充分發(fā)掘人工智能商業(yè)價值的十個關(guān)鍵角色
每個行業(yè)都有越來越多的企業(yè)正在采用人工智能來改變業(yè)務(wù)流程。但要知道，人工智能計劃的成功不僅僅取決于數(shù)據(jù)和技術(shù)，還取決于納入合適的人才。
咨詢公司Omdia的AI平臺、分析和數(shù)據(jù)管理首席分析師Bradley Shimmin表示，有效的企業(yè)AI團隊?wèi)?yīng)該是一個多元化的群體，其中包含的不僅僅是數(shù)據(jù)科學(xué)家和工程師，還需要有一系列了解業(yè)務(wù)并試圖解決問題的人。
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(zhàn)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(dāng)你了解成功的AI團隊中個人的詳細職責(zé)時，你很快就會得出結(jié)論，建立這樣的團隊非常困難?！?/p>
為了幫助你組建理想的AI團隊，以下是當(dāng)今運行良好的企業(yè)AI團隊中必不可少的10個關(guān)鍵角色：
數(shù)據(jù)科學(xué)家
數(shù)據(jù)科學(xué)家是任何AI團隊的核心，他們負責(zé)處理和分析數(shù)據(jù)，構(gòu)建機器學(xué)習(xí)(ML)模型，并得出結(jié)論以改進已投入生產(chǎn)的ML模型。
數(shù)據(jù)科學(xué)家是產(chǎn)品分析師和業(yè)務(wù)分析師的混合體，同時還擁有少量機器學(xué)習(xí)知識。他們的主要目標(biāo)是了解對業(yè)務(wù)具有重大影響的關(guān)鍵指標(biāo)，收集數(shù)據(jù)以分析可能存在的瓶頸，可視化不同的用戶群和指標(biāo)，并就如何增加這些指標(biāo)提出各種解決方案。例如，在為用戶開發(fā)新功能時，如果沒有數(shù)據(jù)科學(xué)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(xué)習(xí)(ML)工程師
數(shù)據(jù)科學(xué)家可以構(gòu)建ML模型，但實現(xiàn)它們卻需要ML工程師。
“這類角色的任務(wù)是將ML模型打包到容器中并(通常作為微服務(wù))部署到生產(chǎn)環(huán)境中。他們往往需要專業(yè)的后端編程和服務(wù)器配置技能，以及容器和持續(xù)集成及交付部署方面的專業(yè)知識。此外，ML工程師還參與模型驗證、A/B測試和生產(chǎn)監(jiān)控?！?/p>
在成熟的ML環(huán)境中，ML工程師還需要試驗服務(wù)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(chǎn)中找到性能最佳的模型。
數(shù)據(jù)工程師
數(shù)據(jù)工程師負責(zé)構(gòu)建和維護構(gòu)成組織數(shù)據(jù)基礎(chǔ)架構(gòu)的系統(tǒng)。德數(shù)據(jù)工程師對于AI計劃至關(guān)重要，他們構(gòu)建數(shù)據(jù)管道來收集和組裝數(shù)據(jù)以供下游使用，在DevOps環(huán)境中，他們構(gòu)建管道來實現(xiàn)運行這些數(shù)據(jù)管道的基礎(chǔ)設(shè)施。
他補充道，數(shù)據(jù)工程師是ML和非ML計劃的基礎(chǔ)。例如，在其中一個公有云中實現(xiàn)數(shù)據(jù)管道時，數(shù)據(jù)工程師需要首先編寫腳本來啟動必要的云服務(wù)，這些服務(wù)提供處理攝取數(shù)據(jù)所需的計算。
如果你是第一次組建團隊，你應(yīng)該了解數(shù)據(jù)科學(xué)是一個需要大量數(shù)據(jù)的迭代過程。假設(shè)你有足夠的數(shù)據(jù)，大約80%的工作將與數(shù)據(jù)工程任務(wù)相關(guān)，大約20%將是與數(shù)據(jù)科學(xué)相關(guān)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(shù)據(jù)科學(xué)工作。團隊的其他成員將負責(zé)確定正在解決的問題、幫助解釋數(shù)據(jù)、組織數(shù)據(jù)、將輸出集成到另一個生產(chǎn)系統(tǒng)中，或者以展示就緒(presentation-ready)的方式呈現(xiàn)數(shù)據(jù)。
數(shù)據(jù)管理員
