為了最大化 AI 商業價值,AI 團隊需要廣泛的技能和角色,為了協助你打造理想的 AI 團隊,以下是運作順暢的企業 AI 團隊,包括資料科學家、專家以及策略決策者等 10 個關鍵角色。
文/Maria Korolov 與 Alex Korolov‧譯/陳薇真
各行各業中,越來越多的公司正在採用人工智慧來改進業務流程,但 AI 計畫的成功不僅只倚賴資料和科技,也倚賴於合適的團隊成員。
有效的企業 AI 團隊是一個多元化的團隊,其有效運作不能只靠資料科學家和工程師。研究與諮詢公司 Omdia 的 AI 平台、分析和資料管理首席分析師 Bradley Shimmin 表示,成功的 AI 團隊還包括許多了解商業模式及其商業痛點的專家。
他說:「現今可用的科技和工具越來越傾向於支持領域專家、商業用戶或分析專家可以在公司內部擁有 AI,以及自主使用 AI。」
AI 新創公司 Plainsight 共同創辦人暨執行長 Carlos Anchia 同意 AI 的成功在很大程度上取決於打造具備各項資深技能的全方位團隊,然而他表示這是有難度的。
他說:「列出高效 AI 團隊的條件似乎是一件容易的事,但是當你仔細審視該團隊中每個人的詳細職責時,你很快就會發現,這非常困難。」
為了協助你打造理想的 AI 團隊,以下是運作順暢的企業 AI 團隊的 10 個關鍵角色。
一、資料科學家(Data scientist)
資料科學家是所有 AI 團隊的核心。他們處理和分析資料、建構機器學習(ML)模型,並且改進已投入生產的 ML 模型。
TikTok 資料科學家 Mark Eltsefon 指出,資料科學家是產品分析師和商業分析師的綜合體,以及掌握少量機器學習知識。
Eltsefon 說:「資料科學家的主要目標是了解對商業有重大影響的關鍵指標,搜集資料以分析可能的瓶頸,可視化不同的用戶群體和指標,並就如何提升這些指標提出各式解決方案,包括制定原型解決方案。」他指出,在研究 TikTok 新功能時,若沒有資料科學的分析,無從得知使用者喜歡或不喜歡該功能。
他補充說:「你會不知道該測試多長的時間,以及你究竟應該衡量哪個指標。針對以上這些點,你必須利用 AI 方法。」
二、機器學習工程師(ML engineer)
資料科學家可能會打造 ML 模型,但實施者則是 ML 工程師。
科技服務公司 Persistent Systems 創新和研發架構師 Dattaraj Rao 說:「ML 工程師的任務是將 ML 模型打包到容器(Container)中並部署到生產環境中,通常是微服務功能。」
Rao 指出,該角色需要專業的後端程式設計和伺服器配置技能,以及專業知識,如容器、持續性整合(Continuous integration)和交付部署。 他說:「機器學習工程師也參與模型驗證、A/B 測試和生產監控。」
他補充,在成熟的 ML 環境中,ML 工程師還需要測試服務工具,這些工具有助於以最快的方式在生產流程中找到性能最優秀的模型。
三、資料工程師(Data engineer)
料工程師打造和維護企業資料基礎架構的系統。Deloitte 董事暨首席架構師 Erik Gfesser 表示,資料工程師對 AI 計畫來說是不可或缺的角色,因為在用資料做任何事情之前,需要先蒐集資料並使其適合消費(Consumption)。
他說:「資料工程師建構資料管道來蒐集和組裝資料以供下游使用,並且在 DevOps 設置中,他們建構管道來實施(資料管道運行的)基礎設施。」
他指出,資料工程師是 ML 和非 ML(Non-ML)計畫的基礎,說:「例如,在其中一個公有雲中實施資料管道時,資料工程師首先需要編寫程式化腳本(Script)來啟動必要的雲端服務,這些雲端服務提供處理資料攝取(Ingested data)所需的運算。」
資訊科技服務公司 SPR 技術長 Matt Mead 指出,如果是第一次組建團隊,應該要清楚資料科學是一個需要大量資料的迭代過程。假設你已有足夠的資料,他說:「大約 80% 的工作與資料工程任務相關,大約 20% 是實際的資料科學相關的工作。」
