隨著企業進一步開發人工智能項目，他們發現某些角色對業務的成功至關重要，但是很難找到合適的人才。人工智能提供了充分的機會來獲取商業價值。如果做得好，人工智能可以幫助改進銷售、優化運營，并為員工提供具有更高價值的工作。它有助于降低成本，并賦予組織創造新產品和開拓新市場的能力。

隨著企業進一步開發人工智能項目，他們發現某些角色對業務的成功至關重要，但是很難找到合適的人才。

人工智能提供了充分的機會來獲取商業價值。如果做得好，人工智能可以幫助改進銷售、優化運營，并為員工提供具有更高價值的工作。它有助于降低成本，并賦予組織創造新產品和開拓新市場的能力。

咨詢機構德勤公司最近的一項調查表明，55%的IT高管表示，他們的公司在2018年推出了6個或更多的與人工智能相關的試點項目。而在2017年的調查中，只有35%的IT高管這么認為。超過三分之一的公司在認知技術上的投資超過500萬美元。56%的高管預計人工智能將在未來三年內改造他們的公司。

但要實現這一目標并不容易，而且需要某些關鍵技能，但很難找到。以下了解一下人工智能成功的八個關鍵角色：

(1)人工智能研究人員

對于一些企業來說，參與研究可能會適得其反。畢竟，人工智能研究人員往往是進行基礎技術研究的專家，他們可能有朝一日在機器的思考能力方面取得突破。此外，追蹤人工智能的研究人員意味著需要與谷歌公司和微軟公司等科技巨頭進行競爭，可能無法立即帶來商業利益。

但總有一些希望取得突破性進展能使他們成為行業領先者，僅此承諾可能與人工智能研究人員的高需求有關。根據德勤公司的調查，30%的IT行業首席執行官認為在他們的首要任務中尋找人工智能研究人員比其他任何角色都重要。

德勤風險和金融咨詢公司負責分析和數據風險的全球領導者Vivek Katyal表示：“人們希望看到卓越的人才，但這會對他們真正追求的目標產生影響嗎?”他說，除非企業想成為下一個Facebook公司，否則可能不會產生影響。

但他表示，許多做出融資決策的企業高管并不理解人工智能研究和人工智能應用之間的區別。

然而，對于人工智能對其核心業務至關重要的公司而言，研究不是奢侈品，而是一種必需品。例如，AppTek公司是一家成立于大約30年前的語音識別公司。隨著人工智能改變了語音識別技術，AppTek公司致力于研究人工智能在語音識別方面的應用以跟上技術的進展。例如，其最新發布的研究重點是在對話中識別不同的發言者。

69%的企業領導者認為更好的溝通可以幫助他們實現愿景。

AppTek公司首席營收官Mike Veronis說，“這是一個真正的商業需求，我們這樣做是為了解決問題，并提高能力。”

(2)人工智能軟件開發人員

人工智能軟件開發人員通常進行的是基礎研究，例如深度學習或生成對抗網絡的最新發展，并將其轉化為可用的產品。一些企業將這項工作交給大型供應商，依靠商業平臺而不是開發自己的人工智能技術。但即使企業使用已知的人工智能技術，他們可能仍然希望建立自己的平臺。這在一定程度上可以解釋對于人工智能軟件開發人員更高的需求，這是德勤調查中28%的受訪者指出的首要任務。

企業構建自己的框架的一個原因是當前面臨的人工智能框架的“黑盒”問題。由于無法看到現成產品的源代碼，一些公司，特別是在金融或醫療保健等受監管領域的公司，可能會選擇自己的方向。

Katyal說，“也許企業應該自己開發一些東西，在那里知道自己建造了什么，自己擁有代碼，并控制著它的一切。這種討論非常普遍。當他們構建自己的人工智能軟件時，他們也可以更好地理解工具的內置偏見，”他補充說。

