Sepuluh peranan utama untuk merealisasikan sepenuhnya nilai perniagaan kecerdasan buatan

Semakin banyak perniagaan dalam setiap industri menggunakan kecerdasan buatan untuk mengubah proses perniagaan. Tetapi ketahui bahawa kejayaan program AI bergantung bukan sahaja pada data dan teknologi, tetapi juga pada memasukkan bakat yang betul.

Bradley Shimmin, penganalisis utama platform AI, analitik dan pengurusan data di firma perunding Omdia, berkata bahawa pasukan AI perusahaan yang berkesan harus terdiri daripada kumpulan yang pelbagai yang merangkumi bukan sahaja saintis data dan jurutera; orang yang memahami perniagaan dan cuba menyelesaikan masalah.

Carlos Anchia, pengasas bersama dan Ketua Pegawai Eksekutif AI startup Plainsight, bersetuju, sambil menambah bahawa kejayaan dalam AI sebahagian besarnya bergantung pada membina pasukan yang serba lengkap dengan pelbagai kemahiran lanjutan, tetapi berbuat demikian amat mencabar. Dia menerangkan, "Menentukan apa yang menjadikan pasukan AI yang berkesan mungkin kelihatan mudah dilakukan, tetapi apabila anda melihat tanggungjawab terperinci individu dalam pasukan AI yang berjaya, anda dengan cepat membuat kesimpulan bahawa membina pasukan sedemikian adalah sangat sukar. "

Untuk membantu anda membina pasukan AI ideal anda, berikut ialah 10 peranan penting yang penting dalam pasukan AI perusahaan yang dikendalikan dengan baik hari ini:

Saintis Data

Saintis data adalah teras kepada mana-mana pasukan AI, bertanggungjawab untuk memproses dan menganalisis data, membina model pembelajaran mesin (ML) dan membuat kesimpulan untuk menambah baik model ML yang sudah dalam pengeluaran.

Saintis data TikTok Mark Eltsefon berkata bahawa saintis data adalah gabungan penganalisis produk dan penganalisis perniagaan, dan juga mempunyai sedikit pengetahuan pembelajaran mesin. Matlamat utama mereka adalah untuk memahami metrik utama yang mempunyai kesan yang ketara pada perniagaan, mengumpul data untuk menganalisis kemungkinan kesesakan, memvisualisasikan kumpulan pengguna dan metrik yang berbeza serta menghasilkan pelbagai penyelesaian tentang cara meningkatkan metrik ini. Sebagai contoh, apabila membangunkan ciri baharu untuk pengguna TikTok, tanpa saintis data tidak ada cara untuk memahami sama ada ciri tersebut akan memberi manfaat atau membahayakan pengguna.

Jurutera Pembelajaran Mesin (ML)

Saintis data boleh membina model ML, tetapi melaksanakannya memerlukan jurutera ML.

Dattaraj Rao, arkitek inovasi dan R&D di syarikat perkhidmatan teknologi Persistent Systems, berkata, "Peranan jenis ini ditugaskan untuk membungkus model ML ke dalam bekas dan menggunakan mereka (biasanya sebagai perkhidmatan mikro) ke dalam persekitaran pengeluaran. Mereka cenderung untuk Pengaturcaraan bahagian belakang profesional dan kemahiran konfigurasi pelayan diperlukan, serta kepakaran dalam kontena dan penyepaduan berterusan dan penggunaan penghantaran Selain itu, jurutera ML juga terlibat dalam pengesahan model, ujian A/B dan pemantauan pengeluaran."

Dalam tempoh matang. Dalam persekitaran ML, jurutera ML juga memerlukan alat perkhidmatan percubaan yang boleh membantu jurutera ML mencari model berprestasi terbaik dalam pengeluaran dengan percubaan yang minimum.

Jurutera Data

Jurutera Data bertanggungjawab membina dan menyelenggara sistem yang membentuk infrastruktur data organisasi. Erik Gfesser, pengarah dan ketua arkitek di Deloitte, berkata jurutera data adalah penting kepada inisiatif AI. Mereka membina saluran paip data untuk mengumpul dan memasang data untuk kegunaan hiliran Dalam persekitaran DevOps, mereka membina saluran paip untuk melaksanakan saluran paip data ini. .

