AI | 成功人工智能项目的8个关键角色

随着企业进一步开发人工智能项目,他们发现某些角色对业务的成功至关重要,但是很难找到合适的人才。

人工智能提供了充分的机会来获取商业价值。如果做得好,人工智能可以帮助改进销售、优化运营,并为员工提供具有更高价值的工作。它有助于降低成本,并赋予组织创造新产品和开拓新市场的能力。

AI | 成功人工智能项目的8个关键角色

咨询机构德勤公司最近的一项调查表明,55%的IT高管表示,他们的公司在2018年推出了6个或更多的与人工智能相关的试点项目。而在2017年的调查中,只有35%的IT高管这么认为。超过三分之一的公司在认知技术上的投资超过500万美元。56%的高管预计人工智能将在未来三年内改造他们的公司。

但要实现这一目标并不容易,而且需要某些关键技能,但很难找到。以下了解一下人工智能成功的八个关键角色:

(1)人工智能研究人员

对于一些企业来说,参与研究可能会适得其反。毕竟,人工智能研究人员往往是进行基础技术研究的专家,他们可能有朝一日在机器的思考能力方面取得突破。此外,追踪人工智能的研究人员意味着需要与谷歌公司和微软公司等科技巨头进行竞争,可能无法立即带来商业利益。

但总有一些希望取得突破性进展能使他们成为行业领先者,仅此承诺可能与人工智能研究人员的高需求有关。根据德勤公司的调查,30%的IT行业首席执行官认为在他们的首要任务中寻找人工智能研究人员比其他任何角色都重要。

德勤风险和金融咨询公司负责分析和数据风险的全球领导者Vivek Katyal表示:“人们希望看到卓越的人才,但这会对他们真正追求的目标产生影响吗?”他说,除非企业想成为下一个Facebook公司,否则可能不会产生影响。

但他表示,许多做出融资决策的企业高管并不理解人工智能研究和人工智能应用之间的区别。

然而,对于人工智能对其核心业务至关重要的公司而言,研究不是奢侈品,而是一种必需品。例如,AppTek公司是一家成立于大约30年前的语音识别公司。随着人工智能改变了语音识别技术,AppTek公司致力于研究人工智能在语音识别方面的应用以跟上技术的进展。例如,其最新发布的研究重点是在对话中识别不同的发言者。

69%的企业领导者认为更好的沟通可以帮助他们实现愿景。

AppTek公司首席营收官Mike Veronis说,“这是一个真正的商业需求,我们这样做是为了解决问题,并提高能力。”

(2)人工智能软件开发人员

人工智能软件开发人员通常进行的是基础研究,例如深度学习或生成对抗网络的最新发展,并将其转化为可用的产品。一些企业将这项工作交给大型供应商,依靠商业平台而不是开发自己的人工智能技术。但即使企业使用已知的人工智能技术,他们可能仍然希望建立自己的平台。这在一定程度上可以解释对于人工智能软件开发人员更高的需求,这是德勤调查中28%的受访者指出的首要任务。

企业构建自己的框架的一个原因是当前面临的人工智能框架的“黑盒”问题。由于无法看到现成产品的源代码,一些公司,特别是在金融或医疗保健等受监管领域的公司,可能会选择自己的方向。

Katyal说,“也许企业应该自己开发一些东西,在那里知道自己建造了什么,自己拥有代码,并控制着它的一切。这种讨论非常普遍。当他们构建自己的人工智能软件时,他们也可以更好地理解工具的内置偏见,”他补充说。

这也是AppTek公司的发展现状。除了拥有基于企业自身研究的独特功能外,它还可以根据需要定制产品,而不是一个不易调整的黑匣子商业系统。AppTek公司的Veronis说,“我们可以适应和训练并不断改进语音识别引擎。”

(3)数据科学家

Katyal说,当企业考虑克服人工智能挑战时,通常会考虑创建新的人工智能算法。但他们可能会从改善数据中获得更多价值。“这是功能性人工智能的常见障碍。”他说。

Katyal表示,这使得数据科学家成为所有人工智能中最重要的角色。24%的受访者表示,数据科学家为企业的数据用于人工智能系统做好了准备。他们还确定企业实现目标所需的数据——内部生成或从第三方收集的数据。数据科学家还可以发现数据何时丢失,何时知道特定类型的数据不足,以及何时识别数据集偏差或过时。

他们也是那些识别正确的算法用于他们的数据集,训练和调整这些算法,并与主题专家合作验证结果的人员。

Katyal说,“在过去,他们应该是高级统计学家,他们是人工智能研究和人工智能软件的用户。”

日本的三井住友银行将数据科学家视为近期开展人工智能项目的核心因素。作为全球金融公司和日本第二大资产银行,三井住友银行正在利用人工智能改善其数据中心的客户服务,使员工更容易找到信息,并更好地识别潜在的企业客户。

该银行执行董事Akinobu Funayama表示,三井住友银行已经拥有一个数据管理部门和数据科学家。首先,数据科学家将人工设置用例,识别与这些用例最相关的数据点,并创建算法来分析数据。例如,在为潜在的新客户获取盈利能力时,数据科学家会考虑数千个因素,并了解是否有用。