正因為如此,你的 AI 團隊中只有小部分人員會從事資料科學的工作,他說:「團隊的其他成員找出要解決的問題,協助解釋資料,幫助組織資料,將輸出整合到另一個生產系統中,或者以可展示(Presentation-ready)的方式呈現資料。」
四、資料監管師(Data steward)
資料監管師負責監督公司資料的管理,並確保資料可存取性且品質。此重要角色確保資料在整個企業的系統中得到一致性的應用,並確保公司遵守不斷變化的資料法規。
科技公司 Insight 資料和 AI 全國實踐負責人(National practice lead) Ken Seier 表示,資料監管師確保資料科學家獲得正確的資料,並且所有內容都是可重複的,且清楚地標記在資料目錄中。
擔任此角色的人員需要結合資料科學和溝通技能,以便在各個團隊之間進行協作,並與資料科學家和工程師合作,以確保利益相關者和商業用戶能夠造訪資料。
Seier 說:「資料監管師還負責執行針對資料使用和安全的企業政策。資料監管師確保只有那些有權限的人才能造訪相關資料。」
五、領域專家(Domain expert)
領域專家對特定行業或主題領域有深入的了解,他是該領域的權威,可以判斷可用資料的品質,並可以與 AI 計畫的商業用戶客群進行交流,以確保它實現現實世界的價值。
軟體開發公司 SpdLoad 執行長 Max Babych 說,這些主題專家是不可或缺的,因為開發 AI 系統的科技專家很少人能擁有系統目標領域的專業知識。他說:「領域專家可以提供重要的見解,使AI 系統發揮最佳性能。」
[ 加入 CIO Taiwan 官方 LINE 與 Facebook ,與全球 CIO 同步獲取精華見解 ]
當 Babych 的公司開發電腦視覺系統來識別自動駕駛模式中的移動物體(作為 LIDAR 的替代方案)時,他們沒有聘請領域專家。儘管研究證明該系統有效,但他的公司所忽略的是,汽車品牌更喜歡 LIDAR 而非電腦視覺,因為 LIDAR 的可靠性已獲得證實,而他們也不會購買電腦視覺的產品。
他說:「我想分享的關鍵建議是考量商業模式,然後找領域專家來了解這是否是你的行業中賺錢的可行方法,然後才開始討論更多技術問題。」
此外,教育科技平台 iSchoolConnect 人工智慧負責人 Ashish Tulsankar 指出,領域專家可以成為客戶與 AI 團隊之間的重要聯絡人。
他說:「領域專家可以與客戶溝通,了解他們的需求,並為 AI 團隊提供接下來的發展方向,而且領域專家還可以追蹤 AI 的實施是否合乎道德準則。」
六、AI 設計師(AI designer)
AI 設計師與開發人員合作,確保他們了解使用者的需求。該角色設想使用者如何與 AI 互動,並打造原型來展示 AI 新功能的使用案例。
AI 設計師也確保在人類和 AI 系統之間建立信任,並且確保 AI 能夠透過使用者反饋來學習和改進。
諮詢顧問公司 BCG 北美 AI 業務共同負責人 Shervin Khodabandeh 說:「企業在升級 AI 方面遇到的困難之一是使用者不了解解決方案、不認同,或者無法與之互動。反之,從 AI 中獲得價值的企業,他們的秘密其實只是他們弄對了人與 AI 的互動。」
他指出,BCG 遵循 10-20-70 規則,即 10% 的價值將來自演算法,20% 是科技和資料平台,70% 的價值將來自商業整合或將 AI 整合於企業業務流程的策略中。
他說:「人與 AI 的互動絕對是關鍵,也是 70% 挑戰的重要組成部分。AI 設計師將幫助你實現目標。」
七、產品經理(Product manager)
產品經理確認客戶需求並領導產品的開發和行銷,同時確保 AI 團隊做出有益的策略決策。
AI 開發公司 Nexocode 產品經理 Dorota Owczarek 說:「在 AI 團隊中,產品經理負責了解如何使用 AI 來解決客戶問題,然後將其轉化為產品策略。」
