Zehn Schlüsselrollen für den Erfolg künstlicher Intelligenz

Immer mehr Unternehmen in allen Branchen setzen künstliche Intelligenz (KI) ein, um Geschäftsprozesse zu transformieren, aber der Erfolg ihrer KI-Initiativen hängt nicht nur von Daten und Technologie ab, sondern auch davon darauf, ob die richtigen Talente beitreten.

Ein effektives KI-Team in Unternehmen ist eine vielfältige Gruppe, zu der mehr als nur Datenwissenschaftler und Ingenieure gehören. Bradley Shimmin, Chefanalyst für KI-Plattformen, Analysen und Datenmanagement beim Beratungsunternehmen Omdia, sagte, erfolgreiche KI-Teams sollten auch viele Leute umfassen, die das Geschäft verstehen und versuchen, Probleme zu lösen.

„Die uns zur Verfügung stehenden Technologien und Tools erfordern zunehmend, dass wir diesen Außendienstmitarbeitern, Geschäftsanwendern oder Analyseexperten Unterstützung und Autorisierung bieten, damit wir die KI direkt nutzen und innerhalb des Unternehmens verantwortlich sein können.“ # 🎜🎜#

Carlos Anchia, Mitbegründer und CEO des KI-Startups Plainsight, stimmt zu. Er glaubt, dass der Erfolg von KI weitgehend vom Aufbau eines Teams mit vielfältigen fortgeschrittenen Fähigkeiten abhängt, aber das stimmt sehr herausfordernd.

„Es mag einfach erscheinen, herauszufinden, was ein leistungsstarkes KI-Team ausmacht, aber wenn man sich die detaillierten Verantwortlichkeiten jeder Person in einem erfolgreichen KI-Team ansieht, wird man schnell zu dem Schluss kommen, dass …“ Es ist sehr schwierig, so ein Team aufzubauen“, sagte er.

Um Ihnen beim Aufbau eines idealen KI-Teams zu helfen, werfen wir einen Blick auf diese 10 Schlüsselrollen, die das Team haben sollte.

Datenwissenschaftler

Der Datenwissenschaftler kann als der Kern jedes KI-Teams bezeichnet werden. Sie sind für die Verarbeitung und Analyse von Daten, die Erstellung von Modellen für maschinelles Lernen (ML) und das Ziehen von Schlussfolgerungen zur Verbesserung bereits in der Produktion befindlicher ML-Modelle verantwortlich.

Mark Eltsefon, ein Datenwissenschaftler bei TikTok, sagte, dass Datenwissenschaftler eine Mischung aus Produktanalysten und Geschäftsanalysten sind und über bestimmte Kenntnisse im Bereich maschinelles Lernen verfügen.

„Ihre Hauptziele bestehen darin, zu verstehen, welche Schlüsselkennzahlen einen erheblichen Einfluss auf das Unternehmen haben, Daten zur Analyse möglicher Engpässe zu sammeln, Visualisierungen verschiedener Benutzergruppen und Kennzahlen zu implementieren und Ratschläge zur Verbesserung dieser Kennzahlen zu geben „Indikatoren schlagen verschiedene Lösungen vor und entwickeln sie“, sagte er und fügte hinzu, dass es bei der Entwicklung neuer Funktionen für TikTok-Benutzer ohne Datenwissenschaft unmöglich sei zu verstehen, ob die Funktion den Benutzern zugute kommt oder sie abschreckt.

„Sie wissen nicht, wie lange Sie mit dem Testen von Funktionen verbringen sollten und was genau Sie testen sollten. Bei all diesen Problemen müssen Sie Methoden der künstlichen Intelligenz verwenden.“ Ingenieur für maschinelles Lernen

Datenwissenschaftler können Modelle für maschinelles Lernen erstellen, aber es sind die Ingenieure für maschinelles Lernen, die diese Modelle implementieren.

Dattaraj Rao, Innovations- und F&E-Architekt beim Technologiedienstleistungsunternehmen Persistent Systems, sagte: „Die Aufgabe des Machine-Learning-Ingenieurs besteht darin, das Machine-Learning-Modell in einen Container zu packen und in der Produktionsumgebung bereitzustellen – normalerweise in Form von Microservices. „Ingenieure für maschinelles Lernen müssen auch an der Modellverifizierung, A/B-Tests und Produktionsüberwachung teilnehmen.“

Er sagte, dass Ingenieure für maschinelles Lernen in einer ausgereiften Umgebung für maschinelles Lernen auch Service-Tools testen müssen Nur Service-Tools Es ist ein wenig Experimentieren erforderlich, um das Modell zu finden, das in einer Produktionsumgebung die beste Leistung erbringt.

