☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜
每个行业都有越来越多的企业正在采用人工智能来改变业务流程。但要知道，人工智能计划的成功不仅仅取决于数据和技术，还取决于纳入合适的人才。
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，有效的企业AI团队应该是一个多元化的群体，其中包含的不仅仅是数据科学家和工程师，还需要有一系列了解业务并试图解决问题的人。
AI初创公司Plainsight的联合创始人兼首席执行官Carlos Anchia对此表示认同，并补充道，人工智能的成功很大程度上取决于建立一支拥有各种高级技能的全面团队，但这样做极具挑战性。他解释称，“确定是什么造就了高效的AI团队似乎很容易做到，但是当你了解成功的AI团队中个人的详细职责时，你很快就会得出结论，建立这样的团队非常困难。”
为了帮助你组建理想的AI团队，以下是当今运行良好的企业AI团队中必不可少的10个关键角色：
数据科学家
数据科学家是任何AI团队的核心，他们负责处理和分析数据，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公司数据科学家Mark Eltsefon表示，数据科学家是产品分析师和业务分析师的混合体，同时还拥有少量机器学习知识。他们的主要目标是了解对业务具有重大影响的关键指标，收集数据以分析可能存在的瓶颈，可视化不同的用户群和指标，并就如何增加这些指标提出各种解决方案。例如，在为TikTok用户开发新功能时，如果没有数据科学家，就无法理解该功能是有益于用户还是有损于用户。
机器学习(ML)工程师
数据科学家可以构建ML模型，但实现它们却需要ML工程师。
技术服务公司Persistent Systems的创新和研发架构师Dattaraj Rao表示，“这类角色的任务是将ML模型打包到容器中并(通常作为微服务)部署到生产环境中。他们往往需要专业的后端编程和服务器配置技能，以及容器和持续集成及交付部署方面的专业知识。此外，ML工程师还参与模型验证、A/B测试和生产监控。”
在成熟的ML环境中，ML工程师还需要试验服务工具，这些工具只需最少的试验就可以帮助ML工程师在生产中找到性能最佳的模型。
数据工程师
数据工程师负责构建和维护构成组织数据基础架构的系统。德勤董事兼首席架构师Erik Gfesser表示，数据工程师对于AI计划至关重要，他们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。
他补充道，数据工程师是ML和非ML计划的基础。例如，在其中一个公有云中实现数据管道时，数据工程师需要首先编写脚本来启动必要的云服务，这些服务提供处理摄取数据所需的计算。
信息技术服务公司SPR的首席技术官Matt Mead表示，如果你是第一次组建团队，你应该了解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%将是与数据科学相关的实际工作。正因为如此，你的人工智能团队中只有一小部分人会从事数据科学工作。团队的其他成员将负责确定正在解决的问题、帮助解释数据、组织数据、将输出集成到另一个生产系统中，或者以展示就绪(presentation-ready)的方式呈现数据。
数据管理员
数据管理员负责监管企业数据的管理情况，并确保其质量和可访问性。这一重要角色确保数据在整个企业应用中实现一致性，同时确保企业满足不断变化的数据法律。
技术公司Insight的数据和人工智能实践负责人Ken Seier表示，数据管理员确保数据科学家获得正确的数据，且所有内容都是可重复的并在数据目录中清晰标记。
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。
此外，数据管理员还负责执行组织围绕数据使用和安全性的政策，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。
领域专家(Domain expert)
领域专家对特定行业或学科领域有深入的了解。该角色是其所在领域的权威，可以判断可用数据的质量，并且可以与AI项目的预期业务用户进行交流，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，这些领域专家是必不可少的，因为开发AI系统的技术专家很少具备系统正在构建的实际领域的专业知识。领域专家可以提供关键见解，使人工智能系统发挥最佳性能。
例如，Babych的公司开发了一种计算机视觉系统，以替代激光雷达(LIDAR)来识别自动驾驶仪的移动物体。他们在没有领域专家的情况下启动了该项目，尽管研究证明该系统有效，但他的公司不清楚的是，汽车品牌更喜欢LIDAR而非计算机视觉。
