人工智能操持的成功可能取决于艺术和哲学，也取决于数据科学和机器学习。
这是由于企业有效支配人工智能须要建立一个全面的团队，个中包括来自各种背景和技能集的职员，以及非技能角色。

Ness数字工程公司首席技能官MosheKranc说，“任何人工智能操持都须要IT专家和行业领域专家的结合。
IT专家理解机器学习工具包：哪些算法系列最有可能办理特定问题?如何调度特定的算法以提高结果的准确性?而行业领域专家带来特定领域的知识：哪些数据源可用?数据有多脏?机器学习算法的建议质量如何?如果没有行业领域专家的输入，IT专家可能无法回答这些问题。
”

因此得出的结论是：人工智能的成功确实依赖于团队，而不是任何个人或角色。

SAS公司实行副总裁兼首席信息官Keith Collins说，“当建立一支有效的人工智能团队时，我们须要寻求行业专家或超级团队，而团队互助才会赢得胜利。
多元化的学科是人工智能成功的关键。
”

人工智能人才的四大核心类型

Collins认为人工智能团队须要四个核心类型的职员：

•理解业务流程对付建立真实场景和有代价的结果至关主要的职员。

•理解机器学习、统计、预测和优化等剖析技能并且精确利用的职员。

•理解数据来自哪里，质量如何，如何掩护安全和信赖的职员。

•理解如何通过结果来履行剖析的人工智能架构师。

Collins指出，与其他IT领导者和人工智能专家一样，这些核心学科或角色可以从各种背景中汲取灵感。
他以音乐、化学、物理等学科为例。

他说：“这些学科鼓励人们从繁芜的交互系统中理解科学的过程和思维。
他们常日善于建立良好实验所需的批驳性思维技能和运用机器学习的成果。
”

多元化人工智能团队的代价

多元化团队的代价范围广泛：例如，它可以帮助企业更好地应对人工智能偏见。
办理业务问题(包括最大和最棘手的问题)也很主要，这可能是企业首先制订人工智能计策的缘故原由之一。

Very公司高等数据科学家和物联网实践主管Jeff McGehee说，“人们普遍认为，多样化的见地对付办理所有繁芜的问题至关主要。
多样性与生活体验有关，专业背景是大多数人生活体验的主要组成部分，它可以为人工智能项目增加维度，并为探求创新办理方案供应新的视角。
”

McGehee还指出，建立人工智能或其他不同的团队须要企业的积极努力，并作为招聘和雇佣实践的一部分。
企业会创造实现多样性可能不是一个可行的团队培植策略。

考虑到这一点，须要理解对付人工智能团队具有代价的一系列专家和角色，个中包括非技能角色。

1.领域专家

人们可以将这些角色和职员视为主题专家。
无论利用哪个术语，都须要理解他们对企业的人工智能操持的主要性。

McGehee说，“开拓人工智能系统须要深入理解系统运行的领域。
开拓人工智能系统的专家很少会成为系统实际领域的专家。
行业领域专家可以供应关键见地，使人工智能系统发挥最佳性能。
”

Ness公司Kranc指出，这些专家可以办理其所在领域针对企业和计策的问题。

他表示，行业领域专家类型取决于要办理的问题。
无论所需的洞察力是在创收和运营效率还是在供应链管理方面，行业领域专家都须要回答这些问题：

•哪些见地最有代价?

•网络的有关行业领域的数据是否可以作为见地的根本?

•得出的见地是否具故意义?

以下将先容一些特定的行业领域示例，但首先理解一下人工智能团队中的其他一些关键角色。

2.数据科学家

Jane.ai公司人工智能研发主管Dave Costenaro表示，这是人工智能团队在新建项目上事情的三个关键需求中的第一个。
其示例项目包括谈天代理、打算机视觉系统或预测引擎。

Costenaro说，“数据科学家有着各种背景，如统计学、工程学、打算机科学、生理学、哲学、音乐等，常日都具有强烈的好奇心，这迫使他们深入系统中探求和利用模式，例如他们可以为人工智能项目供应什么，确定它能做什么，并演习它做到这一点。
”

3.数据工程师

Costenaro说，“程序员从数据科学家那里得到想法、模型、算法，并通过规范化代码、使其在做事器上运行以及成功地与适当的用户、设备、API等进行对话，并将它们变为现实。
”