Dateningenieur

Die von Dateningenieuren erstellten und gewarteten Systeme bilden die Dateninfrastruktur der Unternehmensorganisation. Erik Gfesser, Direktor und Chefarchitekt bei Deloitte, sagte, Dateningenieure seien für KI-Initiativen von entscheidender Bedeutung, da Daten gesammelt und für die Verwendung geeignet gemacht werden müssten, bevor sie für andere wertvolle Zwecke verwendet werden könnten.

Er sagte: „Dateningenieure bauen Datenpipelines auf, um Daten für den nachgelagerten Verbrauch zu sammeln und zu aggregieren, und in einer DevOps-Umgebung bauen sie Pipelines, um die Infrastruktur zu implementieren, die diese Datenpipelines betreibt.“

Er sagte, dass Dateningenieure die Grundlage für maschinelles Lernen und nicht-maschinelle Lernprojekte seien. „Wenn Sie beispielsweise eine Datenpipeline in einer öffentlichen Cloud implementieren, müssen Dateningenieure zunächst Skripte schreiben, um die erforderlichen Cloud-Dienste zu starten, die dann die zur Verarbeitung der Daten erforderlichen Berechnungen bereitstellen.“ , Chief Technology Officer des IT-Dienstleistungsunternehmens SPR, sagte, wenn Sie zum ersten Mal ein Team aufbauen, müssen Sie wissen, dass Data Science ein iterativer Prozess ist, der große Datenmengen erfordert. Vorausgesetzt, Sie verfügen über genügend Daten, „werden etwa 80 % der Arbeit mit Data Engineering zusammenhängen und etwa 20 % werden tatsächliche Arbeiten im Zusammenhang mit Data Science sein.“ Aus diesem Grund, sagte er, KI Teams Nur eine kleine Anzahl von Menschen arbeitet in der Datenwissenschaft. „Andere Mitglieder des Teams müssen das zu lösende Problem identifizieren, bei der Interpretation der Daten helfen, bei der Organisation der Daten helfen, die Integration in ein anderes Produktionssystem ausgeben oder die Daten präsentationsbereit präsentieren 🎜🎜#

Datenverwalter sind dafür verantwortlich, die Verwaltung der Unternehmensdaten zu überwachen und sicherzustellen, dass die Daten zugänglich und von hoher Qualität sind. Diese wichtige Rolle stellt sicher, dass die Daten im gesamten Unternehmen konsistent verwendet werden und dass das Unternehmen die sich ändernden Datengesetze einhält.

Ken Seier, nationaler Praxisleiter für Daten und KI beim Technologieunternehmen Insight, sagte, dass Datenverwalter sicherstellen, dass Datenwissenschaftler Zugriff auf genaue Daten haben und dass alles wiederholbar und im Datenkatalog klar gekennzeichnet ist.

Die Person, die diese Position innehat, muss sich mit Datenwissenschaft auskennen und über Kommunikationsfähigkeiten verfügen, um teamübergreifend zusammenzuarbeiten und mit Datenwissenschaftlern und -ingenieuren zusammenzuarbeiten, um sicherzustellen, dass Daten für Stakeholder und Geschäftsanwender zugänglich sind.

Datenmanager setzen auch die Richtlinien der Organisation zur Datennutzung und -sicherheit durch. „Datenverwalter müssen sicherstellen, dass nur diejenigen Zugang zu sicheren Daten erhalten, die Zugang zu sicheren Daten erhalten sollten“, sagte Seier Eine Autorität in einem bestimmten Bereich kann die Qualität der verfügbaren Daten beurteilen, mit den erwarteten Geschäftsnutzern des KI-Projekts kommunizieren und sicherstellen, dass das Projekt einen realen Wert hat.

Max Babych, CEO des Softwareentwicklungsunternehmens SpdLoad, sagte, Domänenexperten seien unerlässlich, da technische Experten, die KI-Systeme entwickeln, selten über Fachwissen in der Zieldomäne des Systems verfügen. „Fachexperten können entscheidende Erkenntnisse liefern, die es KI-Systemen ermöglichen, ihre beste Leistung zu erbringen.“

Als SpdLoad ein Computer-Vision-System zur Identifizierung sich bewegender Objekte auf dem Autopiloten entwickelte, um die LIDAR-Technologie zu ersetzen, taten sie dies ohne Hilfe. Das Projekt wurde mit der Hilfe gestartet von Domänenexperten. Obwohl Studien die Wirksamkeit des Systems bewiesen, wusste SpdLoad nicht, dass Automarken aufgrund der bewährten Zuverlässigkeit der Technologie Lidar gegenüber Computer Vision bevorzugten und keine Möglichkeit hatten, auf Computer Vision basierende Produkte zu erwerben.

