人工智能人(人工智能人物)

 

每个行业都有越来越多的企业在采用人工智能（AI）来改变业务流程，但是他们的AI计划能否取得成功，不仅仅取决于数据和技术，还要取决于是否有合适的人才加入。

一个有效的企业AI团队是一个多元化的群体，其中不仅仅有数据科学家和工程师。咨询公司Omdia的AI平台、分析和数据管理首席分析师Bradley Shimmin表示，成功的AI团队还应该包括了很多了解业务以及试图解决问题的人。

我们手头上可用的技术和工具，越来越需要我们为那些领域专业人士、业务用户或者是分析专业人士提供支持和授权，让我们在公司内直接使用和负责AI。

AI初创公司Plainsight的联合创始人、首席执行官Carlos Anchia对此表示认同，他认为，AI取得成功很大程度上取决于建立一支拥有各种高级技能的、全面的团队，但这是很有挑战性的。

是什么造就了高效的AI团队，要明确这一点似乎很容易，但是当你审视成功AI团队中每个人的详细职责时，你很快就会得出结论，建立这样一支团队是非常困难的，他说。

为了帮助你组建一支理想的AI团队，下面就让我们来看看这个团队中应该具备的这10个关键角色。

数据科学家

数据科学家可以说是任何AI团队的核心。他们负责处理和分析数据，构建机器学习(ML)模型，得出结论，用于改进已经投入生产的ML模型。

TikTok公司的数据科学家Mark Eltsefon表示，数据科学家是产品分析师和业务分析师的混合体，掌握一定的机器学习知识。

他们的主要目标是了解哪些关键指标会给业务带来重大影响，收集数据用于分析可能存在的瓶颈，对不同用户群和指标实施可视化，并就如何改善这些指标提出和制定各种解决方案，他补充说，在为TikTok用户开发新功能的时候，如果没有数据科学，就不可能了解这项功能到底是让用户受益、还是疏远了用户。

你不知道应该花多长时间测试功能以及到底应该测试哪些方面，对于所有这些问题，你必须使用人工智能的方法。

机器学习工程师

数据科学家可以构建机器学习模型，但实施这些模型的是机器学习工程师。

技术服务公司Persistent Systems的创新和研发架构师Dattaraj Rao说：机器学习工程师的任务是将机器学习模型打包到容器中，并部署到生产环境中——通常是以微服务的形式。

Rao说，这个角色需要专业的后端编程和服务器配置技能，以及容器、持续集成和交付部署方面的知识。机器学习工程师还要参与模型验证、A/B测试和生产监控。

他说，在成熟的机器学习环境中，机器学习工程师还需要试验服务工具，服务工具只需要少量的试验就可以找到在生产环境中性能表现最好的模型。

数据工程师

数据工程师构建和维护的系统，构成了企业组织的数据基础设施。德勤董事兼首席架构师Erik Gfesser表示，数据工程师对于AI计划来说是至关重要的，因为需要先收集数据并使其适合使用，然后才能用数据去做其他有价值的事情。

他说：数据工程师构建数据管道来收集和汇集数据以供下游使用，在DevOps环境中，他们构建管道来实施运行这些数据管道的基础设施。

他说，数据工程师是机器学习和非机器学习项目的基础。例如，在某个公有云中实施数据管道的时候，数据工程师需要首先编写脚本来启动必要的云服务，这些服务再去提供处理获取数据所需的计算。

IT服务公司SPR的首席技术官Matt Mead表示，如果你是第一次组建团队，那么你需要知道，数据科学是一个需要大量数据的迭代过程。假设你有足够的数据，大约80%的工作都将与数据工程相关，大约20%是与数据科学相关的实际工作。

他说，正因为如此，AI团队中只有很少一部分人是从事数据科学的工作。团队其他成员需要确定正在解决的问题，帮助解释数据，帮助组织数据，输出集成到另一个生产系统中，或者以演示就绪的方式呈现数据。

