>首页> IT >

今日关注:决定 AI 成功的十大关键角色

时间:2022-06-15 08:59:03       来源:腾讯网

导语

为了最大化地提升 AI 的商业价值, AI 团队需要更多元的技能和角色,从数据科学家到领域专家,再到战略决策者。

在每个行业里,有很多公司通过 AI 来改变业务流程。但是,他们AI 计划的成功与否不仅取决于数据和技术,还取决于是否有合适的人加入。

一个高效的企业的 AI 团队是一个多元化的团体,其中包含的不仅仅是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 团队还包括一系列了解企业及其试图解决问题的人。

为了帮助你组建一个理想的 AI 团队,以下是发展良好的企业中, AI 团队起到的十大关键角色。

01:数据科学家

数据科学家是任何 AI 团队的核心。他们处理和分析数据,构建机器学习 (ML) 模型,并得出结论以改进已投入生产的 ML 模型。

TikTok 数据科学家 MarkEltsefon 说,数据科学家是产品分析师和业务分析师的混合体,而且还需具备些许机器学习的知识。

Eltsefon 说:“主要目的是了解,哪些因素会对业务产生重大影响、收集数据以分析可能遇到的瓶颈、将不同的用户群和指标可视化,并就如何提高这些指标提出相应解决方案,包括制作解决方案的原型在哪。在为 TikTok 用户开发新功能时,如果没有数据科学,就不可能了解该功能是使用户受益还是疏远了用户。

他说:“你不明白你应该测试你的功能多长时间,以及你应该测量什么,对于这一切,你必须应用 AI 方法。”

02:机器学习工程师

数据科学家可能会构建 ML 模型,但真正实施它们的是 ML 工程师。

技术服务公司 Persistent Systems 的创新和研发架构师Dattaraj Rao说:“这个人的任务是将 ML 模型打包到容器中,并部署到生产环节——通常是作为一个微服务。”

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的知识。“一名 ML工程师还会参与模型验证、A/B 测试和生产监控。”

他还说到,在一个成熟的 ML 环境中,ML 工程师还需要对服务工具进行试验,以帮助在生产中尽快找到性能最佳的模型。

03:数据工程师

数据工程师充当构建和维护组织的一个数据基础系统的角色。德勤董事兼首席架构师 Erik Gfesser 表示,它们对 AI 计划至关重要,因为需要先收集数据并使其适合消费,然后才能用它做值得信赖的事情。

他说:“数据工程师构建数据管道,来收集和组装数据以供下游使用,在 DevOps 环境中,他们构建管道来实现运行这些数据管道的基础设施”。

他说,数据工程师是 ML 和非 ML 计划的基础。“例如,在其中一个公共云中实施数据管道时,数据工程师首先需要编写脚本来启动必要的云服务,这些服务为处理摄取数据提供所需的计算。”

信息技术服务公司 SPR 的首席技术官 MattMead 表示,如果你是第一次组建团队,你应该明白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% 的工作将与数据工程任务相关,大约 20% 是与数据科学有关的实际工作”他说。

他还说到,正因为如此,你的 AI 团队中只有一小部分人会从事数据科学工作。“团队的其他成员将确定正在解决的问题,帮助解释数据,帮助组织数据,将输出的数据整合到另一个生产系统中,或者以可演示的方式呈现数据。”

04:数据维护员

数据维护员负责监督公司数据的管理,并确保其可访问且具有高质量。这一重要角色确保数据在整个组织中的使用是一致的,并且公司遵守不断变化的数据法。

技术公司 Insight 的数据和 AI 国家实践负责人 Ken Seier 表示,数据维护员确保数据科学家获得正确的数据,确保所有内容都是可重复的,并在数据目录中清晰标记出来。

担任此职位的人员需要结合数据科学和沟通技巧,以便在各个团队之间进行协作,并与数据科学家和工程师合作,以确保利益相关者和业务用户能够访问数据。

数据维护员还负责执行一个组织围绕数据使用和安全性的政策。Seier说:“数据维护员要确保只有应该获得安全数据访问权限的人,才能获得该访问权限。”

05:领域专家

领域专家是对特定行业或专一领域有深入的了解的角色。此人是该领域的权威人士,可以判断现有数据的质量,并可以与 AI 项目的预期业务用户进行沟通,以确保其具有现实价值。

软件开发公司 SpdLoad 的首席执行官 Max Babych 表示,这些特定领域的专家是必不可少的,因为开发 AI 系统的技术专家很少具备可受益实际领域的专业知识。“领域专家可以提供关键意见,使 AI 系统发挥最佳性能。”

