越來越多的企業在各個行業中采用AI來改造業務流程，但其項目成功與否不僅取決于數據和技術，還依賴于是否擁有合適的人員。
一個高效的企業AI團隊是一個多元化的團隊，不僅僅是由少數數據科學家和工程師組成。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，成功的AI團隊還需要包括一群了解企業及其需要解決問題的人員。
他說：“我們目前的技術和工具更多地傾向于賦能領域專家、業務用戶或分析專業人員，讓他們能夠在企業中直接掌控AI。”
Acacia Advisors的AI總監Carlos Anchia也同意，AI的成功很大程度上依賴于建立一個多技能的全能團隊，但這并非易事。
他說：“確定一個高效AI團隊的構成看似簡單，但當你仔細研究成功AI團隊中每個人的具體職責時，很快就會發現建立這樣的團隊極其困難。”
隨著GenAI的出現，項目已擴展到幾乎所有企業活動的各個領域和職能部門，并有望對所有行業(不僅僅是科技公司)產生變革性影響，這意味著AI現在需要更多關鍵人才，擁有比以往更廣泛的技能和責任。
IT咨詢公司Insight的AI實踐負責人Meagan Gentry表示：“我們看到企業在AI項目中增加了更多的多樣性和復雜性，涵蓋了內部和外部使用，這要求新的角色，通常設置在卓越中心或創新團隊中，這些角色包括AI參與經理、AI治理戰略師和LLM運營工程師，他們對于推出安全、可擴展且高投資回報率的GenAI應用至關重要。”
而且，這不僅僅涉及純技術技能。
她補充說：“高管需要明確了解AI投資的表現，并且在投資或項目未達到預期效果時，能夠迅速調整方向的可靠框架，同時，領導者還需要知道他們的團隊是如何緩解風險的，比如安全和隱私漏洞、數據源的偏見和可信度，以及隨著技術環境變化，系統架構的健壯性。跨學科角色支持這些活動，對成功至關重要。”
為了幫助你組建理想的AI團隊，以下是當今管理良好的企業AI團隊中常見的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模型。Meta的資深數據科學家Mark Eltsefon表示，數據科學家是產品分析師和業務分析師的結合體，外加一些ML知識。他解釋道：“主要目標是理解對業務有重大影響的關鍵指標，收集數據分析可能的瓶頸，直觀展示不同用戶群體和指標，并提出各種解決方案來提升這些指標，包括制作解決方案的原型。”他還補充說，當為TikTok用戶開發新功能時，如果沒有數據科學的支持，無法判斷該功能是利于用戶還是疏遠用戶。“你不知道應該測試該功能多久，也不知道具體該測量什么，”他說，“而為了解決這些問題，你必須應用AI方法。”
ML和LLM運營工程師
數據科學家可能會構建AI和ML模型，但真正實現它們的是工程師。Insight的Gentry表示：“他們專注于ML和大語言模型(LLM)的運營方面，確保模型能夠有效部署、監控和維護。”在GenAI領域，這可能包括將LLM功能集成到現有的企業系統中——這是一個變化極為迅速的技術領域。ML工程師的職責較為明確，因為它已經存在較長時間，但這一角色也在不斷變化。
Persistent Systems的首席數據科學家Dattaraj Rao表示：“在GenAI時代，ML模型不一定由企業內部構建和托管。”在許多情況下，ML工程師的角色已經轉變為從多個來源匯總數據，創建能夠讓LLM生成豐富內容的提示，通常是通過API調用實現的。
他還指出，數據架構技能非常緊缺，許多應用需要在向量數據庫中處理非結構化數據，并擴展到處理數十億行文本內容的規模。
“最后，不同的與LLM交互的方式展現出了潛力，比如反思、思維鏈和工具使用的模式，”他說，“這導致了代理和代理化工作流的出現。盡管代理化工作流趨向于自主運行，但ML工程師仍需設置連接，驗證數據流是否正確，并設定評估標準，確保LLM調用的響應是準確的。”
AI提示工程師
提示工程師這個詞匯在兩年前甚至還不存在。如今，任何與技術相關的工作都需要具備一定的提示工程知識，了解如何提出問題，并意識到AI的局限性，但當GenAI被集成到企業系統時，提示工程變得更加復雜和技術化。一個提示需要包括所有相關的上下文信息，比如AI在回答時應扮演的角色、回答的風格、長度和格式，以及所有相關信息、限制條件等。提示工程師可能需要進行大量實驗，找到每種用例的最佳提示，然后隨著AI模型的發展不斷調整這些提示。