数据管理员

数据管理员负责监督公司数据的管理，确保数据是可访问的且高质量的，这个重要角色确保了数据在整个组织中得到一致的使用，以及确保公司遵守了不断变化的数据法律。

技术公司Insight的数据和AI国家实践负责人Ken Seier表示，数据管理员要确保数据科学家获得准确的数据，并且所有内容都是可重复的、在数据目录中清晰标记的。

担任这个职位的人员，需要懂数据科学并且具备沟通技巧，可在各个团队之间展开协作，并与数据科学家和工程师合作，确保利益相关者和业务用户能够访问数据。

数据管理员还要执行组织关于数据使用和安全性方面的政策。Seier说：数据管理员要确保只有应该获得安全数据访问权限的人才能获得这一权限。

领域专家

领域专家对于特定行业或者学科领域有深入的了解，是某个领域的权威，可以判断可用数据的质量，可以与AI项目的预期业务用户进行交流，确保项目具有现实价值。

软件开发公司SpdLoad首席执行官Max Babych说，领域专家是必不可少的，因为开发AI系统的技术专家很少具备该系统目标领域的专业知识。领域专家可以提供关键的洞察，让AI系统发挥最佳的性能。

当SpdLoad公司开发了一种计算机视觉系统来识别自动驾驶仪的移动物体以替代LIDAR技术的时候，他们是在没有领域专家的情况下启动了该项目。尽管研究证明这个系统是有效的，但SpdLoad公司不知道的是，汽车品牌更喜欢激光雷达而不是计算机视觉，因为这种技术具备经过验证的可靠性，而且他们也没有机会购买基于计算机视觉的产品。

我想分享的一个关键建议就是你要考虑商业模式，然后吸引领域专家来判断这在该行业中是否是一种可行的赚钱方式，然后再去讨论更多的技术问题。

教育技术平台iSchoolConnect的AI负责人Ashish Tulsankar表示，领域专家可以成为客户和AI团队之间的重要联络人。

这个人可以和客户沟通，了解他们的需求，并为AI团队提供接下来一系列方向。而且领域专家还可以监督企业是否以合乎道德的方式去实施AI的。

AI设计师

互联网小常识：RPR技术的主要特点是：宽带利用率高：SDH（50%）；FDDI数据帧由发送结点收回，RPR由接收结点收回。公平性好：相同优先级的数据帧分配相同的环通道访问能力，执行SRP公平算法。快速保护和回复能力强：50ms内，隔离出现故障的结点和光线段。保证服务质量。

AI设计师负责与开发人员合作，确保他们了解人类用户的真正需求，这个角色会设想用户将如何与AI进行交互，创建原型以展示新AI功能的使用场景。

AI设计师还要确保在人类用户和AI系统之间建立信任，确保AI能从用户反馈中学习并改进。

BCG波士顿咨询公司北美AI业务联合负责人Shervin Khodabandeh认为：组织在扩展AI方面遇到的一个困难是，用户不了解解决方案、不认同、或者无法与之进行交互。那些正在从AI中获得价值的组织，他们的秘诀实际上就是他们可以以正确的方式进行人机交互。

波士顿咨询公司遵循10-20-70的原则：10%的价值是算法，20%是技术和数据平台，70%的价值来自业务整合，或者在业务流程中将其捆绑到企业战略中。

人机交互绝对是很关键的，是70%的挑战中一个重要的组成部分，他还补充说，AI设计师将帮助你实现目标。

产品经理

产品经理负责发现客户需求，负责产品开发和产品营销，同时确保AI团队做出有利的战略决策。

在AI团队中，产品经理的职责是了解如何使用AI解决客户问题，然后将其转化为产品战略，AI开发公司Nexocode的产品经理Dorota Owczarek这样表示。