Owczarek 最近參與了為製藥業開發 AI 導向的產品計畫,該產品將以自然語言處理支援人工審查研究論文和文件。
她說:「該計畫需要與資料科學家、機器學習工程師和資料工程師密切合作,以開發產品所需的模型和演算法。」
身作為產品經理,Owczarek 負責制定產品路線圖、估算和控制預算,以及處理產品科技、使用者體驗和商業等等的各面向。
她說:「在這種情況下,由於計畫發起者是商業利益相關者,因此產品經理必須能夠滿足他們的需求,同時關注整體目標。AI 產品經理應該同時具備科技技能和商業頭腦。」
她補充:「他們應該要能夠與不同的團隊和利益相關者密切合作。在大多數情況下,AI 計畫的成功將取決於商業、資料科學、機器學習工程和設計團隊之間的協作。」
Owczarek 補充說,AI 產品經理還需要了解與 AI 合作的倫理。她說:「他們負責制定內部流程和準則,以確保公司的產品符合業界最佳實踐案例。」
八、AI 策略師(AI strategist)
AI 策略師需要了解企業整體的運作,並與管理團隊和外部利益相關者協調,以確保公司擁有合適的基礎設施和人才,以促成 AI 計畫的成功。
諮商顧問公司 EY Consulting 全球 AI 負責人 Dan Diasio 指出,若想取得成功,AI 策略師必須對其商業領域和機器學習的基礎知識有深入的了解,他們還必須知道如何使用 AI 來解決商業問題。
他說:「技術在幾年前是困難的部分,但現在的困難點在於,如何充分利用我們創造的 AI 功能或資產來促進商業成長。AI 策略師可以幫助一家公司進行轉型思考。」
Diasio 補充:「要改變一家企業的決策方式,就需要具有重大影響力和遠見的人,才能夠推動它向前發展。」
AI 策略師還可以幫助企業獲得有效推動 AI 發展所需的資料。
Diasio 說:「在打造 AI 功能方面,企業如今在其系統或資料庫中擁有的資料,其實只是冰山一隅。策略師的一部分職責是放寬眼界,看看如何在不侵犯隱私權的情況下取得和利用更多資料,以增強企業競爭力。」
九、AI 長(Chief AI officer)
AI 長是所有 AI 計畫的主要決策者,負責向利益相關者和客戶傳達 AI 潛在的商業價值。
iSchoolConnect Tulsankar 說:「決策者是了解商業模式、商機和風險的人。」
他指出,AI 長應該了解 AI 如何解決痛點並帶來最大的經濟利益的使用案例,而且他們應該要有能力說服利益相關者。
他說:「他們還應該弄清楚如何迭代實現這些商業機會。如果有多個客戶或多個產品需要應用 AI,AI 長可以區分與客戶無關(Client-agnostic)的部分和客戶限定(Client-specific)的部分。」
十、執行發起人(Executive sponsor)
執行發起人是高階管理人,他確保 AI 計畫能夠開花結果,並負責為公司的 AI 計畫籌集資金。
EY Consulting Diasio 表示,高階管理人在幫助推動 AI 計畫扮演了重要的角色。他說:「對公司來說,最大的機會往往在於那些跨職能的領域。」
例如,一家消費品製造商有一個負責研發的團隊、一個負責供應鏈的團隊、一個銷售團隊和一個行銷團隊。他說:「利用 AI 來幫助商業轉型的最大和最佳機會在於跨越所有這四個職能,而且公司執行長或高階管理人需要強而有力的領導才能推動這些變革。」
BCG Shervin Khodabandeh 表示,不幸的是,許多公司的高階管理人並不充分了解 AI 的潛力。
他說:「他們對它的理解非常有限,他們經常將其視為一個他們不懂的東西,然後把它扔給資料科學家。他們並不真正了解如何利用 AI。」
他指出,對於許多不了解高效 AI 團隊如何運作、各個角色如何運作,以及如何讓他們自主運作的企業來說,採用 AI 是一種巨大的文化變革。他說:「對於 99% 採用 AI 的傳統公司來說,這是一件很困難的事情。」
(本文授權非營利轉載,請註明出處:CIO Taiwan)