모든 업계에서 점점 더 많은 기업이 비즈니스 프로세스를 변화시키기 위해 인공 지능을 채택하고 있습니다. 그러나 AI 프로그램의 성공은 데이터와 기술뿐만 아니라 올바른 인재를 포함하는 데에도 달려 있다는 점을 기억하십시오.
컨설팅 회사 Omdia의 AI 플랫폼, 분석 및 데이터 관리 수석 분석가인 Bradley Shimmin은 효과적인 엔터프라이즈 AI 팀은 데이터 과학자 및 엔지니어뿐만 아니라 AI를 이해하는 다양한 사람들을 포함하는 다양한 그룹이어야 한다고 말했습니다. 사업과 문제를 해결하려고 노력하는 사람들.
AI 스타트업 Plainsight의 공동 창업자이자 CEO인 Carlos Anchia는 이에 동의하며 AI의 성공은 다양한 고급 기술을 갖춘 다재다능한 팀을 구성하는 데 달려 있지만 그렇게 하는 것은 매우 어렵다고 덧붙였습니다. 그는 “효과적인 AI 팀을 만드는 것이 무엇인지 결정하는 것은 쉬워 보일 수 있지만 성공적인 AI 팀 내 개인의 세부적인 책임을 살펴보면 그러한 팀을 구성하는 것이 매우 어렵다는 결론을 빨리 내릴 수 있습니다”라고 설명합니다. 이상적인 AI 팀을 구축하는 데 도움이 되도록 오늘날 잘 운영되는 엔터프라이즈 AI 팀에 필수적인 10가지 주요 역할은 다음과 같습니다.
데이터 과학자
TikTok의 데이터 과학자 Mark Eltsefon은 데이터 과학자는 제품 분석가와 비즈니스 분석가가 혼합되어 있으며 소량의 기계 학습 지식도 가지고 있다고 말했습니다. 이들의 주요 목표는 비즈니스에 큰 영향을 미치는 주요 지표를 이해하고, 데이터를 수집하여 가능한 병목 현상을 분석하고, 다양한 사용자 그룹과 지표를 시각화하고, 이러한 지표를 높이는 방법에 대한 다양한 솔루션을 제시하는 것입니다. 예를 들어, TikTok 사용자를 위한 새로운 기능을 개발할 때 데이터 과학자 없이는 해당 기능이 사용자에게 이익이 될지 해를 끼칠지 이해할 방법이 없습니다.
기계 학습(ML) 엔지니어
기술 서비스 회사인 Perpersist Systems의 혁신 및 R&D 설계자인 Dattaraj Rao는 다음과 같이 말했습니다. “이러한 유형의 역할은 ML 모델을 컨테이너에 패키징하고 이를 프로덕션 환경에 배포(일반적으로 마이크로서비스)하는 작업을 담당합니다. 여기에는 종종 전문적인 백엔드가 필요합니다. 엔드엔드 프로그래밍 및 서버 구성 기술은 물론 컨테이너 및 지속적인 통합 및 배포 배포에 대한 전문 지식도 갖추고 있습니다. 또한 ML 엔지니어는 모델 검증, A/B 테스트 및 생산 모니터링에도 참여합니다.”
성숙한 상태에서 ML 환경에서는 ML 엔지니어도 최소한의 실험으로 프로덕션에서 가장 성능이 좋은 모델을 찾는 데 도움이 되는 실험적인 서비스 도구가 필요합니다.
데이터 엔지니어
그는 데이터 엔지니어가 ML 및 비ML 이니셔티브의 기초라고 덧붙였습니다. 예를 들어 퍼블릭 클라우드 중 하나에서 데이터 파이프라인을 구현할 때 데이터 엔지니어는 먼저 수집된 데이터를 처리하는 데 필요한 계산을 제공하는 필수 클라우드 서비스를 시작하는 스크립트를 작성해야 합니다.
정보 기술 서비스 회사 SPR의 최고 기술 책임자인 Matt Mead는 처음으로 팀을 구성하는 경우 데이터 과학이 많은 양의 데이터가 필요한 반복 프로세스라는 점을 이해해야 한다고 말했습니다. 데이터가 충분하다고 가정하면 작업의 약 80%는 데이터 엔지니어링 작업과 관련되고 약 20%는 데이터 과학과 관련된 실제 작업이 됩니다. 이 때문에 AI 팀 중 소수만이 데이터 과학 분야에서 작업하게 됩니다. 팀의 다른 구성원은 해결 중인 문제를 식별하고, 데이터 해석을 돕고, 데이터를 구성하고, 출력을 다른 생산 시스템에 통합하거나, 프리젠테이션 준비 방식으로 데이터를 제시하는 일을 담당합니다.
데이터 관리자
기술 회사 Insight의 데이터 및 AI 실무 리더인 Ken Seier는 데이터 관리자가 데이터 과학자가 올바른 데이터를 얻고 모든 것이 반복 가능하고 데이터 카탈로그에 명확하게 표시되도록 보장한다고 말했습니다.
