審查。

「這個計畫需要與資料科學家、機器學習工程師和資料工程師展開密切合作，開發為產品提供動力所需的模型和演算法，」她說。

身為產品經理，Owczarek負責實施產品路線圖、估算和控制預算、處理產品技術、使用者體驗和業務方面之間的合作。

她說：「在這種特殊情況下，由於專案是由業務利益相關者發起的，因此擁有一位能夠確保滿足他們的需求、同時關注專案的總體目標的產品經理尤為重要，」她說，AI產品經理應該同時具備技術技能和商業頭腦。

「產品經理應該能夠與不同的團隊和利害關係人密切合作。大多數情況下，AI專案的成功將取決於業務、資料科學、機器學習工程和設計團隊之間的協作。 」

Owczarek說，AI產品經理還需要了解與AI的倫理因素，「他們負責制定內部流程和指導方針，確保公司的產品符合行業最佳實踐」。

AI策略師

人工智慧策略家需要了解企業層面的運作方式，並與執行團隊和外部利害關係人進行協調，以確保公司擁有合適的基礎設施和人才以取得AI計劃的成功。

要成功，AI策略師必須深入了解他們的業務領域和機器學習的基礎知識；EY Consulting的全球AI負責人Dan Diasio表示，他們還必須知道如何使用AI來解決業務問題。

「幾年前，科技是比較難的部分，但現在，科技正在重新構想我們連結不同業務的方式，以充分利用我們打造的AI能力或AI資產。」他補充說，AI戰略家可以幫助公司以轉型思維去思考如何使用AI。

「要改變（公司做出）決策的方式，就需要具有重大影響力和遠見的人來推動這一進程。」

AI策略家還可以幫助企業組織獲得有效推動AI所需的數據。

「如今，企業在其係統內或資料倉儲內擁有的數據，實際上只代表了他們在構建AI能力時所需數據中的很小一部分。AI戰略家的一部分職責就是要放眼未來，看看如何在不違反隱私規則的情況下獲取和利用更多的數據。」

首席AI官

首席AI官是所有AI計劃的主要決策者，負責向利害關係人和客戶傳達AI潛在的商業價值。

「決策者是那些了解業務、商機和風險的人，」iSchoolConnect的Tulsankar 說。

他說，首席AI官應該知道人AI可以有那些用途，哪些可以帶來最重要的經濟利益，他們應該能夠向利害關係人闡明這些機會。

「他們也應該討論如何反覆實現這些機會。如果有多個客戶或多個產品需要應用AI，首席AI官應該能夠把與客戶無關和客戶特定的實施部分劃分開。」

高階主管發起人

執行發起人需要是一位C級高階主管，在確保AI專案取得成果方面發揮積極的作用，負責為公司的AI計劃獲取資金。

EY Consulting公司的Diasio表示，高階主管在幫助推動AI計畫取得成功方面發揮著重要的作用。 「對公司來說，最大的機會來自於往往是他們突破特定職能的領域。」

例如，一家消費品製造商有一個負責研發的團隊、一個負責供應鏈的團隊、一個銷售團隊和一個行銷團隊，「應用AI來變革業務最大也是最好的機會，是和所有這四個職能相關的，因此要實現這些變革，就需要來自CEO或者最高管理層強有力的領導。」

BCG公司的Shervin Khodabandeh說，可惜的是，很多公司的高階主管對AI的潛力並不十分了解。

「他們對AI的理解非常有限，經常把AI看作是一個黑盒子，直接扔給資料科學家，但他們並不真正了解使用AI需要有哪些新的方法。」

他說，企業如果不了解AI團隊如何運作、角色如何運作、如何獲得授權的話，採用AI將是對企業文化的一個巨大變革。 「採用AI的傳統公司中，有99%的公司會認為這是一件很難的事情。」

#

以上是人工智慧成功的十個關鍵人物角色的詳細內容。更多資訊請關注PHP中文網其他相關文章！