“我主要想分享的建议是要考虑商业模式,然后吸引领域专家来了解,这在你的行业中是否是一个可行的赚钱方式——然后才尝试讨论更多技术性问题”, 他说。

此外,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。

“这个人可以与客户沟通,了解他们的需求,并为 AI 团队提供下一组持续的方向。而且领域专家还可以跟踪 AI 是否以合乎道德的方式进行实施。”他说。

06:AI 设计师

AI 设计师是与开发人员合作,以确保他们了解人类用户的需求的角色。该角色设想用户将如何与 AI 互动,并创建原型以展示新 AI 功能的案例。

AI 设计师还确保在人类用户和 AI 系统之间建立信任,并确保 AI 从用户反馈中学习和改进。

来自咨询公司 BCG 在北美的 AI 业务的联合负责人 ShervinKhodabandeh 说:“企业在拓展 AI 方面的困难之一是,用户不能理解这个解决方案、不同意或无法与之交互。从 AI 中获得价值的企业——他们的秘诀就是解决了人与 AI 的交互问题。”

BCG 是按照咨询公司 BCG 在北美的 AI 业务的联合负责人Shervin Khodabandeh 说10 – 20 - 70的规则来思考的,即 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与业务流程中的公司战略挂钩,他解释道。

Khodabandeh 说:“人机交互绝对是关键,是这 70% 挑战的一个重要组成部分”,并补充说 AI 设计师将帮助你实现目标。

07:产品经理

产品经理充当识别客户需求,领导产品的开发和营销,同时确保 AI 团队做出有益的战略决策的角色。

“在 AI 团队中,产品经理负责了解如何使用 AI 并解决客户问题,然后将其转化为产品战略”来自一家 AI 开发公司 Nexocode 的产品经理 Dorota Owczarek 说道。

Owczarek 最近参与了一个项目,为制药业开发一个基于 AI 的产品,该产品将支持用自然语言处理以代替手动审查研究论文和文件。

她说:“该项目需要与数据科学家、机器学习工程师和数据工程师密切合作,以开发为产品提供动力所需的模型和算法。”

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

“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,有一位能够确保满足他们需求,同时也关注项目总体目标的项目经理显得尤为重要。”她提出并补充道, AI 产品经理应该同时具备技术能力和商业头脑。

她说:“他们需要与其他团队和利益相关者建立密切合作。在大多数情况下, 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 补充到, AI 产品经理还需要了解与 AI 合作在伦理道德上带来的影响。“他们负责制定内部流程和指导方针,确保公司的产品遵循行业最佳实践。”

08:AI 战略家

AI 战略家需要了解公司在公司层面的运作方式,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,为其 AI 计划取得一个成功的结果。

来自 EY Consulting 的全球 AI 负责人 DanDiasio 表示,要想取得成功, 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;他们还必须知道如何使用 AI 来解决业务问题。

他说:“在几年前,技术属于需要攻克的部分,但现在是需要重新构思如何利用 AI 布局我们的业务线,以充分利用我们创造的AI 能力或 AI 资产。他还补充到, AI 战略家可以帮助公司进行如何利用 AI 转型等思考。”

Diasio说:“要改变(公司做出)决策的方式,需要一个具备极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获得他们需要的数据,以有效地推动人工智能。

09:首席AI 官

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

来自 iSchoolConnect 的 Tulsankar 说:“决策者是了解业务、商机和风险的人。首席 AI 官应该知道 AI 可以解决的案例,哪些可以带来显著的经济效益,他们应该能够向利益相关者阐述这些机会。

他还提到:“他们还应该对如何迭代已实现这些机会,制定相关计划。如果有多个客户或多个产品需要应用 AI ,首席 AI 官要将与客户无关和客户特定的实施部分进行拆解。”

10:执行主管

执行主管是高级管理层中的一位经理,他在确保 AI 项目取得成果方面发挥积极作用,并负责为公司的 AI 计划获得资金。

Diasio 表示,执行领导层在帮助推动 AI 项目取得成功方面,发挥着重要作用。他指出:“对于公司来说,最大的机会往往是他们突破特定职能的领域。”

BCG 的 Shervin Khodabandeh说,不幸的是,许多公司的高级管理层并没有充分了解 AI 的潜力。

他说:“他们对 AI 的理解非常有限,他们经常将其视为一个黑匣子。他们把它扔给数据科学家,但他们并不真正理解需要用 AI 的新工作方式。”

他说,对于许多公司来说,使用 AI 是一个巨大的文化变革。他们不了解具备高级功能的 AI 团队如何工作、每个成员如何协作、以及如何被授权。“对于 99 %使用 AI 的传统公司来说,这是一件很难的事情。”

预告


(相关资料图)

还想知道更多CIO的成功秘诀?请持续关注《计算机世界》的干货分享!

关键词: 成功的十大关键角色 机器学习 数据工程师