이 역할을 맡은 사람들은 데이터 과학과 커뮤니케이션 기술을 결합하여 팀 전체에서 협업하고 데이터 과학자 및 엔지니어와 협력하여 이해관계자와 비즈니스 사용자가 데이터에 액세스할 수 있도록 해야 합니다.
또한 데이터 관리자는 데이터 사용 및 보안에 관한 조직의 정책을 시행하여 안전한 데이터 액세스 권한을 부여받아야 하는 사람에게만 해당 액세스 권한이 부여되도록 할 책임이 있습니다.
도메인 전문가
소프트웨어 개발 회사 SpdLoad의 CEO Max Babych는 AI 시스템을 개발하는 기술 전문가가 시스템이 구축되는 실제 도메인에 대한 전문 지식을 거의 보유하지 않기 때문에 이러한 도메인 전문가가 필수적이라고 말했습니다. 도메인 전문가는 AI 시스템이 최상의 성능을 발휘할 수 있도록 중요한 통찰력을 제공할 수 있습니다.
예를 들어 Babych의 회사는 자동 조종 장치에서 움직이는 물체를 식별하기 위해 LiDAR(LIDAR)을 대체하는 컴퓨터 비전 시스템을 개발했습니다. 그들은 도메인 전문가 없이 프로젝트를 시작했고 연구를 통해 시스템이 작동한다는 것이 입증되었지만 그의 회사는 자동차 브랜드가 컴퓨터 비전보다 LIDAR를 선호한다는 사실을 몰랐습니다.
Babych는 다음과 같이 말했습니다. “이번 사례에서 제가 공유하고 싶은 핵심 조언은 비즈니스 모델에 대해 생각한 다음 도메인 전문가를 참여시켜 이것이 귀하의 산업에 적용 가능한지 이해한 다음 보다 기술적인 측면에 대해 자세히 논의하라는 것입니다.
또한 교육 기술 플랫폼 iSchoolConnect의 인공 지능 책임자인 Ashish Tulsankar는 도메인 전문가도 고객과 인공 지능 팀 간의 중요한 연락 담당자가 될 수 있다고 말했습니다. 그는 고객과 소통하여 고객의 요구 사항을 이해하고 AI 팀에 다음 단계를 제공할 수 있으며, 도메인 전문가는 AI가 윤리적인 방식으로 구현되고 있는지 추적할 수도 있습니다.
AI 디자이너는 개발자와 협력하여 인간 사용자의 요구 사항을 이해합니다. 이 역할은 사용자가 AI와 상호 작용하는 방법을 구상하고 새로운 AI 기능의 사용 사례를 보여주는 프로토타입을 만듭니다.
AI 디자이너는 또한 인간 사용자와 AI 시스템 사이에 신뢰가 구축되고 AI가 사용자 피드백을 통해 학습하고 개선할 수 있도록 보장합니다.
컨설팅 회사 BCG의 AI 실무 공동 책임자인 Shervin Khodabendeh는 다음과 같이 말했습니다. “기업이 AI 이니셔티브를 확장할 때 직면하는 어려움 중 하나는 사용자가 솔루션을 이해하지 못하거나, 솔루션과 동일시하지 않거나, 인공지능으로 가치를 얻는 사람들 기업의 비결은 사실 인간과 컴퓨터의 상호작용을 올바르게 구현하는 것입니다. "
BCG의 사고 모델은 "10-20-70" 원칙을 따릅니다. 가치의 10%는 알고리즘이고 20%는 기술 및 데이터 플랫폼입니다. 가치의 70%는 비즈니스를 통합하거나 비즈니스 프로세스에서 회사 전략과 연결하는 데서 나옵니다. 인간-컴퓨터 상호 작용은 절대적으로 핵심이며 과제의 70%에서 중요한 부분입니다. 인공지능 디자이너가 이 목표를 달성할 수 있도록 도와드립니다.
제품 관리자는 AI 팀이 유익한 전략적 결정을 내릴 수 있도록 하면서 고객 요구 사항을 파악하고 제품 개발 및 마케팅을 주도합니다.
인공지능 개발업체 넥소코드(Nexocode)의 제품 관리자 도로타 오우차렉(Dorota Owczarek)은 "인공지능팀에서 제품 관리자는 인공지능을 활용해 고객 문제를 해결하는 방법을 이해하고 이를 제품 전략으로 전환하는 역할을 담당한다"고 말했다.