Beliau menambah bahawa jurutera data adalah asas kepada kedua-dua inisiatif ML dan bukan ML. Sebagai contoh, apabila melaksanakan saluran paip data dalam salah satu awan awam, jurutera data perlu terlebih dahulu menulis skrip untuk melancarkan perkhidmatan awan yang diperlukan yang menyediakan pengiraan yang diperlukan untuk memproses data yang diserap.

Matt Mead, ketua pegawai teknologi syarikat perkhidmatan teknologi maklumat SPR, berkata jika anda membina pasukan buat kali pertama, anda harus faham bahawa sains data ialah proses berulang yang memerlukan sejumlah besar data. Dengan mengandaikan anda mempunyai data yang mencukupi, kira-kira 80% daripada kerja akan berkaitan dengan tugas kejuruteraan data dan kira-kira 20% akan menjadi kerja sebenar yang berkaitan dengan sains data. Oleh sebab itu, hanya sebahagian kecil daripada pasukan AI anda akan bekerja dalam sains data. Ahli pasukan yang lain akan bertanggungjawab untuk mengenal pasti masalah yang sedang diselesaikan, membantu mentafsir data, menyusun data, menyepadukan output ke dalam sistem pengeluaran lain, atau membentangkan data dalam cara sedia pembentangan.

Pengurus Data

Pentadbir Data menyelia pengurusan data perusahaan dan memastikan kualiti dan kebolehaksesannya. Peranan penting ini memastikan ketekalan data merentas aplikasi perusahaan sambil memastikan perniagaan memenuhi undang-undang data yang sentiasa berubah.

Penjaga data memastikan saintis data mendapat data yang betul dan semuanya boleh diulang dan dilabel dengan jelas dalam katalog data, kata Ken Seier, ketua amalan data dan AI di syarikat teknologi Insight.

Mereka yang memegang peranan ini memerlukan gabungan sains data dan kemahiran komunikasi untuk bekerjasama merentas pasukan dan bekerjasama dengan saintis data dan jurutera untuk memastikan data boleh diakses oleh pihak berkepentingan dan pengguna perniagaan.

Selain itu, pengurus data bertanggungjawab untuk menguatkuasakan dasar organisasi berkenaan penggunaan dan keselamatan data, memastikan hanya mereka yang sepatutnya mempunyai akses kepada data selamat mendapat akses tersebut.

Pakar domain

Pakar domain mempunyai pengetahuan mendalam tentang industri atau bidang subjek tertentu. Peranan ini adalah pihak berkuasa dalam bidang mereka, boleh menilai kualiti data yang tersedia, dan boleh berkomunikasi dengan pengguna perniagaan yang dimaksudkan bagi projek AI untuk memastikan ia mempunyai nilai dunia sebenar.

Max Babych, Ketua Pegawai Eksekutif syarikat pembangunan perisian SpdLoad, berkata pakar domain ini penting kerana pakar teknikal yang membangunkan sistem AI jarang mempunyai kepakaran dalam domain sebenar di mana sistem sedang dibina. Pakar domain boleh memberikan cerapan kritikal untuk membolehkan sistem AI berprestasi terbaik.

Contohnya, syarikat Babych membangunkan sistem penglihatan komputer untuk menggantikan LIDAR untuk mengenal pasti objek bergerak secara autopilot. Mereka memulakan projek tanpa pakar domain, dan walaupun kajian membuktikan sistem itu berfungsi, apa yang syarikatnya tidak tahu ialah jenama kereta lebih suka LIDAR berbanding penglihatan komputer.

Babych berkata, “Nasihat utama yang saya ingin kongsikan dalam kes ini ialah memikirkan model perniagaan, kemudian libatkan pakar domain untuk memahami sama ada perkara ini boleh digunakan untuk industri anda, dan kemudian membincangkan lebih lanjut tentang pelaksanaan ciri secara terperinci. "

Selain itu, pakar domain juga boleh berfungsi sebagai penghubung penting antara pelanggan dan pasukan AI, kata Ashish Tulsankar, ketua AI di platform teknologi pendidikan iSchoolConnect. Dia boleh berkomunikasi dengan pelanggan untuk memahami keperluan mereka dan menyediakan langkah seterusnya untuk pasukan AI, manakala pakar domain juga boleh menjejaki sama ada AI dilaksanakan secara beretika.

