為了最大化AI的商業(yè)價(jià)值，AI團(tuán)隊(duì)需要具備廣泛的技能和角色，從數(shù)據(jù)科學(xué)家和領(lǐng)域?qū)＜业綉?zhàn)略決策者。

越來(lái)越多的企業(yè)在各個(gè)行業(yè)中采用AI來(lái)改造業(yè)務(wù)流程，但其項(xiàng)目成功與否不僅取決于數(shù)據(jù)和技術(shù)，還依賴于是否擁有合適的人員。

一個(gè)高效的企業(yè)AI團(tuán)隊(duì)是一個(gè)多元化的團(tuán)隊(duì)，不僅僅是由少數(shù)數(shù)據(jù)科學(xué)家和工程師組成。咨詢公司Omdia的AI平臺(tái)、分析和數(shù)據(jù)管理首席分析師Bradley Shimmin表示，成功的AI團(tuán)隊(duì)還需要包括一群了解企業(yè)及其需要解決問(wèn)題的人員。

他說(shuō)：“我們目前的技術(shù)和工具更多地傾向于賦能領(lǐng)域?qū)＜摇I(yè)務(wù)用戶或分析專業(yè)人員，讓他們能夠在企業(yè)中直接掌控AI?！?/p>

Acacia Advisors的AI總監(jiān)Carlos Anchia也同意，AI的成功很大程度上依賴于建立一個(gè)多技能的全能團(tuán)隊(duì)，但這并非易事。

他說(shuō)：“確定一個(gè)高效AI團(tuán)隊(duì)的構(gòu)成看似簡(jiǎn)單，但當(dāng)你仔細(xì)研究成功AI團(tuán)隊(duì)中每個(gè)人的具體職責(zé)時(shí)，很快就會(huì)發(fā)現(xiàn)建立這樣的團(tuán)隊(duì)極其困難。”

隨著GenAI的出現(xiàn)，項(xiàng)目已擴(kuò)展到幾乎所有企業(yè)活動(dòng)的各個(gè)領(lǐng)域和職能部門，并有望對(duì)所有行業(yè)(不僅僅是科技公司)產(chǎn)生變革性影響，這意味著AI現(xiàn)在需要更多關(guān)鍵人才，擁有比以往更廣泛的技能和責(zé)任。

IT咨詢公司Insight的AI實(shí)踐負(fù)責(zé)人Meagan Gentry表示：“我們看到企業(yè)在AI項(xiàng)目中增加了更多的多樣性和復(fù)雜性，涵蓋了內(nèi)部和外部使用，這要求新的角色，通常設(shè)置在卓越中心或創(chuàng)新團(tuán)隊(duì)中，這些角色包括AI參與經(jīng)理、AI治理戰(zhàn)略師和LLM運(yùn)營(yíng)工程師，他們對(duì)于推出安全、可擴(kuò)展且高投資回報(bào)率的GenAI應(yīng)用至關(guān)重要?！?/p>

而且，這不僅僅涉及純技術(shù)技能。

她補(bǔ)充說(shuō)：“高管需要明確了解AI投資的表現(xiàn)，并且在投資或項(xiàng)目未達(dá)到預(yù)期效果時(shí)，能夠迅速調(diào)整方向的可靠框架，同時(shí)，領(lǐng)導(dǎo)者還需要知道他們的團(tuán)隊(duì)是如何緩解風(fēng)險(xiǎn)的，比如安全和隱私漏洞、數(shù)據(jù)源的偏見(jiàn)和可信度，以及隨著技術(shù)環(huán)境變化，系統(tǒng)架構(gòu)的健壯性。跨學(xué)科角色支持這些活動(dòng)，對(duì)成功至關(guān)重要。”