Owczarek은 최근 자연어 처리를 사용하여 연구 논문 및 문서에 대한 인적 검토를 지원하는 제약 산업을 위한 AI 기반 제품을 개발하는 프로젝트에 참여했습니다. 이 프로젝트에서는 제품을 구동하는 데 필요한 모델과 알고리즘을 개발하기 위해 데이터 과학자, 기계 학습 엔지니어 및 데이터 엔지니어와의 긴밀한 협력이 필요합니다. 제품 관리자로서 Owczarek은 주로 제품 로드맵 구현, 예산 추정 및 제어, 제품 기술, 사용자 경험 및 비즈니스 측면 간의 협업 처리를 담당합니다. 그녀는 “이 프로젝트는 비즈니스 이해관계자에 의해 시작되었기 때문에 이해관계자의 요구 사항을 충족하는 동시에 프로젝트의 전반적인 목표인 인공지능 제품에 집중할 수 있는 제품 관리자를 갖는 것이 특히 중요합니다. 관리자는 또한 다양한 팀 및 이해관계자와 긴밀하게 협력할 수 있어야 합니다. 대부분의 경우 AI 프로젝트의 성공은 비즈니스, 데이터 과학, 기계 학습 엔지니어링 및 디자인 팀 간의 협업에 달려 있습니다. "Owczarek은 인공 지능 제품 관리자가 회사의 제품이 업계 모범 사례를 준수하는지 확인하기 위한 내부 프로세스 및 지침을 개발하는 책임도 있다고 덧붙였습니다. AI 전략가AI 전략가는 기업 수준에서 비즈니스가 어떻게 운영되는지 이해하고 경영진 및 외부 이해관계자와 협력하여 회사가 AI 이니셔티브를 성공적으로 수행하는 데 적합한 인프라와 인재를 갖추고 있는지 확인해야 합니다. EY Consulting의 글로벌 AI 리더인 Dan Diasio는 인공지능 전략가가 성공하려면 비즈니스 영역과 머신러닝의 기본에 대한 깊은 이해가 있어야 하며 동시에 AI 사용법도 알아야 한다고 말했습니다. 비즈니스 문제를 해결하기 위해. 기업의 의사결정 방식을 바꾸고 싶다면 프로세스를 추진할 수 있는 상당한 영향력과 비전을 가진 사람이 필요합니다. 인공지능 전략가는 기업이 혁신에 대해 생각하도록 도울 수 있는 사람입니다. 또한 기업이 AI를 효과적으로 추진하는 데 필요한 데이터에 액세스하는 데 도움이 될 수 있습니다. Diasio는 다음과 같이 말했습니다. “현재 기업이 시스템이나 데이터 웨어하우스에 보유하고 있는 데이터는 실제로 AI 기능을 구축할 때 차별화하는 데 사용하는 것의 작은 부분에 불과합니다. 개인 정보 보호 문제를 건드리지 않고 더 많은 데이터를 캡처하고 활용합니다.”최고 인공 지능 책임자최고 인공 지능 책임자는 모든 AI 이니셔티브의 주요 의사 결정자이며 이해 관계자와 고객에게 AI를 전달할 책임이 있습니다.iSchoolConnect의 Tulsankar는 의사 결정자는 비즈니스, 기회 및 위험을 이해하는 사람들이라고 말했습니다. AI 최고 책임자는 AI가 해결할 수 있는 사용 사례, 가장 중요한 이점이 어디에 있는지 이해하고 이러한 기회를 이해관계자에게 설명할 수 있는 능력을 갖추어야 합니다. 또한 이러한 기회를 반복적으로 구현하는 방법에 대해서도 논의해야 합니다. AI 적용이 필요한 고객이나 제품이 여러 개인 경우 최고 AI 책임자는 구현의 "고객 불가지론" 부분과 "고객별" 부분을 분할할 수 있습니다.
Executive Sponsor는 AI 프로젝트의 긍정적인 결과를 보장하는 데 중요한 역할을 하고 회사의 AI 이니셔티브에 대한 자금 조달을 담당하는 C급 관리자여야 합니다.
EY Consulting의 Diasio는 경영진이 AI 프로젝트를 성공으로 이끄는 데 중요한 역할을 한다고 말합니다. 기업의 가장 큰 기회는 특정 기능에서 벗어나는 경우가 많다는 점을 기억하세요. 예를 들어, 소비재 제조업체에는 연구 개발을 담당하는 팀, 공급망을 담당하는 팀, 영업팀, 마케팅팀이 있습니다. 인공 지능을 적용하면 이러한 네 가지 기능을 모두 변화시켜 비즈니스의 가장 크고 최고의 기회를 실현하는 데 도움이 될 수 있습니다. 강력한 리더십을 갖춘 CEO나 최고 경영진만이 이러한 변화를 가져오는 데 도움을 줄 수 있습니다.
안타깝게도 많은 회사의 고위 경영진은 인공 지능의 잠재력에 대해 매우 제한적으로 이해하고 있으며 종종 이를 "블랙박스"로 간주합니다. 그들은 데이터 과학자에게 이를 전달하는 데 익숙하지만 AI를 사용하는 데 필요한 새로운 방법을 실제로 이해하지 못합니다.
AI를 채택하는 것은 AI 팀이 얼마나 효과적으로 작동하는지, 역할이 어떻게 작동하는지, 권한이 어떻게 부여되는지 이해하지 못하는 많은 기업에 커다란 문화적 변화가 될 것입니다. 더욱이 이는 AI를 채택하는 기존 기업의 99%에게 매우 어려운 일입니다.
위 내용은 인공지능의 비즈니스 가치를 완벽하게 실현하기 위한 10가지 핵심 역할의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!
![[웹 프런트엔드] Node.js 빠른 시작](https://img.php.cn/upload/course/000/000/067/662b5d34ba7c0227.png)