4.产品设计师

Costenaro表示，三项关键需求的终极结果也解释了人工智能团队的非技能专业知识的代价。

他说：“产品设计师也来自各种背景，例如艺术、设计、工程、管理、生理学、哲学。
他们为所需和有用的东西制订了路线图。
”

5. 人工智能伦理学家和社会学家

人工智能伦理学家和社会学家可能在某些部门(特殊是医疗保健或政府部门)中发挥着至关主要的浸染，但在广泛的利用案例中彷佛可能会变得越来越主要。

McGehee说，“人工智能系统的一个主要组成部分是理解它如何影响人们，以及代表性不敷的群体是否受到公正对待。
如果一个别系具有前所未有的准确性，但没有产生预期的社会影响，它注定会失落败。
”

6.状师

McGehee表示，在这个新兴领域也看到了对法律专业知识的单独而干系的需求。
McGehee说，“GDPR法规为制订环绕算法决策的法规树立了先例。
随着天下各国对人工智能在工业中的运用越来越理解，估量将出台更多的法律。
精通这一领域的状师可能是一种宝贵的财富。
”

由于行业领域专家如此主要，正如Kranc和McGehee所阐述的那样，有必要研究一些行业领域的具体例子，个中包括技能和非技能领域。
这些领域该当是人工智能团队培植的一部分，详细取决于企业的特定目标和用例。

Jane.ai公司的Costenaro指出，“由于人工智能常日只是增强现有商业用例的一个使能层，因此过去支持过这个用例的团队成员仍旧是具有代价的，出于同样的缘故原由也是必不可少的。
”

Costenaro供应了五个可能具有代价的人工智能贡献者的角色示例，并阐明了如何在人工智能环境中调度和增强现有角色。

7. 高管和策略师

Costenaro说，“企业高管领导层将须要考虑哪些业务模式可以通过人工智能实现自动化和改进，并权衡来自以下团队的新机会和风险，如数据隐私、人机交互等。
”

8. IT主管

不要对非技能角色的代价感到困惑：如果没有IT，企业的人工智能计策就不会走得太远。
Costenaro指出，IT团队须要办理以下问题：“如果正在为模型培训积累和存储大量数据，那么将如何确保数据的隐私性和安全性?此外，将如何存储并从做事器到客户的设备快速可靠地供应做事?”

Costenaro补充道，这也将推动对DevOps专业人士和拥有云原生技能(如容器和编排)专业知识职员需求的不断增长。
而IT部门有机会利用诸如谈天机器人之类的人工智能工具来简化内部做事。

9.人力资源领导者

Costenaro说，“与此类似，人力资源部也有很多机会通过利用像谈天机器人这样的人工智能工具来为客户供应做事，从而提高效率。
”

此外，人力资源彷佛很可能成为评估组织内人工智能影响的一个主要参与者，这与McGehee将伦理学家和状师等角色包括在内并没有不同。

10.营销和发卖领导者

正如Kranc指出的那样，如果企业的人工智能操持与创收干系，那么该当考虑从发卖和营销等领域添加领域专业知识。

Costenaro还指出，作为人工智能项目的一部分，发卖和营销专业职员可能须要利用发卖自动化工具和机器人流程自动化(RPA)等技能来增强他们现有的技能和流程。

11.运营专家

在全体IT部门内，运营和DevOps专业职员都有特定的领域专业知识来履行人工智能操持。
Costenaro列举了以下问题作为须要在哪里利用专业知识的例子：

•哪些可以实现自动化和改进?

•如果利用机器学习模型，将如何创建新的数据网络流程以持续培训和改进这些模型?

•可以从开源存储库中获取现成的、预先演习好的模型和/或数据集，从而得到巨大的先机吗?第三方供应商供应的API做事是否会考虑一些任务和用例?

虽然人工智能可以办理一些重大问题，但也一定会产生新的寻衅。
这便是构成多元化团队的根本缘故原由。

McGehee说。
“具有不同背景和个性的职员关注不同的项目细节和限定成分，这很有用，由于它提高了所有主要细节的可能性，并供应了确定办理方案的整体方法。
”