在每个行业里，有很多公司通过 AI 来改变业务流程。但是，他们AI 计划的成功与否不仅取决于数据和技术，还取决于是否有合适的人加入。

一个高效的企业的 AI 团队是一个多元化的团体，其中包含的不仅仅是数据科学家和工程师。咨询公司 Omdia 的 AI 平台、分析和数据管理首席分析师 Bradley Shimmin 表示，成功的 AI 团队还包括一系列了解企业及其试图解决问题的人。

为了帮助你组建一个理想的 AI 团队，以下是发展良好的企业中， AI 团队起到的十大关键角色。

01：数据科学家

数据科学家是任何 AI 团队的核心。他们处理和分析数据，构建机器学习 (ML) 模型，并得出结论以改进已投入生产的 ML 模型。

TikTok 数据科学家 Mark Eltsefon 说，数据科学家是产品分析师和业务分析师的混合体，而且还需具备些许机器学习的知识。

Eltsefon 说：“主要目的是了解，哪些因素会对业务产生重大影响、收集数据以分析可能遇到的瓶颈、将不同的用户群和指标可视化，并就如何提高这些指标提出相应解决方案，包括制作解决方案的原型在哪。在为 TikTok 用户开发新功能时，如果没有数据科学，就不可能了解该功能是使用户受益还是疏远了用户。

他说：“你不明白你应该测试你的功能多长时间，以及你应该测量什么，对于这一切，你必须应用 AI 方法。”

02：机器学习工程师

数据科学家可能会构建 ML 模型，但真正实施它们的是 ML 工程师。

技术服务公司 Persistent Systems 的创新和研发架构师Dattaraj Rao说：“这个人的任务是将 ML 模型打包到容器中，并部署到生产环节——通常是作为一个微服务。”

Rao 说，这个角色需要专业的后端编程和服务器配置技能，以及容器、持续集成和交付部署的知识。“一名 ML工程师还会参与模型验证、A/B 测试和生产监控。”

他还说到，在一个成熟的 ML 环境中，ML 工程师还需要对服务工具进行试验，以帮助在生产中尽快找到性能最佳的模型。

03：数据工程师

数据工程师充当构建和维护组织的一个数据基础系统的角色。德勤董事兼首席架构师 Erik Gfesser 表示，它们对 AI 计划至关重要，因为需要先收集数据并使其适合消费，然后才能用它做值得信赖的事情。

他说：“数据工程师构建数据管道，来收集和组装数据以供下游使用，在 DevOps 环境中，他们构建管道来实现运行这些数据管道的基础设施”。

他说，数据工程师是 ML 和非 ML 计划的基础。“例如，在其中一个公共云中实施数据管道时，数据工程师首先需要编写脚本来启动必要的云服务，这些服务为处理摄取数据提供所需的计算。”

信息技术服务公司 SPR 的首席技术官 Matt Mead 表示，如果你是第一次组建团队，你应该明白数据科学是一个需要大量数据的迭代过程。假设你有足够的数据，“大约 80% 的工作将与数据工程任务相关，大约 20% 是与数据科学有关的实际工作”他说。

他还说到，正因为如此，你的 AI 团队中只有一小部分人会从事数据科学工作。“团队的其他成员将确定正在解决的问题，帮助解释数据，帮助组织数据，将输出的数据整合到另一个生产系统中，或者以可演示的方式呈现数据。”

04：数据维护员

数据维护员负责监督公司数据的管理，并确保其可访问且具有高质量。这一重要角色确保数据在整个组织中的使用是一致的，并且公司遵守不断变化的数据法。

技术公司 Insight 的数据和 AI 国家实践负责人 Ken Seier 表示，数据维护员确保数据科学家获得正确的数据，确保所有内容都是可重复的，并在数据目录中清晰标记出来。

担任此职位的人员需要结合数据科学和沟通技巧，以便在各个团队之间进行协作，并与数据科学家和工程师合作，以确保利益相关者和业务用户能够访问数据。

数据维护员还负责执行一个组织围绕数据使用和安全性的政策。Seier说：“数据维护员要确保只有应该获得安全数据访问权限的人，才能获得该访问权限。”

05：领域专家

领域专家是对特定行业或专一领域有深入的了解的角色。此人是该领域的权威人士，可以判断现有数据的质量，并可以与 AI 项目的预期业务用户进行沟通，以确保其具有现实价值。

软件开发公司 SpdLoad 的首席执行官 Max Babych 表示，这些特定领域的专家是必不可少的，因为开发 AI 系统的技术专家很少具备可受益实际领域的专业知识。“领域专家可以提供关键意见，使 AI 系统发挥最佳性能。”