為了幫助你組建理想的AI團(tuán)隊(duì)，以下是當(dāng)今管理良好的企業(yè)AI團(tuán)隊(duì)中常見(jiàn)的10個(gè)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(tuán)隊(duì)的核心，他們處理和分析數(shù)據(jù)，構(gòu)建機(jī)器學(xué)習(xí)(ML)模型，并得出結(jié)論以改進(jìn)已投入生產(chǎn)的模型。Meta的資深數(shù)據(jù)科學(xué)家Mark Eltsefon表示，數(shù)據(jù)科學(xué)家是產(chǎn)品分析師和業(yè)務(wù)分析師的結(jié)合體，外加一些ML知識(shí)。他解釋道：“主要目標(biāo)是理解對(duì)業(yè)務(wù)有重大影響的關(guān)鍵指標(biāo)，收集數(shù)據(jù)分析可能的瓶頸，直觀展示不同用戶群體和指標(biāo)，并提出各種解決方案來(lái)提升這些指標(biāo)，包括制作解決方案的原型?！彼€補(bǔ)充說(shuō)，當(dāng)為TikTok用戶開(kāi)發(fā)新功能時(shí)，如果沒(méi)有數(shù)據(jù)科學(xué)的支持，無(wú)法判斷該功能是利于用戶還是疏遠(yuǎn)用戶?！澳悴恢缿?yīng)該測(cè)試該功能多久，也不知道具體該測(cè)量什么，”他說(shuō)，“而為了解決這些問(wèn)題，你必須應(yīng)用AI方法?！?/p>

ML和LLM運(yùn)營(yíng)工程師

數(shù)據(jù)科學(xué)家可能會(huì)構(gòu)建AI和ML模型，但真正實(shí)現(xiàn)它們的是工程師。Insight的Gentry表示：“他們專注于ML和大語(yǔ)言模型(LLM)的運(yùn)營(yíng)方面，確保模型能夠有效部署、監(jiān)控和維護(hù)?！痹贕enAI領(lǐng)域，這可能包括將LLM功能集成到現(xiàn)有的企業(yè)系統(tǒng)中——這是一個(gè)變化極為迅速的技術(shù)領(lǐng)域。ML工程師的職責(zé)較為明確，因?yàn)樗呀?jīng)存在較長(zhǎng)時(shí)間，但這一角色也在不斷變化。

Persistent Systems的首席數(shù)據(jù)科學(xué)家Dattaraj Rao表示：“在GenAI時(shí)代，ML模型不一定由企業(yè)內(nèi)部構(gòu)建和托管?！痹谠S多情況下，ML工程師的角色已經(jīng)轉(zhuǎn)變?yōu)閺亩鄠€(gè)來(lái)源匯總數(shù)據(jù)，創(chuàng)建能夠讓LLM生成豐富內(nèi)容的提示，通常是通過(guò)API調(diào)用實(shí)現(xiàn)的。

他還指出，數(shù)據(jù)架構(gòu)技能非常緊缺，許多應(yīng)用需要在向量數(shù)據(jù)庫(kù)中處理非結(jié)構(gòu)化數(shù)據(jù)，并擴(kuò)展到處理數(shù)十億行文本內(nèi)容的規(guī)模。

“最后，不同的與LLM交互的方式展現(xiàn)出了潛力，比如反思、思維鏈和工具使用的模式，”他說(shuō)，“這導(dǎo)致了代理和代理化工作流的出現(xiàn)。盡管代理化工作流趨向于自主運(yùn)行，但ML工程師仍需設(shè)置連接，驗(yàn)證數(shù)據(jù)流是否正確，并設(shè)定評(píng)估標(biāo)準(zhǔn)，確保LLM調(diào)用的響應(yīng)是準(zhǔn)確的?！?/p>