這也是AppTek公司的發展現狀。除了擁有基于企業自身研究的獨特功能外，它還可以根據需要定制產品，而不是一個不易調整的黑匣子商業系統。AppTek公司的Veronis說，“我們可以適應和訓練并不斷改進語音識別引擎。”

(3)數據科學家

Katyal說，當企業考慮克服人工智能挑戰時，通常會考慮創建新的人工智能算法。但他們可能會從改善數據中獲得更多價值。“這是功能性人工智能的常見障礙。”他說。

Katyal表示，這使得數據科學家成為所有人工智能中最重要的角色。24%的受訪者表示，數據科學家為企業的數據用于人工智能系統做好了準備。他們還確定企業實現目標所需的數據——內部生成或從第三方收集的數據。數據科學家還可以發現數據何時丟失，何時知道特定類型的數據不足，以及何時識別數據集偏差或過時。

他們也是那些識別正確的算法用于他們的數據集，訓練和調整這些算法，并與主題專家合作驗證結果的人員。

Katyal說,“在過去，他們應該是高級統計學家，他們是人工智能研究和人工智能軟件的用戶。”

日本的三井住友銀行將數據科學家視為近期開展人工智能項目的核心因素。作為全球金融公司和日本第二大資產銀行，三井住友銀行正在利用人工智能改善其數據中心的客戶服務，使員工更容易找到信息，并更好地識別潛在的企業客戶。

該銀行執行董事Akinobu Funayama表示，三井住友銀行已經擁有一個數據管理部門和數據科學家。首先，數據科學家將人工設置用例，識別與這些用例最相關的數據點，并創建算法來分析數據。例如，在為潛在的新客戶獲取盈利能力時，數據科學家會考慮數千個因素，并了解是否有用。

其整個過程需要兩到三個月的時間來處理每個用例，每年將轉化為10到15個用例。利用dotData的技術來幫助識別對創建新算法最有用的數據點，SMBC將創建新模型所需的時間縮短到了幾個小時。這使得銀行每年可以處理的用例數量增加到大約100個，使其能夠將人工智能應用到銀行的更多領域，包括財務、財政和合規性。

“我們正在努力提高整個團隊的績效。”Funayama說。

他說，數據科學家對這一過程仍然至關重要，但他們現在正在處理更廣泛的人工智能技術業務用例，而不是進行重復的特征工程工作。

(4)用戶體驗設計師

隨著人工智能融入到更多的產品和服務中，用戶體驗設計變得越來越重要。人們現在希望能夠提出簡單的問題，或者讓應用程序從上下文推斷出他們需要什么，而不是打開菜單或單擊按鈕那么簡單。

總部位于亞利桑那州Tempe的Insight技術咨詢公司首席技術官Brandon Ebken說，“我們一直認為用戶體驗是由網絡驅動或移動程序驅動的。在人工智能領域，我們正在與聊天機器人、Siri或Cortana以及Voice進行交互。它創造了一種全新的用戶體驗設計，在創建新的人工智能工具時，它是一個關鍵的部分。”

德勤公司的Katyal表示，“人工智能產品與人類經驗之間的聯系正在不斷發展，我認為這是下一場革命，人們已經開始看到它。”

隨著新工具的創建，人們必須能夠使用它們，這可能需要新的接口，以及應用程序或業務流程的結構變化。

他說，為了找到具備這些技能的人，企業應該尋找客戶服務方面的專家。

(5)變更管理專家

德勤公司的Katyal表示，變更管理是人工智能部署中最容易被忽視的一個方面。并且不僅是企業員工從變更管理中受益，而且還受益于用戶。Katyal補充說，“這是最艱難的事情，這是企業中最被忽視和低估的領域。”

盡管如此，在德勤公司的調查中，22%的受訪者對變革管理專家的需求仍然很大，這是他們最需要的技能。德勤公司表示，人工智能項目可能對知識工作者產生巨大影響，如果他們沒有參與解決方案的開發，知識工作者可能會拒絕接受人工智能建議。

