8个成功人工智能项目的关键角色

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。

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。