其整个过程需要两到三个月的时间来处理每个用例,每年将转化为10到15个用例。利用dotData的技术来帮助识别对创建新算法最有用的数据点,SMBC将创建新模型所需的时间缩短到了几个小时。这使得银行每年可以处理的用例数量增加到大约100个,使其能够将人工智能应用到银行的更多领域,包括财务、财政和合规性。

“我们正在努力提高整个团队的绩效。”Funayama说。

他说,数据科学家对这一过程仍然至关重要,但他们现在正在处理更广泛的人工智能技术业务用例,而不是进行重复的特征工程工作。

(4)用户体验设计师

随着人工智能融入到更多的产品和服务中,用户体验设计变得越来越重要。人们现在希望能够提出简单的问题,或者让应用程序从上下文推断出他们需要什么,而不是打开菜单或单击按钮那么简单。

总部位于亚利桑那州Tempe的Insight技术咨询公司首席技术官Brandon Ebken说,“我们一直认为用户体验是由网络驱动或移动程序驱动的。在人工智能领域,我们正在与聊天机器人、Siri或Cortana以及Voice进行交互。它创造了一种全新的用户体验设计,在创建新的人工智能工具时,它是一个关键的部分。”

德勤公司的Katyal表示,“人工智能产品与人类经验之间的联系正在不断发展,我认为这是下一场革命,人们已经开始看到它。”

随着新工具的创建,人们必须能够使用它们,这可能需要新的接口,以及应用程序或业务流程的结构变化。

他说,为了找到具备这些技能的人,企业应该寻找客户服务方面的专家。

(5)变更管理专家

德勤公司的Katyal表示,变更管理是人工智能部署中最容易被忽视的一个方面。并且不仅是企业员工从变更管理中受益,而且还受益于用户。Katyal补充说,“这是最艰难的事情,这是企业中最被忽视和低估的领域。”

尽管如此,在德勤公司的调查中,22%的受访者对变革管理专家的需求仍然很大,这是他们最需要的技能。德勤公司表示,人工智能项目可能对知识工作者产生巨大影响,如果他们没有参与解决方案的开发,知识工作者可能会拒绝接受人工智能建议。

德勤公司的调查报告称,“在试点、基层实验和供应商驱动的炒作中,促进组织变革的基础可能会迷失。”

此外,63%接受调查的IT经理表示,为了削减成本,他们的公司希望使用人工智能来尽可能多地自动化工作,这进一步强调了对变革管理专业知识的需求。

(6)项目经理

许多人工智能项目都存在问题,因为它们通常不会像企业使用更成熟的技术一样严格管理。能够领导人工智能实施的项目经理可以帮助将人工智能集成到企业的角色和流程中,帮助衡量和证明业务价值,这对德勤公司分析师中39%的受访者来说是位列前三的挑战。他们还可以处理与人工智能相关的其他领域的技能短缺问题。

如今找到数据科学家比较困难,因为他们也是软件工程师、用户界面设计师、安全专家和主题专家。西雅图一家商业咨询机构Slalom公司的总经理MartyYoung说,正因为如此,人工智能项目包括了复杂的团队。

项目经理需要讨论所有这些角色。此外,风险投资公司General Catalyst Partners的总经理Steve Herrod表示,项目经理将帮助多学科团队将人工智能从实验性试点项目转移到软件工程和软件生命周期的另一个方面。Herrod以前是VMware公司的首席技术官。

“我们不应忽视需要了解模型独特方面的项目和项目经理,并将其纳入他们必须参与的更广泛的软件版本中。”他补充说。

Herrod说,随着该领域的发展,将会有更广泛的相关角色,例如处理审计和认证相关问题的人员。

这将为项目经理创造更多的工作和更多的需求。

(7)解读人工智能结果的商业领袖

即使企业将外部供应商用于其大部分人工智能功能,拥有内部业务专业知识也是至关重要的。

印度航运商Spoton Logistics公司就是这种情况,该公司希望使用人工智能来帮助财务部门的客户服务、情感分析和自动化。例如,其特定的用例是解决公司的“第一英里”和“最后一英里”地址问题。

该公司商业工程主管SatyaPal说,“印度的地址格式并不标准,当企业正在使用尚未完全填写的地址时,情况会变得更糟。这消除了集中规划和车辆利用的可能性。”

该公司决定使用外部供应商开展大部分工作,而不是在内部构建技术。然而,需要解释人工智能结果的业务领导者是企业的内部团队。他说,他们对公司试图解决的具体问题有业务知识,对各种人工智能模型和框架有了解。例如,他们能够理解分类模型与强化学习以及监督与非监督学习的应用。

他说,“一般来说,他们来自具有Python知识的计算机科学背景的人员。需要一些额外的培训,但这通常是独立的研究以及人工智能相关的在线课程。”

这使得他们能够确定哪种人工智能方法最适合解决特定的产品和验证进展。

(8)主题专家

由于现成的人工智能工具并不总是适用于所有用例,因此主题专家是关键。例如,产品推荐引擎通常是围绕在线零售商的需求而设计的,EnergySavvy公司专注于公用事业行业的软件公司客户解决方案的高级副总裁Michael Rigney说。

网上零售商收集顾客购物习惯的数据,并将其与其他顾客的购物习惯进行比较。但对于那些从当地公用事业公司获得电力的人来说,过去的购买记录并不是有用的指标。在这方面,能效公司的专业知识会有所帮助。

相关推荐