AI提示工程師

提示工程師這個(gè)詞匯在兩年前甚至還不存在。如今，任何與技術(shù)相關(guān)的工作都需要具備一定的提示工程知識(shí)，了解如何提出問(wèn)題，并意識(shí)到AI的局限性，但當(dāng)GenAI被集成到企業(yè)系統(tǒng)時(shí)，提示工程變得更加復(fù)雜和技術(shù)化。一個(gè)提示需要包括所有相關(guān)的上下文信息，比如AI在回答時(shí)應(yīng)扮演的角色、回答的風(fēng)格、長(zhǎng)度和格式，以及所有相關(guān)信息、限制條件等。提示工程師可能需要進(jìn)行大量實(shí)驗(yàn)，找到每種用例的最佳提示，然后隨著AI模型的發(fā)展不斷調(diào)整這些提示。

數(shù)據(jù)工程師

數(shù)據(jù)工程師負(fù)責(zé)構(gòu)建和維護(hù)組成企業(yè)數(shù)據(jù)基礎(chǔ)設(shè)施的系統(tǒng)。信息技術(shù)服務(wù)公司SPR的CTO Matt Mead表示，在傳統(tǒng)的機(jī)器學(xué)習(xí)中，大約80%的工作在于處理和準(zhǔn)備數(shù)據(jù)。

他補(bǔ)充道：“傳統(tǒng)ML需要大量數(shù)據(jù)，并且需要精通數(shù)學(xué)和統(tǒng)計(jì)的專家，但像大多數(shù)公司使用的大型語(yǔ)言模型這樣的GenAI工具，不需要那么多數(shù)據(jù)，而且它們的學(xué)習(xí)速度非?？臁袝r(shí)只需要幾個(gè)小時(shí)。”

部署預(yù)構(gòu)建的聊天機(jī)器人、通過(guò)API集成簡(jiǎn)單的LLM查詢、部署助手或使用像Salesforce這樣的企業(yè)應(yīng)用中的GenAI工具的公司，可能幾乎不需要數(shù)據(jù)工程，然而，那些通過(guò)微調(diào)模型、使用RAG嵌入為AI提供最新信息或從零開(kāi)始構(gòu)建模型的公司，仍然需要訓(xùn)練數(shù)據(jù)以及管理數(shù)據(jù)的能力。

咨詢公司Fesswise的所有者Erik Gfesser表示，數(shù)據(jù)工程師對(duì)AI項(xiàng)目至關(guān)重要，因?yàn)樵谶M(jìn)行任何可信賴的操作之前，數(shù)據(jù)需要被收集并調(diào)整為可供使用的狀態(tài)。他指出，過(guò)去兩年中這個(gè)角色變化不大，并補(bǔ)充道：“這一角色的重要性繼續(xù)增加，沒(méi)有數(shù)據(jù)工程師，AI項(xiàng)目將會(huì)停滯不前?！?/p>

領(lǐng)域?qū)＜?/h4>

領(lǐng)域?qū)＜以谔囟ㄐ袠I(yè)或主題領(lǐng)域中擁有深厚的知識(shí)，他們是該領(lǐng)域的權(quán)威，能夠評(píng)估可用數(shù)據(jù)的質(zhì)量，并與AI項(xiàng)目的目標(biāo)業(yè)務(wù)用戶溝通，確保該項(xiàng)目具有現(xiàn)實(shí)世界的價(jià)值。

軟件開(kāi)發(fā)公司SpdLoad的CEO Max Babych表示，這些領(lǐng)域?qū)＜沂潜夭豢缮俚?，因?yàn)殚_(kāi)發(fā)AI系統(tǒng)的技術(shù)專家很少具備該系統(tǒng)旨在服務(wù)的實(shí)際領(lǐng)域的專業(yè)知識(shí)。“領(lǐng)域?qū)＜铱梢蕴峁╆P(guān)鍵見(jiàn)解，幫助AI系統(tǒng)發(fā)揮最佳性能。”

當(dāng)Babych的公司開(kāi)發(fā)一種計(jì)算機(jī)視覺(jué)系統(tǒng)，用于替代LIDAR的自動(dòng)駕駛物體識(shí)別時(shí)，項(xiàng)目一開(kāi)始并沒(méi)有領(lǐng)域?qū)＜?。盡管研究證明系統(tǒng)有效，但SpdLoad并不知道的是，汽車品牌更傾向于LIDAR而非計(jì)算機(jī)視覺(jué)，因?yàn)長(zhǎng)IDAR的可靠性已經(jīng)得到證明，因此它們不會(huì)購(gòu)買基于計(jì)算機(jī)視覺(jué)的產(chǎn)品。