“我主要想分享的建议是要考虑商业模式，然后吸引领域专家来了解，这在你的行业中是否是一个可行的赚钱方式——然后才尝试讨论更多技术性问题”， 他说。

此外，教育技术平台 iSchoolConnect 的 AI 负责人 Ashish Tulsankar 表示，领域专家可以成为客户和 AI 团队之间的重要联络人。

“这个人可以与客户沟通，了解他们的需求，并为 AI 团队提供下一组持续的方向。而且领域专家还可以跟踪 AI 是否以合乎道德的方式进行实施。”他说。

06：AI 设计师

AI 设计师是与开发人员合作，以确保他们了解人类用户的需求的角色。该角色设想用户将如何与 AI 互动，并创建原型以展示新 AI 功能的案例。

AI 设计师还确保在人类用户和 AI 系统之间建立信任，并确保 AI 从用户反馈中学习和改进。

来自咨询公司 BCG 在北美的 AI 业务的联合负责人 Shervin Khodabandeh 说：“企业在拓展 AI 方面的困难之一是，用户不能理解这个解决方案、不同意或无法与之交互。从 AI 中获得价值的企业——他们的秘诀就是解决了人与 AI 的交互问题。”

BCG 是按照咨询公司 BCG 在北美的 AI 业务的联合负责人Shervin Khodabandeh 说10 – 20 – 70的规则来思考的，即 10% 的价值是算法，20% 是技术和数据平台，70% 的价值来自业务整合或与业务流程中的公司战略挂钩，他解释道。

Khodabandeh 说：“人机交互绝对是关键，是这 70% 挑战的一个重要组成部分”，并补充说 AI 设计师将帮助你实现目标。

07：产品经理

产品经理充当识别客户需求，领导产品的开发和营销，同时确保 AI 团队做出有益的战略决策的角色。

“在 AI 团队中，产品经理负责了解如何使用 AI 并解决客户问题，然后将其转化为产品战略”来自一家 AI 开发公司 Nexocode 的产品经理 Dorota Owczarek 说道。

Owczarek 最近参与了一个项目，为制药业开发一个基于 AI 的产品，该产品将支持用自然语言处理以代替手动审查研究论文和文件。

她说：“该项目需要与数据科学家、机器学习工程师和数据工程师密切合作，以开发为产品提供动力所需的模型和算法。”

作为产品经理， Owczarek负责实施产品路线图、估算和控制预算，并处理产品技术、用户体验和业务方面之间的合作。

“在这种特殊情况下，由于项目是由业务利益相关者发起的，因此，有一位能够确保满足他们需求，同时也关注项目总体目标的项目经理显得尤为重要。”她提出并补充道， AI 产品经理应该同时具备技术能力和商业头脑。

她说：“他们需要与其他团队和利益相关者建立密切合作。在大多数情况下， AI 项目的成功将取决于业务、数据科学、机器学习工程和设计团队之间的协作。”

Owczarek 补充到， AI 产品经理还需要了解与 AI 合作在伦理道德上带来的影响。“他们负责制定内部流程和指导方针，确保公司的产品遵循行业最佳实践。”

08：AI 战略家

AI 战略家需要了解公司在公司层面的运作方式，并与执行团队和外部利益相关者进行协调，以确保公司拥有合适的基础设施和人才，为其 AI 计划取得一个成功的结果。

来自 EY Consulting 的全球 AI 负责人 Dan Diasio 表示，要想取得成功， AI 战略家必须深入了解他们的业务领域和机器学习的基础知识；他们还必须知道如何使用 AI 来解决业务问题。

他说：“在几年前，技术属于需要攻克的部分，但现在是需要重新构思如何利用 AI 布局我们的业务线，以充分利用我们创造的AI 能力或 AI 资产。他还补充到， AI 战略家可以帮助公司进行如何利用 AI 转型等思考。”

Diasio说：“要改变（公司做出）决策的方式，需要一个具备极大影响力和远见的人，来推动这一进程。”

AI 战略家还可以帮助企业获得他们需要的数据，以有效地推动人工智能。

09：首席AI 官

首席 AI 官是所有 AI 计划的主要决策者，负责将 AI 潜在的商业价值传达给利益相关者和客户。

来自 iSchoolConnect 的 Tulsankar 说：“决策者是了解业务、商机和风险的人。首席 AI 官应该知道 AI 可以解决的案例，哪些可以带来显著的经济效益，他们应该能够向利益相关者阐述这些机会。

他还提到：“他们还应该对如何迭代已实现这些机会，制定相关计划。如果有多个客户或多个产品需要应用 AI ，首席 AI 官要将与客户无关和客户特定的实施部分进行拆解。”

10：执行主管

执行主管是高级管理层中的一位经理，他在确保 AI 项目取得成果方面发挥积极作用，并负责为公司的 AI 计划获得资金。

Diasio 表示，执行领导层在帮助推动 AI 项目取得成功方面，发挥着重要作用。他指出：“对于公司来说，最大的机会往往是他们突破特定职能的领域。”

BCG 的 Shervin Khodabandeh说，不幸的是，许多公司的高级管理层并没有充分了解 AI 的潜力。

他说：“他们对 AI 的理解非常有限，他们经常将其视为一个黑匣子。他们把它扔给数据科学家，但他们并不真正理解需要用 AI 的新工作方式。”

他说，对于许多公司来说，使用 AI 是一个巨大的文化变革。他们不了解具备高级功能的 AI 团队如何工作、每个成员如何协作、以及如何被授权。“对于 99 %使用 AI 的传统公司来说，这是一件很难的事情。”