數據工程師
數據工程師負責構建和維護組成企業數據基礎設施的系統。信息技術服務公司SPR的CTO Matt Mead表示，在傳統的機器學習中，大約80%的工作在于處理和準備數據。
他補充道：“傳統ML需要大量數據，并且需要精通數學和統計的專家，但像大多數公司使用的大型語言模型這樣的GenAI工具，不需要那么多數據，而且它們的學習速度非常快——有時只需要幾個小時。”
部署預構建的聊天機器人、通過API集成簡單的LLM查詢、部署助手或使用像Salesforce這樣的企業應用中的GenAI工具的公司，可能幾乎不需要數據工程，然而，那些通過微調模型、使用RAG嵌入為AI提供最新信息或從零開始構建模型的公司，仍然需要訓練數據以及管理數據的能力。
咨詢公司Fesswise的所有者Erik Gfesser表示，數據工程師對AI項目至關重要，因為在進行任何可信賴的操作之前，數據需要被收集并調整為可供使用的狀態。他指出，過去兩年中這個角色變化不大，并補充道：“這一角色的重要性繼續增加，沒有數據工程師，AI項目將會停滯不前。”
領域專家
領域專家在特定行業或主題領域中擁有深厚的知識，他們是該領域的權威，能夠評估可用數據的質量，并與AI項目的目標業務用戶溝通，確保該項目具有現實世界的價值。
軟件開發公司SpdLoad的CEO 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該系統旨在服務的實際領域的專業知識。“領域專家可以提供關鍵見解，幫助AI系統發揮最佳性能。”
當Babych的公司開發一種計算機視覺系統，用于替代LIDAR的自動駕駛物體識別時，項目一開始并沒有領域專家。盡管研究證明系統有效，但SpdLoad并不知道的是，汽車品牌更傾向于LIDAR而非計算機視覺，因為LIDAR的可靠性已經得到證明，因此它們不會購買基于計算機視覺的產品。
他說：“首先要考慮商業模式，然后吸引領域專家來判斷這種方式在你的行業中是否可行，只有在那之后，才開始討論更技術層面的事情。”
此外，領域專家還可以在客戶和AI團隊之間發揮重要的溝通橋梁作用，iSchoolConnect教育科技平臺的CTO Ashish Tulsankar表示。
“這個人可以與客戶溝通，了解他們的需求，并向AI團隊提供連續的指引，”他說，“領域專家還可以確保AI的實施符合倫理。”
AI設計師
AI設計師與開發人員合作，確保他們理解人類用戶的需求，這個角色設想用戶將如何與AI交互，并創建原型以展示新的AI功能的用例。AI設計師還確保在人類用戶和AI系統之間建立信任，并確保AI通過用戶反饋進行學習和改進。
咨詢公司BCG的AI業務北美區高級合伙人兼總經理Shervin Khodabandeh表示：“企業在擴大AI規模時面臨的困難之一是用戶不了解解決方案、不認同或無法與其交互。”那些真正從AI中獲得價值的企業，其成功秘訣在于他們正確處理了人類與AI的交互。
他解釋道，BCG將其稱為10-20-70法則，即10%的價值來自算法，20%來自技術和數據平臺，而70%則來自業務整合，或將其與公司的戰略結合到業務流程中。
“人類與AI的交互絕對是關鍵，它構成了那70%挑戰中的很大一部分，”他表示，并補充道，AI設計師將在這一過程中助你一臂之力。
產品經理
產品經理的職責是識別客戶需求，領導產品的開發和營銷，并確保AI團隊做出有益的戰略決策。AI開發公司Nexocode的AI產品負責人Dorota Owczarek表示：“在AI團隊中，產品經理負責理解如何利用AI解決客戶問題，并將其轉化為產品戰略。”她最近參與了一個為制藥行業開發基于AI的產品，該產品利用自然語言處理來支持對研究論文和文檔的手動審查。
她表示：“該項目需要與數據科學家、ML工程師和數據工程師密切合作，以開發驅動產品所需的模型和算法。”
Owczarek在項目中的職責包括執行產品路線圖、估算和控制預算，以及協調技術、用戶體驗和業務方面的合作。
她補充道：“在這個特定的項目中，由于業務利益相關者發起了項目，因此有一位能夠確保滿足他們需求的產品經理尤為重要，同時還需關注項目的整體目標。”AI產品經理不僅需要具備技術技能和商業頭腦，還需能夠與不同的團隊和利益相關者緊密合作。“在大多數情況下，AI項目的成功將取決于業務、數據科學、ML工程和設計團隊之間的協作。”