Pereka AI

Pereka AI bekerjasama dengan pembangun untuk memastikan mereka memahami keperluan pengguna manusia. Peranan ini membayangkan bagaimana pengguna akan berinteraksi dengan AI dan mencipta prototaip untuk menunjukkan kes penggunaan untuk keupayaan AI baharu.

Pereka AI juga memastikan kepercayaan diwujudkan antara pengguna manusia dan sistem AI, dan AI boleh belajar dan menambah baik daripada maklum balas pengguna.

Shervin Khodabendeh, ketua bersama amalan AI di firma perunding BCG, berkata, “Salah satu kesukaran yang dihadapi syarikat semasa menskalakan inisiatif AI ialah pengguna tidak memahami penyelesaiannya, tidak mengenal pasti dengannya, atau tidak boleh berinteraksi dengannya. Mereka yang bermula dari kecerdasan buatan Rahsia syarikat yang mendapat nilai daripada kecerdasan sebenarnya adalah pelaksanaan interaksi manusia-komputer yang betul "

Model pemikiran BCG mengikut ". Prinsip 10-20-70", iaitu, 10% daripada nilai ialah algoritma. , 20% ialah teknologi dan platform data, dan 70% daripada nilai itu datang daripada penyepaduan perniagaan atau menghubungkannya dengan strategi syarikat dalam proses perniagaan. Interaksi manusia-komputer adalah sangat penting dan merupakan bahagian penting dalam 70% cabaran. Pereka Kecerdasan Buatan akan membantu anda mencapai matlamat ini.

Pengurus Produk

Pengurus produk mengenal pasti keperluan pelanggan dan mengetuai pembangunan dan pemasaran produk sambil memastikan pasukan AI membuat keputusan strategik yang bermanfaat.

Dorota Owczarek, pengurus produk syarikat pembangunan kecerdasan buatan Nexocode, berkata, "Dalam pasukan kecerdasan buatan, pengurus produk bertanggungjawab untuk memahami cara menggunakan kecerdasan buatan untuk menyelesaikan masalah pelanggan dan kemudian mengubahnya menjadi produk strategi."

Owczarek baru-baru ini mengusahakan projek untuk membangunkan produk berasaskan AI untuk industri farmaseutikal yang akan menyokong semakan manusia terhadap kertas penyelidikan dan dokumen menggunakan pemprosesan bahasa semula jadi. Projek ini memerlukan kerjasama rapat dengan saintis data, jurutera pembelajaran mesin dan jurutera data untuk membangunkan model dan algoritma yang diperlukan untuk memperkasakan produk.

Sebagai pengurus produk, Owczarek bertanggungjawab terutamanya untuk melaksanakan pelan hala tuju produk, menganggar dan mengawal belanjawan serta mengendalikan kerjasama antara teknologi produk, pengalaman pengguna dan aspek perniagaan. Beliau berkata, “Memandangkan projek itu dimulakan oleh pihak berkepentingan perniagaan, adalah amat penting untuk mempunyai pengurus produk yang boleh memastikan keperluan pihak berkepentingan dipenuhi sambil turut memfokuskan kepada matlamat keseluruhan projek. Selain itu, produk kecerdasan buatan pengurus juga mesti Mempunyai kemahiran teknikal dan ketajaman perniagaan Mereka seharusnya dapat bekerja rapat dengan pasukan dan pihak berkepentingan yang berbeza Dalam kebanyakan kes, kejayaan projek AI akan bergantung pada kerjasama antara perniagaan, sains data, kejuruteraan pembelajaran mesin dan pasukan reka bentuk. ”

Owczarek menambah bahawa pengurus produk kecerdasan buatan juga bertanggungjawab untuk membangunkan proses dalaman dan garis panduan untuk memastikan produk syarikat mematuhi amalan terbaik industri.

Ahli Strategi AI

Ahli Strategi AI perlu memahami cara perniagaan beroperasi di peringkat korporat dan berkoordinasi dengan pasukan eksekutif dan pihak berkepentingan luar untuk memastikan syarikat mempunyai infrastruktur dan Bakat yang betul untuk membantu buatan program perisikan berjaya.