„Ein wichtiger Ratschlag, den ich gerne weitergeben möchte, ist, dass Sie über das Geschäftsmodell nachdenken und dann Fachexperten damit beauftragen, zu beurteilen, ob dies eine praktikable Möglichkeit ist, in der Branche Geld zu verdienen, bevor Sie sich technischeren Themen zuwenden.“

Ashish Tulsankar, Leiter der KI-Abteilung bei der Bildungstechnologieplattform iSchoolConnect, sagte, dass Fachexperten wichtige Verbindungsleute zwischen Kunden und KI-Teams sein können.

„Diese Person kann mit Kunden kommunizieren, ihre Bedürfnisse verstehen und dem KI-Team eine Reihe von Anweisungen geben. Und Fachexperten können auch überwachen, ob das Unternehmen KI auf ethische Weise implementiert.“ Ein KI-Designer ist dafür verantwortlich, mit Entwicklern zusammenzuarbeiten, um sicherzustellen, dass sie die tatsächlichen Bedürfnisse menschlicher Benutzer verstehen. Diese Rolle stellt vor, wie Benutzer mit KI interagieren, und erstellt Prototypen, um Nutzungsszenarien für neue KI-Funktionen zu demonstrieren.

KI-Designer sorgen außerdem dafür, dass Vertrauen zwischen menschlichen Benutzern und KI-Systemen aufgebaut wird, und stellen so sicher, dass die KI aus dem Feedback der Benutzer lernen und sich verbessern kann.

Shervin Khodabandeh, Co-Leiter der nordamerikanischen KI-Praxis von BCG, glaubt: „Eine der Schwierigkeiten, auf die Unternehmen bei der Skalierung von KI stoßen, besteht darin, dass Benutzer die Lösung nicht verstehen, nicht damit einverstanden sind oder nicht mit ihr interagieren können.“ Das Geheimnis für Organisationen, die an Wert gewinnen, ist tatsächlich, dass sie die Mensch-Computer-Interaktion auf die richtige Art und Weise durchführen können.“ sind Algorithmen und 20 % sind Technologie und Daten. Bei Plattformen entstehen 70 % des Werts aus der Geschäftsintegration oder der Einbindung in die Unternehmensstrategie in Geschäftsprozessen.

„Die Interaktion zwischen Mensch und Computer ist absolut entscheidend und ein wichtiger Teil von 70 % der Herausforderungen“, sagte er und fügte hinzu, dass KI-Designer Ihnen helfen werden, Ihre Ziele zu erreichen.

Produktmanager

Der Produktmanager ist für die Ermittlung der Kundenbedürfnisse verantwortlich, verantwortlich für die Produktentwicklung und das Produktmarketing und stellt gleichzeitig sicher, dass das KI-Team günstige strategische Entscheidungen trifft.

„In einem KI-Team besteht die Aufgabe des Produktmanagers darin, zu verstehen, wie KI zur Lösung von Kundenproblemen eingesetzt werden kann, und dies dann in eine Produktstrategie umzusetzen“, sagte Dorota Owczarek, Produktmanagerin beim KI-Entwicklungsunternehmen Nexocode.

Owczarek beteiligte sich kürzlich an einem Projekt zur Entwicklung eines KI-Produkts für die Pharmaindustrie, das die menschliche Überprüfung von Forschungsarbeiten und Dokumenten in natürlicher Sprache unterstützen würde.

„Dieses Projekt erforderte eine enge Zusammenarbeit mit Datenwissenschaftlern, Ingenieuren für maschinelles Lernen und Dateningenieuren, um die Modelle und Algorithmen zu entwickeln, die für den Betrieb des Produkts erforderlich sind“, sagte sie.

Als Produktmanager ist Owczarek für die Umsetzung von Produkt-Roadmaps, die Schätzung und Kontrolle von Budgets sowie für die Zusammenarbeit zwischen Produkttechnologie, Benutzererfahrung und Geschäftsaspekten verantwortlich.

„Da das Projekt in diesem speziellen Fall von Geschäftsinteressenten initiiert wurde, war es besonders wichtig, einen Produktmanager zu haben, der sicherstellen konnte, dass ihre Bedürfnisse erfüllt wurden und sich gleichzeitig auf die Gesamtziele des Projekts konzentrierte“, sagte sie, KI-Produktmanagerin Sie sollten sowohl über technische Fähigkeiten als auch über Geschäftssinn verfügen.