Babych表示，“在这个案例中，我想分享的关键建议是考虑商业模式，然后吸引领域专家来了解这是否适用于你的行业，之后再详细讨论实现该功能的更多技术问题。”
此外，教育技术平台iSchoolConnect的人工智能负责人Ashish Tulsankar表示，领域专家还可以成为客户和人工智能团队之间的重要联络人。他可以与客户沟通，了解他们的需求，并为人工智能团队提供下一步的方向，同时，领域专家还可以跟踪人工智能是否正以合乎道德的方式实施。
人工智能设计师
人工智能设计师与开发人员合作，以确保他们了解人类用户的需求。该角色设想用户与AI交互的方式并创建原型以展示新AI功能的用例。
人工智能设计师还确保在人类用户和人工智能系统之间建立信任，并且人工智能可以从用户反馈中学习和改进。
咨询公司BCG的AI业务联合负责人Shervin Khodabendeh表示，“企业在扩展AI计划时遇到的一个困难是用户不理解解决方案、不认同它或无法与之交互。那些从人工智能中获得价值的企业，其秘诀实际上就是正确地实现了人机交互。”
BCG的思考模式遵循的是“10-20-70”原则，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将其与业务流程中的公司战略联系起来。人机交互绝对是关键，它是70%挑战的重要组成部分。人工智能设计师将帮你实现这一目标。
产品经理
产品经理识别客户需求并领导产品的开发和营销，同时确保人工智能团队做出有益的战略决策。
人工智能开发公司Nexocode的产品经理Dorota Owczarek称，“在人工智能团队中，产品经理负责了解如何使用人工智能解决客户问题，然后将其转化为产品战略。”
Owczarek最近参与了一个项目，为制药行业开发基于AI的产品，该产品将支持使用自然语言处理对研究论文和文档进行人工审查。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主要负责实施产品路线图、估算和控制预算，以及处理产品技术、用户体验和业务方面之间的合作。她介绍称，“由于该项目是由业务利益相关者发起的，因此拥有一位既能确保满足利益相关者需求，同时也关注项目总体目标的产品经理尤为重要。而且，人工智能产品经理必须同时具备技术技能和业务头脑。他们应该能够与不同的团队和利益相关者密切合作。在大多数情况下，人工智能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补充道，人工智能产品经理还需要负责制定内部流程和指导方针，确保公司的产品符合行业最佳实践。
人工智能战略家
人工智能战略家需要了解企业在公司层面的运作方式，并与执行团队和外部利益相关者协调，以确保公司拥有合适的基础设施和人才，助力人工智能计划取得成功。
EY Consulting全球AI负责人Dan Diasio表示，要取得成功，人工智能战略家必须深入了解其业务领域和机器学习的基础知识，同时，还必须知道如何使用AI来解决业务问题。
想要改变企业的决策方式，需要具有重大影响力和远见的人来推动这一进程，人工智能战略家就是可以帮助公司进行转型思考的人。此外，他们还可以帮助企业获得有效推动人工智能所需的数据。
Diasio表示，“如今，企业在其系统或数据仓库内拥有的数据，实际上只代表了他们在构建AI能力时用于区分自己的一小部分。战略家的部分职责是放眼未来，看看如何在不触及隐私问题的情况下获取和利用更多数据。”
首席人工智能官
首席人工智能官是所有人工智能计划的主要决策者，负责向利益相关者和客户传达人工智能的潜在商业价值。
iSchoolConnect公司的Tulsankar表示，决策者是了解业务、商机和风险的人。首席人工智能官应该了解人工智能可以解决的用例，最重要的利益点在哪，并且有能力向利益相关者阐明这些机会。此外，他们还应该讨论如何迭代地实现这些机会。如果有多个客户或多个产品需要应用人工智能，首席人工智能官可以拆分“客户无关”和“客户特定”的实施部分。
执行发起人
执行发起人应该是一位C级管理者，他能在确保AI项目取得积极成果方面发挥重要作用，并负责为公司的AI计划获取资金。
EY Consulting公司的Diasio表示，执行领导者在帮助推动人工智能项目取得成功方面发挥着重要作用。要知道，公司面临的最大机遇往往是他们突破特定职能的领域。例如，一家消费品制造商有一个负责研发的团队、一个负责供应链的团队、一个销售团队和一个营销团队。应用人工智能可以帮助转变所有这四个功能，以实现业务最大和最佳机会。只有具备强大领导力的企业首席执行官或最高管理层才能助力实现这些变化。
不幸的是，许多公司的高级管理层对人工智能的潜力理解非常有限，他们经常将其视为一个“黑匣子”。他们习惯把它丢给数据科学家，但其本身并不真正了解使用AI所需的新方法。
对于许多不了解高效AI团队如何运作、角色如何运作以及如何赋能的企业而言，采用AI将是一场巨大的文化变革。而且，对于99%的采用AI的传统企业来说，这是一件非常困难的事情。