他說(shuō)：“首先要考慮商業(yè)模式，然后吸引領(lǐng)域?qū)＜襾?lái)判斷這種方式在你的行業(yè)中是否可行，只有在那之后，才開(kāi)始討論更技術(shù)層面的事情?！?/p>

此外，領(lǐng)域?qū)＜疫€可以在客戶和AI團(tuán)隊(duì)之間發(fā)揮重要的溝通橋梁作用，iSchoolConnect教育科技平臺(tái)的CTO Ashish Tulsankar表示。

“這個(gè)人可以與客戶溝通，了解他們的需求，并向AI團(tuán)隊(duì)提供連續(xù)的指引，”他說(shuō)，“領(lǐng)域?qū)＜疫€可以確保AI的實(shí)施符合倫理?！?/p>

AI設(shè)計(jì)師

AI設(shè)計(jì)師與開(kāi)發(fā)人員合作，確保他們理解人類用戶的需求，這個(gè)角色設(shè)想用戶將如何與AI交互，并創(chuàng)建原型以展示新的AI功能的用例。AI設(shè)計(jì)師還確保在人類用戶和AI系統(tǒng)之間建立信任，并確保AI通過(guò)用戶反饋進(jìn)行學(xué)習(xí)和改進(jìn)。

咨詢公司BCG的AI業(yè)務(wù)北美區(qū)高級(jí)合伙人兼總經(jīng)理Shervin Khodabandeh表示：“企業(yè)在擴(kuò)大AI規(guī)模時(shí)面臨的困難之一是用戶不了解解決方案、不認(rèn)同或無(wú)法與其交互?！蹦切┱嬲龔腁I中獲得價(jià)值的企業(yè)，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(jià)值來(lái)自算法，20%來(lái)自技術(shù)和數(shù)據(jù)平臺(tái)，而70%則來(lái)自業(yè)務(wù)整合，或?qū)⑵渑c公司的戰(zhàn)略結(jié)合到業(yè)務(wù)流程中。

“人類與AI的交互絕對(duì)是關(guān)鍵，它構(gòu)成了那70%挑戰(zhàn)中的很大一部分，”他表示，并補(bǔ)充道，AI設(shè)計(jì)師將在這一過(guò)程中助你一臂之力。

產(chǎn)品經(jīng)理

產(chǎn)品經(jīng)理的職責(zé)是識(shí)別客戶需求，領(lǐng)導(dǎo)產(chǎn)品的開(kāi)發(fā)和營(yíng)銷，并確保AI團(tuán)隊(duì)做出有益的戰(zhàn)略決策。AI開(kāi)發(fā)公司Nexocode的AI產(chǎn)品負(fù)責(zé)人Dorota Owczarek表示：“在AI團(tuán)隊(duì)中，產(chǎn)品經(jīng)理負(fù)責(zé)理解如何利用AI解決客戶問(wèn)題，并將其轉(zhuǎn)化為產(chǎn)品戰(zhàn)略。”她最近參與了一個(gè)為制藥行業(yè)開(kāi)發(fā)基于AI的產(chǎn)品，該產(chǎn)品利用自然語(yǔ)言處理來(lái)支持對(duì)研究論文和文檔的手動(dòng)審查。

她表示：“該項(xiàng)目需要與數(shù)據(jù)科學(xué)家、ML工程師和數(shù)據(jù)工程師密切合作，以開(kāi)發(fā)驅(qū)動(dòng)產(chǎn)品所需的模型和算法?！?/p>

Owczarek在項(xiàng)目中的職責(zé)包括執(zhí)行產(chǎn)品路線圖、估算和控制預(yù)算，以及協(xié)調(diào)技術(shù)、用戶體驗(yàn)和業(yè)務(wù)方面的合作。