„Produktmanager sollten in der Lage sein, eng mit verschiedenen Teams und Interessengruppen zusammenzuarbeiten. In den meisten Fällen hängt der Erfolg von KI-Projekten von der Zusammenarbeit zwischen Geschäfts-, Datenwissenschafts-, maschinellen Lerntechnik- und Designteams ab.“

Owczarek KI-Produkt Manager müssen auch die ethischen Überlegungen im Zusammenhang mit KI verstehen, sagte er: „Sie sind für die Entwicklung interner Prozesse und Richtlinien verantwortlich, um sicherzustellen, dass die Produkte des Unternehmens den Best Practices der Branche entsprechen.“

KI-Stratege

Ein KI-Stratege muss verstehen, wie die Dinge auf Unternehmensebene funktionieren, und sich mit dem Führungsteam und externen Stakeholdern abstimmen, um sicherzustellen, dass das Unternehmen über die richtige Infrastruktur und die richtigen Talente verfügt, um mit KI-Initiativen erfolgreich zu sein.

Um erfolgreich zu sein, müssen KI-Strategen über ein tiefes Verständnis ihres Geschäftsfelds und der Grundlagen des maschinellen Lernens verfügen. Sie müssen auch wissen, wie sie KI zur Lösung von Geschäftsproblemen einsetzen können, sagte Dan Diasio, globaler KI-Leiter bei EY Consulting.

„Vor ein paar Jahren war die Technologie der schwierigere Teil, aber jetzt definiert die Technologie die Art und Weise neu, wie wir verschiedene Unternehmen verbinden, um die KI-Fähigkeiten oder KI-Ressourcen, die wir aufbauen, voll auszunutzen.“ Hinzugefügt: KI-Strategen können Unternehmen dabei helfen, darüber nachzudenken, wie KI mit transformativem Denken eingesetzt werden kann.

„Um die Art und Weise zu ändern, wie (Unternehmen) Entscheidungen treffen, bedarf es Menschen mit erheblichem Einfluss und Vision, die den Prozess vorantreiben.“ Daten, die sie benötigen, um die KI effektiv voranzutreiben.

„Heutzutage stellen die Daten, die Unternehmen in ihren Systemen oder in ihren Data Warehouses haben, tatsächlich nur einen winzigen Bruchteil der Daten dar, die sie zum Aufbau von KI-Fähigkeiten benötigen. Darum geht es Wir blicken in die Zukunft und sehen, wie mehr Daten erfasst und genutzt werden können, ohne gegen Datenschutzbestimmungen zu verstoßen.“

„Entscheidungsträger sind diejenigen, die das Geschäft, die Chancen und Risiken verstehen“, sagt Tulsankar von iSchoolConnect.

Er sagte, dass leitende KI-Beamte wissen sollten, welchen Nutzen menschliche KI haben kann und welche davon die größten wirtschaftlichen Vorteile bringen können, und sie sollten in der Lage sein, diese Chancen den Interessengruppen gegenüber zu artikulieren.

„Sie sollten auch besprechen, wie diese Möglichkeiten iterativ umgesetzt werden können, wenn es mehrere Kunden oder mehrere Produkte gibt, die KI benötigen, sollte der Chief AI Officer in der Lage sein, die kundenunabhängigen und kundenspezifischen Teile zu trennen der Umsetzung. ”

Executive Sponsor

Der Executive Sponsor muss eine Führungskraft auf C-Ebene sein, die eine aktive Rolle dabei spielt, sicherzustellen, dass KI-Projekte Ergebnisse erzielen, und dafür verantwortlich ist den KI-Plan des Unternehmens, um eine Finanzierung zu erhalten.

Diasio von EY Consulting sagte, dass Führungskräfte eine wichtige Rolle dabei spielen, KI-Projekte zum Erfolg zu führen. „Die größten Chancen für Unternehmen ergeben sich oft aus Bereichen, in denen sie aus bestimmten Funktionen ausbrechen.“ und ein Vertriebsteam und ein Marketingteam: „Die größte und beste Chance, KI zur Transformation des Unternehmens einzusetzen, betrifft alle vier Funktionen. Um diese Veränderungen zu erreichen, ist eine starke Führung durch den CEO oder das Top-Management erforderlich.“ #

Shervin Khodabandeh von BCG sagte, dass viele Führungskräfte von Unternehmen das Potenzial von KI leider nicht vollständig verstehen.

„Sie haben ein sehr begrenztes Verständnis von KI und betrachten KI oft als Blackbox und werfen sie direkt den Datenwissenschaftlern zu, aber sie verstehen nicht wirklich, welche neuen Methoden für den Einsatz von KI erforderlich sind.“ #🎜 🎜#

Er sagte, wenn ein Unternehmen nicht versteht, wie das KI-Team funktioniert, wie die Rollen funktionieren und wie man Berechtigungen erhält, wird die Einführung von KI eine große Veränderung in der Unternehmenskultur bedeuten. „99 % der traditionellen Unternehmen, die KI einführen, denken, dass dies eine schwierige Sache ist.“

Das obige ist der detaillierte Inhalt vonZehn Schlüsselrollen für den Erfolg künstlicher Intelligenz. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!