充分發掘人工智能商業價值的十個關鍵角色

每個行業都有越來越多的企業正在采用人工智能來改變業務流程。但要知道，人工智能計劃的成功不僅僅取決于數據和技術，還取決于納入合適的人才。

咨詢公司Omdia的AI平臺、分析和數據管理首席分析師Bradley Shimmin表示，有效的企業AI團隊應該是一個多元化的群體，其中包含的不僅僅是數據科學家和工程師，還需要有一系列了解業務并試圖解決問題的人。

AI初創公司Plainsight的聯合創始人兼首席執行官Carlos Anchia對此表示認同，并補充道，人工智能的成功很大程度上取決于建立一支擁有各種高級技能的全面團隊，但這樣做極具挑戰性。他解釋稱，“確定是什么造就了高效的AI團隊似乎很容易做到，但是當你了解成功的AI團隊中個人的詳細職責時，你很快就會得出結論，建立這樣的團隊非常困難。”

為了幫助你組建理想的AI團隊，以下是當今運行良好的企業AI團隊中必不可少的10個關鍵角色：

數據科學家

數據科學家是任何AI團隊的核心，他們負責處理和分析數據，構建機器學習(ML)模型，并得出結論以改進已投入生產的ML模型。

TikTok公司數據科學家Mark Eltsefon表示，數據科學家是產品分析師和業務分析師的混合體，同時還擁有少量機器學習知識。他們的主要目標是了解對業務具有重大影響的關鍵指標，收集數據以分析可能存在的瓶頸，可視化不同的用戶群和指標，并就如何增加這些指標提出各種解決方案。例如，在為TikTok用戶開發新功能時，如果沒有數據科學家，就無法理解該功能是有益于用戶還是有損于用戶。

機器學習(ML)工程師

數據科學家可以構建ML模型，但實現它們卻需要ML工程師。

技術服務公司Persistent Systems的創新和研發架構師Dattaraj Rao表示，“這類角色的任務是將ML模型打包到容器中并(通常作為微服務)部署到生產環境中。他們往往需要專業的后端編程和服務器配置技能，以及容器和持續集成及交付部署方面的專業知識。此外，ML工程師還參與模型驗證、A/B測試和生產監控。”

在成熟的ML環境中，ML工程師還需要試驗服務工具，這些工具只需最少的試驗就可以幫助ML工程師在生產中找到性能最佳的模型。

數據工程師

數據工程師負責構建和維護構成組織數據基礎架構的系統。德勤董事兼首席架構師Erik Gfesser表示，數據工程師對于AI計劃至關重要，他們構建數據管道來收集和組裝數據以供下游使用，在DevOps環境中，他們構建管道來實現運行這些數據管道的基礎設施。

他補充道，數據工程師是ML和非ML計劃的基礎。例如，在其中一個公有云中實現數據管道時，數據工程師需要首先編寫腳本來啟動必要的云服務，這些服務提供處理攝取數據所需的計算。

信息技術服務公司SPR的首席技術官Matt Mead表示，如果你是第一次組建團隊，你應該了解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%的工作將與數據工程任務相關，大約20%將是與數據科學相關的實際工作。正因為如此，你的人工智能團隊中只有一小部分人會從事數據科學工作。團隊的其他成員將負責確定正在解決的問題、幫助解釋數據、組織數據、將輸出集成到另一個生產系統中，或者以展示就緒(presentation-ready)的方式呈現數據。

數據管理員

數據管理員負責監管企業數據的管理情況，并確保其質量和可訪問性。這一重要角色確保數據在整個企業應用中實現一致性，同時確保企業滿足不斷變化的數據法律。

技術公司Insight的數據和人工智能實踐負責人Ken Seier表示，數據管理員確保數據科學家獲得正確的數據，且所有內容都是可重復的并在數據目錄中清晰標記。

擔任此職位的人員需要結合數據科學和溝通技巧，以便在各個團隊之間進行協作，并與數據科學家和工程師合作，以確保利益相關者和業務用戶能夠訪問數據。

此外，數據管理員還負責執行組織圍繞數據使用和安全性的政策，確保只有應該獲得安全數據訪問權限的人才能獲得該訪問權限。

領域專家(Domain expert)

領域專家對特定行業或學科領域有深入的了解。該角色是其所在領域的權威，可以判斷可用數據的質量，并且可以與AI項目的預期業務用戶進行交流，以確保其具有現實價值。

軟件開發公司SpdLoad的首席執行官Max Babych表示，這些領域專家是必不可少的，因為開發AI系統的技術專家很少具備系統正在構建的實際領域的專業知識。領域專家可以提供關鍵見解，使人工智能系統發揮最佳性能。

例如，Babych的公司開發了一種計算機視覺系統，以替代激光雷達(LIDAR)來識別自動駕駛儀的移動物體。他們在沒有領域專家的情況下啟動了該項目，盡管研究證明該系統有效，但他的公司不清楚的是，汽車品牌更喜歡LIDAR而非計算機視覺。

Babych表示，“在這個案例中，我想分享的關鍵建議是考慮商業模式，然后吸引領域專家來了解這是否適用于你的行業，之后再詳細討論實現該功能的更多技術問題。”