她補(bǔ)充道：“在這個(gè)特定的項(xiàng)目中，由于業(yè)務(wù)利益相關(guān)者發(fā)起了項(xiàng)目，因此有一位能夠確保滿足他們需求的產(chǎn)品經(jīng)理尤為重要，同時(shí)還需關(guān)注項(xiàng)目的整體目標(biāo)?！盇I產(chǎn)品經(jīng)理不僅需要具備技術(shù)技能和商業(yè)頭腦，還需能夠與不同的團(tuán)隊(duì)和利益相關(guān)者緊密合作?！霸诖蠖鄶?shù)情況下，AI項(xiàng)目的成功將取決于業(yè)務(wù)、數(shù)據(jù)科學(xué)、ML工程和設(shè)計(jì)團(tuán)隊(duì)之間的協(xié)作?！?/p>

Owczarek還指出，AI產(chǎn)品經(jīng)理需要理解與AI相關(guān)的倫理問(wèn)題?！八麄冇胸?zé)任制定內(nèi)部流程和指南，確保公司的產(chǎn)品符合行業(yè)最佳實(shí)踐?！?/p>

AI戰(zhàn)略家

AI戰(zhàn)略家需要理解公司在企業(yè)層面的運(yùn)作方式，并與高管團(tuán)隊(duì)及外部利益相關(guān)者協(xié)調(diào)，確保公司擁有適當(dāng)?shù)幕A(chǔ)設(shè)施和人才，能夠?yàn)锳I項(xiàng)目取得成功奠定基礎(chǔ)。要成功，AI戰(zhàn)略家必須對(duì)自己的業(yè)務(wù)領(lǐng)域有深入了解，并掌握ML的基礎(chǔ)知識(shí)。EY Consulting的全球AI領(lǐng)導(dǎo)者Dan Diasio表示，他們還需要知道如何利用AI解決業(yè)務(wù)問(wèn)題。

“幾年前，技術(shù)是最難的部分，但現(xiàn)在我們需要重新構(gòu)想如何調(diào)整業(yè)務(wù)流程，以充分利用我們創(chuàng)造的AI能力或資產(chǎn)，”他說(shuō)，并補(bǔ)充道，AI戰(zhàn)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(gè)具備影響力和遠(yuǎn)見(jiàn)的人來(lái)推動(dòng)這一過(guò)程?！?/p>

AI戰(zhàn)略家還可以幫助企業(yè)獲取所需的數(shù)據(jù)，以有效推動(dòng)AI發(fā)展?！肮井?dāng)前系統(tǒng)或數(shù)據(jù)倉(cāng)庫(kù)中的數(shù)據(jù)，只代表了它們?cè)跇?gòu)建AI能力時(shí)所需數(shù)據(jù)的一小部分，”Diasio說(shuō)，“戰(zhàn)略家的角色之一就是展望未來(lái)，找出如何在不侵犯隱私的前提下獲取和利用更多數(shù)據(jù)?！?/p>

AI治理戰(zhàn)略家

GenAI的出現(xiàn)使其成為監(jiān)管的重點(diǎn)。前幾代AI帶來(lái)了數(shù)據(jù)隱私和網(wǎng)絡(luò)安全風(fēng)險(xiǎn)，但GenAI的潛在危害如此之大，以至于加州的一項(xiàng)AI“緊急停止開(kāi)關(guān)”法案在提交至州長(zhǎng)辦公室后才被否決，盡管其他一些法案，比如監(jiān)管深度偽造的法律，已經(jīng)簽署成法。此外，許多司法管轄區(qū)，包括歐盟，也在制定或已經(jīng)實(shí)施相關(guān)法律。