數(shù)據(jù)管理員負責(zé)監(jiān)管企業(yè)數(shù)據(jù)的管理情況，并確保其質(zhì)量和可訪問性。這一重要角色確保數(shù)據(jù)在整個企業(yè)應(yīng)用中實現(xiàn)一致性，同時確保企業(yè)滿足不斷變化的數(shù)據(jù)法律。
數(shù)據(jù)管理員確保數(shù)據(jù)科學(xué)家獲得正確的數(shù)據(jù)，且所有內(nèi)容都是可重復(fù)的并在數(shù)據(jù)目錄中清晰標(biāo)記。
擔(dān)任此職位的人員需要結(jié)合數(shù)據(jù)科學(xué)和溝通技巧，以便在各個團隊之間進行協(xié)作，并與數(shù)據(jù)科學(xué)家和工程師合作，以確保利益相關(guān)者和業(yè)務(wù)用戶能夠訪問數(shù)據(jù)。
此外，數(shù)據(jù)管理員還負責(zé)執(zhí)行組織圍繞數(shù)據(jù)使用和安全性的政策，確保只有應(yīng)該獲得安全數(shù)據(jù)訪問權(quán)限的人才能獲得該訪問權(quán)限。
領(lǐng)域?qū)＜?Domain expert)
領(lǐng)域?qū)＜覍μ囟ㄐ袠I(yè)或?qū)W科領(lǐng)域有深入的了解。該角色是其所在領(lǐng)域的權(quán)威，可以判斷可用數(shù)據(jù)的質(zhì)量，并且可以與AI項目的預(yù)期業(yè)務(wù)用戶進行交流，以確保其具有現(xiàn)實價值。
這些領(lǐng)域?qū)＜沂潜夭豢缮俚?，因為開發(fā)AI系統(tǒng)的技術(shù)專家很少具備系統(tǒng)正在構(gòu)建的實際領(lǐng)域的專業(yè)知識。領(lǐng)域?qū)＜铱梢蕴峁╆P(guān)鍵見解，使人工智能系統(tǒng)發(fā)揮最佳性能。
例如，公司開發(fā)了一種計算機視覺系統(tǒng)，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(lǐng)域?qū)＜业那闆r下啟動了該項目，盡管研究證明該系統(tǒng)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。
“在這個案例中，我想分享的關(guān)鍵建議是考慮商業(yè)模式，然后吸引領(lǐng)域?qū)＜襾砹私膺@是否適用于你的行業(yè)，之后再詳細討論實現(xiàn)該功能的更多技術(shù)問題?！?/p>
此外，教育技術(shù)平臺的人工智能負責(zé)人表示，領(lǐng)域?qū)＜疫€可以成為客戶和人工智能團隊之間的重要聯(lián)絡(luò)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(lǐng)域?qū)＜疫€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(shè)計師
人工智能設(shè)計師與開發(fā)人員合作，以確保他們了解人類用戶的需求。該角色設(shè)想用戶與AI交互的方式并創(chuàng)建原型以展示新AI功能的用例。
人工智能設(shè)計師還確保在人類用戶和人工智能系統(tǒng)之間建立信任，并且人工智能可以從用戶反饋中學(xué)習(xí)和改進。
“企業(yè)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(rèn)同它或無法與之交互。那些從人工智能中獲得價值的企業(yè)，其秘訣實際上就是正確地實現(xiàn)了人機交互?！?/p>
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(shù)和數(shù)據(jù)平臺，70%的價值來自業(yè)務(wù)整合或?qū)⑵渑c業(yè)務(wù)流程中的公司戰(zhàn)略聯(lián)系起來。人機交互絕對是關(guān)鍵，它是70%挑戰(zhàn)的重要組成部分。人工智能設(shè)計師將幫你實現(xiàn)這一目標(biāo)。
產(chǎn)品經(jīng)理
產(chǎn)品經(jīng)理識別客戶需求并領(lǐng)導(dǎo)產(chǎn)品的開發(fā)和營銷，同時確保人工智能團隊做出有益的戰(zhàn)略決策。
“在人工智能團隊中，產(chǎn)品經(jīng)理負責(zé)了解如何使用人工智能解決客戶問題，然后將其轉(zhuǎn)化為產(chǎn)品戰(zhàn)略?！?/p>
最近參與了一個項目，為制藥行業(yè)開發(fā)基于AI的產(chǎn)品，該產(chǎn)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(shù)據(jù)科學(xué)家、機器學(xué)習(xí)工程師和數(shù)據(jù)工程師密切合作，以開發(fā)為產(chǎn)品提供動力所需的模型和算法。