此外，教育技術平臺iSchoolConnect的人工智能負責人Ashish Tulsankar表示，領域專家還可以成為客戶和人工智能團隊之間的重要聯絡人。他可以與客戶溝通，了解他們的需求，并為人工智能團隊提供下一步的方向，同時，領域專家還可以跟蹤人工智能是否正以合乎道德的方式實施。

人工智能設計師

人工智能設計師與開發人員合作，以確保他們了解人類用戶的需求。該角色設想用戶與AI交互的方式并創建原型以展示新AI功能的用例。

人工智能設計師還確保在人類用戶和人工智能系統之間建立信任，并且人工智能可以從用戶反饋中學習和改進。

咨詢公司BCG的AI業務聯合負責人Shervin Khodabendeh表示，“企業在擴展AI計劃時遇到的一個困難是用戶不理解解決方案、不認同它或無法與之交互。那些從人工智能中獲得價值的企業，其秘訣實際上就是正確地實現了人機交互。”

BCG的思考模式遵循的是“10-20-70”原則，即10%的價值是算法，20%是技術和數據平臺，70%的價值來自業務整合或將其與業務流程中的公司戰略聯系起來。人機交互絕對是關鍵，它是70%挑戰的重要組成部分。人工智能設計師將幫你實現這一目標。

產品經理

產品經理識別客戶需求并領導產品的開發和營銷，同時確保人工智能團隊做出有益的戰略決策。

人工智能開發公司Nexocode的產品經理Dorota Owczarek稱，“在人工智能團隊中，產品經理負責了解如何使用人工智能解決客戶問題，然后將其轉化為產品戰略。”

Owczarek最近參與了一個項目，為制藥行業開發基于AI的產品，該產品將支持使用自然語言處理對研究論文和文檔進行人工審查。該項目需要與數據科學家、機器學習工程師和數據工程師密切合作，以開發為產品提供動力所需的模型和算法。

作為產品經理，Owczarek主要負責實施產品路線圖、估算和控制預算，以及處理產品技術、用戶體驗和業務方面之間的合作。她介紹稱，“由于該項目是由業務利益相關者發起的，因此擁有一位既能確保滿足利益相關者需求，同時也關注項目總體目標的產品經理尤為重要。而且，人工智能產品經理必須同時具備技術技能和業務頭腦。他們應該能夠與不同的團隊和利益相關者密切合作。在大多數情況下，人工智能項目的成功將取決于業務、數據科學、機器學習工程和設計團隊之間的協作。”

Owczarek補充道，人工智能產品經理還需要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。

人工智能戰略家

人工智能戰略家需要了解企業在公司層面的運作方式，并與執行團隊和外部利益相關者協調，以確保公司擁有合適的基礎設施和人才，助力人工智能計劃取得成功。

EY Consulting全球AI負責人Dan Diasio表示，要取得成功，人工智能戰略家必須深入了解其業務領域和機器學習的基礎知識，同時，還必須知道如何使用AI來解決業務問題。

想要改變企業的決策方式，需要具有重大影響力和遠見的人來推動這一進程，人工智能戰略家就是可以幫助公司進行轉型思考的人。此外，他們還可以幫助企業獲得有效推動人工智能所需的數據。

Diasio表示，“如今，企業在其系統或數據倉庫內擁有的數據，實際上只代表了他們在構建AI能力時用于區分自己的一小部分。戰略家的部分職責是放眼未來，看看如何在不觸及隱私問題的情況下獲取和利用更多數據。”

首席人工智能官

首席人工智能官是所有人工智能計劃的主要決策者，負責向利益相關者和客戶傳達人工智能的潛在商業價值。

iSchoolConnect公司的Tulsankar表示，決策者是了解業務、商機和風險的人。首席人工智能官應該了解人工智能可以解決的用例，最重要的利益點在哪，并且有能力向利益相關者闡明這些機會。此外，他們還應該討論如何迭代地實現這些機會。如果有多個客戶或多個產品需要應用人工智能，首席人工智能官可以拆分“客戶無關”和“客戶特定”的實施部分。

執行發起人

執行發起人應該是一位C級管理者，他能在確保AI項目取得積極成果方面發揮重要作用，并負責為公司的AI計劃獲取資金。

EY Consulting公司的Diasio表示，執行領導者在幫助推動人工智能項目取得成功方面發揮著重要作用。要知道，公司面臨的最大機遇往往是他們突破特定職能的領域。例如，一家消費品制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營銷團隊。應用人工智能可以幫助轉變所有這四個功能，以實現業務最大和最佳機會。只有具備強大領導力的企業首席執行官或最高管理層才能助力實現這些變化。

不幸的是，許多公司的高級管理層對人工智能的潛力理解非常有限，他們經常將其視為一個“黑匣子”。他們習慣把它丟給數據科學家，但其本身并不真正了解使用AI所需的新方法。

對于許多不了解高效AI團隊如何運作、角色如何運作以及如何賦能的企業而言，采用AI將是一場巨大的文化變革。而且，對于99%的采用AI的傳統企業來說，這是一件非常困難的事情。