德勤公司的調查報告稱，“在試點、基層實驗和供應商驅動的炒作中，促進組織變革的基礎可能會迷失。”

此外，63%接受調查的IT經理表示，為了削減成本，他們的公司希望使用人工智能來盡可能多地自動化工作，這進一步強調了對變革管理專業知識的需求。

(6)項目經理

許多人工智能項目都存在問題，因為它們通常不會像企業使用更成熟的技術一樣嚴格管理。能夠領導人工智能實施的項目經理可以幫助將人工智能集成到企業的角色和流程中，幫助衡量和證明業務價值，這對德勤公司分析師中39%的受訪者來說是位列前三的挑戰。他們還可以處理與人工智能相關的其他領域的技能短缺問題。

如今找到數據科學家比較困難，因為他們也是軟件工程師、用戶界面設計師、安全專家和主題專家。西雅圖一家商業咨詢機構Slalom公司的總經理MartyYoung說，正因為如此，人工智能項目包括了復雜的團隊。

項目經理需要討論所有這些角色。此外，風險投資公司General Catalyst Partners的總經理Steve Herrod表示，項目經理將幫助多學科團隊將人工智能從實驗性試點項目轉移到軟件工程和軟件生命周期的另一個方面。Herrod以前是VMware公司的首席技術官。

“我們不應忽視需要了解模型獨特方面的項目和項目經理，并將其納入他們必須參與的更廣泛的軟件版本中。”他補充說。

Herrod說，隨著該領域的發展，將會有更廣泛的相關角色，例如處理審計和認證相關問題的人員。

這將為項目經理創造更多的工作和更多的需求。

(7)解讀人工智能結果的商業領袖

即使企業將外部供應商用于其大部分人工智能功能，擁有內部業務專業知識也是至關重要的。

印度航運商Spoton Logistics公司就是這種情況，該公司希望使用人工智能來幫助財務部門的客戶服務、情感分析和自動化。例如，其特定的用例是解決公司的“第一英里”和“最后一英里”地址問題。

該公司商業工程主管SatyaPal說，“印度的地址格式并不標準，當企業正在使用尚未完全填寫的地址時，情況會變得更糟。這消除了集中規劃和車輛利用的可能性。”

該公司決定使用外部供應商開展大部分工作，而不是在內部構建技術。然而，需要解釋人工智能結果的業務領導者是企業的內部團隊。他說，他們對公司試圖解決的具體問題有業務知識，對各種人工智能模型和框架有了解。例如，他們能夠理解分類模型與強化學習以及監督與非監督學習的應用。

他說，“一般來說，他們來自具有Python知識的計算機科學背景的人員。需要一些額外的培訓，但這通常是獨立的研究以及人工智能相關的在線課程。”

這使得他們能夠確定哪種人工智能方法最適合解決特定的產品和驗證進展。

(8)主題專家

由于現成的人工智能工具并不總是適用于所有用例，因此主題專家是關鍵。例如，產品推薦引擎通常是圍繞在線零售商的需求而設計的，EnergySavvy公司專注于公用事業行業的軟件公司客戶解決方案的高級副總裁Michael Rigney說。

網上零售商收集顧客購物習慣的數據，并將其與其他顧客的購物習慣進行比較。但對于那些從當地公用事業公司獲得電力的人來說，過去的購買記錄并不是有用的指標。在這方面，能效公司的專業知識會有所幫助。

Rigney說，“我們知道如何確定哪些客戶從節能項目中受益，他們受益多少，以及其他哪些客戶與這些客戶類似，并且也會受益。”這有助于EnergySavvy為馬薩諸塞州的Nationa lGrid公司等客戶提供服務。

EnergySavvy公司營銷副總裁Ryan Warren表示，“新的人工智能能力是企業近期收入增長的絕大部分。我們的客戶得到快速增長，而公司未來的業務都與人工智能支持的技術有著根本的聯系。”