人工智能供应了充分的机会来获取商业代价。
如果做得好，人工智能可以帮助改进发卖、优化运营，并为员工供应具有更高代价的事情。
它有助于降落本钱，并授予组织创造新产品和开拓新市场的能力。

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干系的试点项目。
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能上的投资超过500万美元。
56%的高管估量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随意马虎，而且须要某些关键技能，但很难找到。
以下理解一下人工智能成功的八个关键角色：

(1)人工智能研究职员

对付一些企业来说，参与研究可能会揠苗助长。
毕竟，人工智能研究职员每每是进行根本技能研究的专家，他们可能有朝一日在机器的思考能力方面取得打破。
此外，追踪人工智能的研究职员意味着须要与谷歌公司和微软公司等科技巨子进行竞争，可能无法立即带来商业利益。

但总有一些希望取得打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职员的高需求有关。
根据德勤公司的调查，30%的IT行业首席实行官认为在他们的紧张任务中探求人工智能研究职员比其他任何角色都主要。

德勤风险和金融咨询公司卖力剖析和数据风险的环球领导者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运用之间的差异。

然而，对付人工智能对其核心业务至关主要的公司而言，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能，AppTek公司致力于研究人工智能在语音识别方面的运用以跟上技能的进展。
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，我们这样做是为理解决问题，并提高能力。
”

(2)人工智能软件开拓职员

人工智能软件开拓职员常日进行的是根本研究，例如深度学习或天生对抗网络的最新发展，并将其转化为可用的产品。
一些企业将这项事情交给大型供应商，依赖商业平台而不是开拓自己的人工智能技能。
但纵然企业利用已知的人工智能技能，他们可能仍旧希望建立自己的平台。
这在一定程度上可以阐明对付人工智能软件开拓职员更高的需求，这是德勤调查中28%的受访者指出的紧张任务。

企业构建自己的框架的一个缘故原由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，特殊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，“大概企业该当自己开拓一些东西，在那里知道自己建造了什么，自己拥有代码，并掌握着它的统统。
这种谈论非常普遍。
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，它还可以根据须要定制产品，而不是一个不易调度的黑匣子商业系统。
AppTek公司的Veronis说，“我们可以适应和演习并不断改进语音识别引擎。
”

(3)数据科学家

Katyal说，当企业考虑战胜人工智能寻衅时，常日会考虑创建新的人工智能算法。
但他们可能会从改进数据中得到更多代价。
“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主要的角色。
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——内部天生或从第三方网络的数据。
数据科学家还可以创造数据何时丢失，何时知道特定类型的数据不敷，以及何时识别数据集偏差或过期。

他们也是那些识别精确的算法用于他们的数据集，演习和调度这些算法，并与主题专家互助验证结果的职员。

Katyal说,“在过去，他们该当是高等统计学家，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成分。
作为环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进其数据中央的客户做事，使员工更随意马虎找到信息，并更好地识别潜在的企业客户。

该银行实行董事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，识别与这些用例最干系的数据点，并创建算法来剖析数据。
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成分，并理解是否有用。

其全体过程须要两到三个月的韶光来处理每个用例，每年将转化为10到15个用例。
利用dotData的技能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韶光缩短到了几个小时。
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运用到银行的更多领域，包括财务、财政和合规性。

“我们正在努力提高全体团队的绩效。
”Funayama说。

他说，数据科学家对这一过程仍旧至关主要，但他们现在正在处理更广泛的人工智能技能业务用例，而不是进行重复的特色工程事情。

(4)用户体验设计师

随着人工智能融入到更多的产品和做事中，用户体验设计变得越来越主要。
人们现在希望能够提出大略的问题，或者让运用程序从高下文推断出他们须要什么，而不是打开菜单或单击按钮那么大略。

总部位于亚利桑那州Tempe的Insight技能咨询公司首席技能官Brandon Ebken说，“我们一贯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，我们正在与谈天机器人、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履历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，人们必须能够利用它们，这可能须要新的接口，以及运用程序或业务流程的构造变革。

他说，为了找到具备这些技能的人，企业该当探求客户做事方面的专家。

(5)变更管理专家

德勤公司的Katyal表示，变更管理是人工智能支配中最随意马虎被忽略的一个方面。
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，“这是最困难的事情，这是企业中最被忽略和低估的领域。
”

只管如此，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旧很大，这是他们最须要的技能。
德勤公司表示，人工智能项目可能对知识事情者产生巨大影响，如果他们没有参与办理方案的开拓，知识事情者可能会谢绝接管人工智能建议。

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，促进组织变革的根本可能会迷失落。
”

此外，63%接管调查的IT经理表示，为了减少本钱，他们的公司希望利用人工智能来尽可能多田主动化事情，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，由于它们常日不会像企业利用更成熟的技能一样严格管理。
能够领导人工智能履行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代价，这对德勤公司剖析师中39%的受访者来说是位列前三的寻衅。
他们还可以处理与人工智能干系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，由于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，正由于如此，人工智能项目包括了繁芜的团队。

项目经理须要谈论所有这些角色。
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公司的首席技能官。

“我们不应忽略须要理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，将会有更广泛的干系角色，例如处理审计和认证干系问题的职员。

这将为项目经理创造更多的事情和更多的需求。

(7)解读人工智能结果的商业领袖

纵然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主要的。

印度航运商Spoton Logistics公司便是这种情形，该公司希望利用人工智能来帮助财务部门的客户做事、情绪剖析和自动化。
例如，其特定的用例是办理公司的“第一英里”和“末了一英里”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，当企业正在利用尚未完备填写的地址时，情形会变得更糟。
这肃清了集上钩划和车辆利用的可能性。
”

该公司决定利用外部供应商开展大部分事情，而不是在内部构建技能。
然而，须要阐明人工智能结果的业务领导者是企业的内部团队。
他说，他们对公司试图办理的详细问题有业务知识，对各种人工智能模型和框架有理解。
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运用。

他说，“一样平常来说，他们来自具有Python知识的打算机科学背景的职员。
须要一些额外的培训，但这常日是独立的研究以及人工智能干系的在线课程。
”

这使得他们能够确定哪种人工智能方法最适宜办理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，产品推举引擎常日是环绕在线零售商的需求而设计的，EnergySavvy公司专注于公用奇迹行业的软件公司客户办理方案的高等副总裁Michael Rigney说。

网上零售商网络顾客购物习气的数据，并将其与其他顾客的购物习气进行比较。
但对付那些从当地公用奇迹公司得到电力的人来说，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。

Rigney说，“我们知道如何确定哪些客户从节能项目中受益，他们受益多少，以及其他哪些客户与这些客户类似，并且也会受益。
”这有助于EnergySavvy为马萨诸塞州的Nationa lGrid公司等客户供应做事。

EnergySavvy公司营销副总裁Ryan Warren表示，“新的人工智能能力是企业近期收入增长的绝大部分。
我们的客户得到快速增长，而公司未来的业务都与人工智能支持的技能有着根本的联系。
”