Dan Diasio, ketua global AI di EY Consulting, berkata untuk berjaya, ahli strategi kecerdasan buatan mesti mempunyai pemahaman yang mendalam tentang domain perniagaan mereka dan asas pembelajaran mesin Pada masa yang sama, mereka juga mesti tahu cara menggunakan AI untuk menyelesaikan masalah perniagaan.

Jika anda ingin mengubah cara syarikat membuat keputusan, anda memerlukan orang yang mempunyai pengaruh dan visi yang ketara untuk memacu proses itu. Pakar strategi kecerdasan buatan ialah orang yang boleh membantu syarikat memikirkan tentang transformasi. Selain itu, mereka boleh membantu perniagaan mendapatkan akses kepada data yang mereka perlukan untuk memacu AI dengan berkesan.

Diasio berkata, “Hari ini, data yang dimiliki oleh perusahaan dalam sistem atau gudang data mereka sebenarnya hanya mewakili sebahagian kecil daripada apa yang mereka gunakan untuk membezakan diri mereka apabila membina keupayaan AI Sebahagian daripada peranan ahli strategi adalah Lihat kepada masa hadapan dan lihat bagaimana lebih banyak data boleh diperoleh dan dimanfaatkan tanpa menyentuh kebimbangan privasi ”

Ketua Pegawai AI

Ketua Pegawai AI ialah pembuat keputusan utama untuk semua inisiatif AI bertanggungjawab untuk menyampaikan potensi nilai perniagaan AI kepada pihak berkepentingan dan pelanggan.

Tulsankar dari iSchoolConnect berkata pembuat keputusan ialah orang yang memahami perniagaan, peluang dan risiko. Ketua pegawai AI harus memahami kes penggunaan yang boleh diselesaikan AI, di mana manfaat yang paling penting terletak, dan mempunyai keupayaan untuk menyatakan peluang ini kepada pihak berkepentingan. Selain itu, mereka harus membincangkan cara melaksanakan peluang ini secara berulang. Jika terdapat berbilang pelanggan atau berbilang produk yang memerlukan penggunaan AI, ketua pegawai AI boleh membahagikan bahagian pelaksanaan "agnostik pelanggan" dan "khusus pelanggan".

Penaja Eksekutif

Penaja Eksekutif harus menjadi pengurus peringkat C yang memainkan peranan penting dalam memastikan hasil positif untuk projek AI dan bertanggungjawab untuk mendapatkan pembiayaan untuk inisiatif AI syarikat .

Diasio EY Consulting berkata pemimpin eksekutif memainkan peranan penting dalam membantu memacu projek AI kepada kejayaan. Ketahuilah bahawa peluang terbesar untuk syarikat selalunya adalah apabila mereka keluar daripada fungsi tertentu. Sebagai contoh, pengeluar produk pengguna mempunyai pasukan yang bertanggungjawab untuk penyelidikan dan pembangunan, pasukan yang bertanggungjawab untuk rantaian bekalan, pasukan jualan dan pasukan pemasaran. Menggunakan kecerdasan buatan boleh membantu mengubah keempat-empat fungsi ini untuk merealisasikan peluang terbesar dan terbaik perniagaan. Hanya CEO atau C-suite dengan kepimpinan yang kukuh boleh membantu membawa perubahan ini.

Malangnya, pengurusan kanan di banyak syarikat mempunyai pemahaman yang sangat terhad tentang potensi kecerdasan buatan, sering melihatnya sebagai "kotak hitam." Mereka sudah biasa melemparkannya kepada saintis data, tetapi mereka tidak begitu memahami cara baharu yang diperlukan untuk menggunakan AI.

Mengguna pakai AI akan menjadi perubahan budaya yang besar bagi banyak syarikat yang tidak memahami cara berkesan pasukan AI berfungsi, cara peranan mereka berfungsi dan cara mereka diperkasakan. Selain itu, ini adalah perkara yang sangat sukar untuk 99% perusahaan tradisional yang menggunakan AI.

Atas ialah kandungan terperinci Sepuluh peranan utama untuk merealisasikan sepenuhnya nilai perniagaan kecerdasan buatan. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!