但企業(yè)不僅需要關(guān)注新的法規(guī)。與版權(quán)問(wèn)題相關(guān)的案件正在法院處理中，加拿大航空因其AI聊天機(jī)器人的錯(cuò)誤推薦被判承擔(dān)責(zé)任。此外，還有偏見(jiàn)、公平性和倫理問(wèn)題——如果這些問(wèn)題得不到妥善解決，可能會(huì)導(dǎo)致負(fù)面輿論、員工士氣和留任率下降，以及市場(chǎng)份額的流失。為了解決這些問(wèn)題，Insight的Gentry建議指派一位AI治理戰(zhàn)略家，負(fù)責(zé)確保AI系統(tǒng)的開(kāi)發(fā)和部署是負(fù)責(zé)任的，并制定AI使用的框架和政策，確保符合法規(guī)和倫理標(biāo)準(zhǔn)。

首席AI官

首席AI官是所有AI項(xiàng)目的主要決策者，負(fù)責(zé)向利益相關(guān)者和客戶傳達(dá)AI的商業(yè)價(jià)值。iSchoolConnect的Tulsankar表示：“決策者需要了解業(yè)務(wù)、業(yè)務(wù)機(jī)會(huì)和風(fēng)險(xiǎn)?！?/p>

此外，首席AI官應(yīng)了解AI能夠解決的用例，識(shí)別出能帶來(lái)最大財(cái)務(wù)收益的領(lǐng)域，并向利益相關(guān)者清楚傳達(dá)這些機(jī)會(huì)。

“他們還應(yīng)規(guī)劃這些機(jī)會(huì)的實(shí)現(xiàn)路徑，逐步推進(jìn)。”他說(shuō)，“如果AI需要應(yīng)用于多個(gè)客戶或多個(gè)產(chǎn)品，首席AI官可以分解實(shí)施中不依賴特定客戶和依賴特定客戶的部分?！?/p>

隨著GenAI的出現(xiàn)，首席AI官的角色也在不斷演變。他補(bǔ)充道，“越來(lái)越強(qiáng)調(diào)加快AI技術(shù)的實(shí)施，以保持競(jìng)爭(zhēng)優(yōu)勢(shì)?！?/p>

執(zhí)行贊助人

執(zhí)行贊助人是公司高管層的一員，積極參與確保AI項(xiàng)目得以實(shí)施，并負(fù)責(zé)為公司的AI項(xiàng)目籌集資金。EY Consulting的Diasio表示，執(zhí)行領(lǐng)導(dǎo)層在推動(dòng)AI項(xiàng)目成功方面發(fā)揮著重要作用?！肮咀畲蟮臋C(jī)遇通常出現(xiàn)在打破某些功能壁壘的地方?！?/p>

他解釋道，例如，一家消費(fèi)品制造商的研發(fā)、供應(yīng)鏈、銷售和市場(chǎng)營(yíng)銷都有各自的團(tuán)隊(duì)?！皩I應(yīng)用于這些功能之間的整合，可以帶來(lái)最大、最好的業(yè)務(wù)變革機(jī)會(huì)?！彼f(shuō)，“這需要來(lái)自CEO或公司高管層的強(qiáng)大領(lǐng)導(dǎo)力來(lái)推動(dòng)這些變革?！?/p>

不幸的是，許多公司的高級(jí)管理層對(duì)AI的潛力了解不足，BCG的Khodabandeh表示?！八麄儗?duì)AI的理解非常有限，通常將其視為一個(gè)‘黑箱’。”他說(shuō)，“他們把AI丟給數(shù)據(jù)科學(xué)家，卻并不真正理解與AI協(xié)作所需的新工作方式?！?/p>

他補(bǔ)充道，對(duì)于許多公司來(lái)說(shuō)，采用AI是一個(gè)巨大的文化變革，因?yàn)樗麄儾⒉焕斫飧咝I團(tuán)隊(duì)的運(yùn)作方式、角色如何發(fā)揮作用或如何賦予這些角色權(quán)力。“對(duì)于99%的傳統(tǒng)公司而言，采用AI是一個(gè)艱難的過(guò)程?！?/p>