Owczarek最近参与了一个为制药行业开发AI产品的项目，这种产品将支持使用自然语言对研究论文和文档进行人工审查。

这个项目需要与数据科学家、机器学习工程师和数据工程师展开密切合作，开发为产品提供动力所需的模型和算法，她说。

作为产品经理，Owczarek负责实施产品路线图、估算和控制预算、处理产品技术、用户体验和业务方面之间的合作。

互联网小常识：多宿主主机是具有多个网络连接口卡的主机，每个网络接口与一个网络连接。由于他具有在不同网络之间交换数据的“路由”能力，因此也被称为“网关”。但是如果将多宿主主机用在应用程序的用户身份认证与服务器请求合法性检查上，那么这一类可以起到防火墙作用的多宿主主机就叫做应用级网关或应用网关。

她说：在这种特殊情况下，由于项目是由业务利益相关者发起的，因此拥有一位能够确保满足他们的需求、同时关注项目的总体目标的产品经理尤为重要，她说，AI产品经理应该同时具备技术技能和商业头脑。

产品经理应该能够与不同的团队和利益相关者密切合作。大多数情况下，AI项目的成功将取决于业务、数据科学、机器学习工程和设计团队之间的协作。

Owczarek说，AI产品经理还需要了解与AI的伦理因素，他们负责制定内部流程和指导方针，确保公司的产品符合行业最佳实践。

AI战略家

人工智能战略家需要了解企业层面的运作方式，并与执行团队和外部利益相关者进行协调，以确保公司拥有合适的基础设施和人才以取得AI计划的成功。

要取得成功，AI战略家必须深入了解他们的业务领域和机器学习的基础知识；EY Consulting的全球AI负责人Dan Diasio表示，他们还必须知道如何使用AI来解决业务问题。

几年前，技术是比较难的部分，但是现在，技术正在重新构想我们连接不同业务的方式，以充分利用我们打造的AI能力或者AI资产。他补充说，AI战略家可以帮助公司以转型思维去思考如何使用AI。

要改变（公司做出）决策的方式，就需要具有重大影响力和远见的人来推动这一进程。

AI战略家还可以帮助企业组织获得有效推动AI所需的数据。

如今，企业在其系统内或数据仓库内拥有的数据，实际上只代表了他们在构建AI能力时所需数据中的很小一部分。AI战略家的一部分职责就是要放眼未来，看看如何在不违反隐私规则的情况下获取和利用更多的数据。

首席AI官

首席AI官是所有AI计划的主要决策者，负责向利益相关者和客户传达AI潜在的商业价值。

决策者是那些了解业务、商机和风险的人，iSchoolConnect的Tulsankar 说。

他说，首席AI官应该知道人AI可以有那些用途，哪些可以带来最重要的经济利益，他们应该能够向利益相关者阐明这些机会。

他们还应该讨论如何反复实现这些机会。如果有多个客户或多个产品需要应用AI，首席AI官应该能够把与客户无关和客户特定的实施部分划分开。

高管发起人

执行发起人需要是一位C级高管，在确保AI项目取得成果方面发挥积极的作用，负责为公司的AI计划获取资金。

EY Consulting公司的Diasio表示，高管在帮助推动AI项目取得成功方面发挥着重要的作用。对于公司来说，最大的机会来自于往往是他们突破特定职能的领域。

例如，一家消费品制造商有一个负责研发的团队、一个负责供应链的团队、一个销售团队和一个营销团队，应用AI来变革业务最大也是最好的机会，是和所有这四个职能相关的，因此要实现这些变革，就需要来自CEO或者最高管理层强有力的领导。

BCG公司的Shervin Khodabandeh说，遗憾的是，很多公司的高管层对AI的潜力并不十分了解。

他们对AI的理解非常有限，经常把AI看作是一个黑匣子，直接扔给数据科学家，但他们并不真正了解使用AI需要有哪些新的方法。

他说，企业如果不了解AI团队如何运作、角色如何运作、如何获得授权的话，采用AI将是对企业文化的一个巨大变革。采用AI的传统公司中，有99%的公司会认为这是一件很难的事情。

互联网小常识：交换机和透明网桥都是通过自学习的方式来自动地建立和维护交换表。

免责声明：本站所有信息均搜集自互联网，并不代表本站观点，本站不对其真实合法性负责。如有信息侵犯了您的权益，请告知，本站将立刻处理。联系QQ：1640731186