作為產(chǎn)品經(jīng)理，主要負責(zé)實施產(chǎn)品路線圖、估算和控制預(yù)算，以及處理產(chǎn)品技術(shù)、用戶體驗和業(yè)務(wù)方面之間的合作。她介紹稱，“由于該項目是由業(yè)務(wù)利益相關(guān)者發(fā)起的，因此擁有一位既能確保滿足利益相關(guān)者需求，同時也關(guān)注項目總體目標(biāo)的產(chǎn)品經(jīng)理尤為重要。而且，人工智能產(chǎn)品經(jīng)理必須同時具備技術(shù)技能和業(yè)務(wù)頭腦。他們應(yīng)該能夠與不同的團隊和利益相關(guān)者密切合作。在大多數(shù)情況下，人工智能項目的成功將取決于業(yè)務(wù)、數(shù)據(jù)科學(xué)、機器學(xué)習(xí)工程和設(shè)計團隊之間的協(xié)作?！?/p>
人工智能產(chǎn)品經(jīng)理還需要負責(zé)制定內(nèi)部流程和指導(dǎo)方針，確保公司的產(chǎn)品符合行業(yè)最佳實踐。
人工智能戰(zhàn)略家
人工智能戰(zhàn)略家需要了解企業(yè)在公司層面的運作方式，并與執(zhí)行團隊和外部利益相關(guān)者協(xié)調(diào)，以確保公司擁有合適的基礎(chǔ)設(shè)施和人才，助力人工智能計劃取得成功。
要取得成功，人工智能戰(zhàn)略家必須深入了解其業(yè)務(wù)領(lǐng)域和機器學(xué)習(xí)的基礎(chǔ)知識，同時，還必須知道如何使用AI來解決業(yè)務(wù)問題。
想要改變企業(yè)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(zhàn)略家就是可以幫助公司進行轉(zhuǎn)型思考的人。此外，他們還可以幫助企業(yè)獲得有效推動人工智能所需的數(shù)據(jù)。
“如今，企業(yè)在其系統(tǒng)或數(shù)據(jù)倉庫內(nèi)擁有的數(shù)據(jù)，實際上只代表了他們在構(gòu)建AI能力時用于區(qū)分自己的一小部分。戰(zhàn)略家的部分職責(zé)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(shù)據(jù)。”
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(zé)向利益相關(guān)者和客戶傳達人工智能的潛在商業(yè)價值。
決策者是了解業(yè)務(wù)、商機和風(fēng)險的人。首席人工智能官應(yīng)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(guān)者闡明這些機會。此外，他們還應(yīng)該討論如何迭代地實現(xiàn)這些機會。如果有多個客戶或多個產(chǎn)品需要應(yīng)用人工智能，首席人工智能官可以拆分“客戶無關(guān)”和“客戶特定”的實施部分。
執(zhí)行發(fā)起人
執(zhí)行發(fā)起人應(yīng)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(fā)揮重要作用，并負責(zé)為公司的AI計劃獲取資金。
執(zhí)行領(lǐng)導(dǎo)者在幫助推動人工智能項目取得成功方面發(fā)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(lǐng)域。例如，一家消費品制造商有一個負責(zé)研發(fā)的團隊、一個負責(zé)供應(yīng)鏈的團隊、一個銷售團隊和一個營銷團隊。應(yīng)用人工智能可以幫助轉(zhuǎn)變所有這四個功能，以實現(xiàn)業(yè)務(wù)最大和最佳機會。只有具備強大領(lǐng)導(dǎo)力的企業(yè)首席執(zhí)行官或最高管理層才能助力實現(xiàn)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(jīng)常將其視為一個“黑匣子”。他們習(xí)慣把它丟給數(shù)據(jù)科學(xué)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(yè)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(tǒng)企業(yè)來說，這是一件非常困難的事情。
（作者：Maria Korolov）