Owczarek還指出，AI產品經理需要理解與AI相關的倫理問題。“他們有責任制定內部流程和指南，確保公司的產品符合行業最佳實踐。”
AI戰略家
AI戰略家需要理解公司在企業層面的運作方式，并與高管團隊及外部利益相關者協調，確保公司擁有適當的基礎設施和人才，能夠為AI項目取得成功奠定基礎。要成功，AI戰略家必須對自己的業務領域有深入了解，并掌握ML的基礎知識。EY Consulting的全球AI領導者Dan Diasio表示，他們還需要知道如何利用AI解決業務問題。
“幾年前，技術是最難的部分，但現在我們需要重新構想如何調整業務流程，以充分利用我們創造的AI能力或資產，”他說，并補充道，AI戰略家可以幫助公司以變革性的方式思考如何使用AI。“要改變公司做決策的方式，需要一個具備影響力和遠見的人來推動這一過程。”
AI戰略家還可以幫助企業獲取所需的數據，以有效推動AI發展。“公司當前系統或數據倉庫中的數據，只代表了它們在構建AI能力時所需數據的一小部分，”Diasio說，“戰略家的角色之一就是展望未來，找出如何在不侵犯隱私的前提下獲取和利用更多數據。”
AI治理戰略家
GenAI的出現使其成為監管的重點。前幾代AI帶來了數據隱私和網絡安全風險，但GenAI的潛在危害如此之大，以至于加州的一項AI“緊急停止開關”法案在提交至州長辦公室后才被否決，盡管其他一些法案，比如監管深度偽造的法律，已經簽署成法。此外，許多司法管轄區，包括歐盟，也在制定或已經實施相關法律。
但企業不僅需要關注新的法規。與版權問題相關的案件正在法院處理中，加拿大航空因其AI聊天機器人的錯誤推薦被判承擔責任。此外，還有偏見、公平性和倫理問題——如果這些問題得不到妥善解決，可能會導致負面輿論、員工士氣和留任率下降，以及市場份額的流失。為了解決這些問題，Insight的Gentry建議指派一位AI治理戰略家，負責確保AI系統的開發和部署是負責任的，并制定AI使用的框架和政策，確保符合法規和倫理標準。
首席AI官
首席AI官是所有AI項目的主要決策者，負責向利益相關者和客戶傳達AI的商業價值。iSchoolConnect的Tulsankar表示：“決策者需要了解業務、業務機會和風險。”
此外，首席AI官應了解AI能夠解決的用例，識別出能帶來最大財務收益的領域，并向利益相關者清楚傳達這些機會。
“他們還應規劃這些機會的實現路徑，逐步推進。”他說，“如果AI需要應用于多個客戶或多個產品，首席AI官可以分解實施中不依賴特定客戶和依賴特定客戶的部分。”
隨著GenAI的出現，首席AI官的角色也在不斷演變。他補充道，“越來越強調加快AI技術的實施，以保持競爭優勢。”
執行贊助人
執行贊助人是公司高管層的一員，積極參與確保AI項目得以實施，并負責為公司的AI項目籌集資金。EY Consulting的Diasio表示，執行領導層在推動AI項目成功方面發揮著重要作用。“公司最大的機遇通常出現在打破某些功能壁壘的地方。”
他解釋道，例如，一家消費品制造商的研發、供應鏈、銷售和市場營銷都有各自的團隊。“將AI應用于這些功能之間的整合，可以帶來最大、最好的業務變革機會。”他說，“這需要來自CEO或公司高管層的強大領導力來推動這些變革。”
不幸的是，許多公司的高級管理層對AI的潛力了解不足，BCG的Khodabandeh表示。“他們對AI的理解非常有限，通常將其視為一個‘黑箱’。”他說，“他們把AI丟給數據科學家，卻并不真正理解與AI協作所需的新工作方式。”
他補充道，對于許多公司來說，采用AI是一個巨大的文化變革，因為他們并不理解高效AI團隊的運作方式、角色如何發揮作用或如何賦予這些角色權力。“對于99%的傳統公司而言，采用AI是一個艱難的過程。”
企業網D1net(hfnxjk.com)：
國內主流的to B IT門戶，旗下運營國內最大的甲方CIO專家庫和智力輸出及社交平臺-信眾智(www.cioall.com)。旗下運營19個IT行業公眾號(微信搜索D1net即可關注)。
版權聲明：本文為企業網D1Net編譯，轉載需在文章開頭注明出處為：企業網D1Net，如果不注明出處，企業網D1Net將保留追究其法律責任的權利。
京公網安備 11010502049343號