一个完整的AI团队角色
- 软件开发工程师。负责解决工程化的问题；
- 机器学习工程师。负责收集数据，构建神经网络或者深度学习算法，完成输入到输出的映射。
- 机器学习研究者。负责开发机器学习的前沿技术。
- 机器学习科学家。介于机器学习工程师与机器学习研究者之间，负责最新的前沿技术落地到项目中，解决现实的问题；
- 数据分析师。监测数据，提供数据洞察，并向高层管理者展示这些洞察，帮助驱动商业决策。
- 数据工程帅。负责组织数据，确保之前获取的数据，安全、低成本的保存与应用。
- AI产品经理。负责决定用AI做什么，帮助判断什么是可行的，且有价值的
AI转型手册
- 执行试点项目以获得动力
- 建立一个内部 AI 团队
- 提供广泛的 AI 培训
- 制定人工智能战略
- 开展内部和外部沟通
1. 执行试点项目以获得动力
对于你最初的几个 AI 项目而言，更重要的是成功而不是成为最有价值的项目。它们应该足够有意义，最初的成功将有助于你的公司熟悉 AI，并说服公司其他人投资进一步的 AI 项目。重要的是让飞轮先转起来，让你的 AI 团队获得动力。
最初几个 AI 项目建议具备以下特征：
- 理想情况下，新的或外部 AI 团队（可能对你的业务没有深入的领域知识）可以与你的内部团队（具有深厚的领域知识）合作，并构建 AI 解决方案，在 6-12 个月内开始合作。
- 该项目在技术上应该是可行的。太多的公司仍在使用当今的 AI 技术开展不可能的项目；拥有值得信赖的 AI 工程师在启动前对项目进行尽职调查将增加你对其可行性的信心。
- 有明确定义和可衡量的目标，创造商业价值。
2. 建立一个内部的AI团队
虽然拥有深厚技术 AI 专业知识的外包合作伙伴可以帮助你更快地获得初始动力，但从长远来看，与内部 AI 团队一起执行某些项目会更有效率。
AI 部门的主要职责是：
- 建立 AI 功能以支持整个公司。
- 执行一系列跨职能项目，以支持与 AI 项目不同的部门/业务部门。完成初始项目后，设置重复流程以持续提供一系列有价值的 AI 项目。
- 制定一致的招聘和保留标准。
- 开发对多个部门/业务部门有用的公司范围的平台，不太可能由个别部门开发。例如，考虑与 CTO / CIO / CDO 合作开发统一的数据仓库标准。
- 许多公司都组织有多个业务部门向 CEO 报告。通过新的 AI 单元，你将能够将 AI 人才汇集到不同的部门，以推动跨职能项目。
3. 提供广泛的AI培训
高级管理人员和高级业务负责人：（4 小时培训）
- 目标：让管理人员了解人工智能可以为你的企业做些什么，开始制定人工智能战略，做出适当的资源分配决策，并与支持有价值的人工智能项目的人工智能团队顺利协作。
- 课程：对 AI 的基本业务理解，包括基本技术、数据以及 AI 可以做什么和不能做什么。
- 了解 AI 对公司战略的影响。
*关于人工智能应用到相邻行业或你的特定行业的案例研究。
执行人工智能项目的部门领导：（12 小时培训）
- 目标：部门负责人应能够为人工智能项目设定方向、分配资源、监控和跟踪进度，并根据需要进行更正，以确保项目成功交付。
*课程：对 AI 的基本业务理解包括基本技术，数据以及 AI 可以做什么和不能做什么。
*对 AI 的基本技术理解，包括主要的算法类及其要求。 - 基本了解 AI 项目的工作流程和流程，AI 团队中的角色和职责，以及 AI 团队的管理。
AI 工程师培训生：(⩾100 小时培训）
- 目标：新培训的 AI 工程师应该能够收集数据、训练 AI 模型，并提供特定的 AI 项目支持。
- 课程：深入了解机器学习和深度学习；基本了解其他 AI 工具。
- 了解用于构建 AI 和数据系统的可用（开源和其他第三方）工具。
- 能够实施 AI 团队的工作流程和流程。
- 此外：不断学习，以跟上不断发展的人工智能技术
4.制定人工智能战略
人工智能策略将指导你的公司创造价值，同时建立可防御的护城河。一旦团队开始看到初始 AI 项目的成功并形成对 AI 的更深入理解，你将能够确定 AI 可以创造最大价值的地方并将资源集中在这些区域上。制定人工智能战略的方法如下：
构建几个与一致策略大致相符的 AI 资产
AI 使公司能够以新的方式建立独特的竞争优势。Michael Porter 关于商业战略的开创性着作表明，开展防御性业务的一种方法是建立几个与一致的战略基本一致的资产。因此，竞争对手难以同时复制所有这些资产。
利用人工智能创造特定于你的行业领域的优势
我不建议与 Google 等领先的科技公司在通用技术领域竞争，而是建议你成为自己行业领域的领先 AI 公司，开发独特的 AI 功能将让你获得竞争优势。AI 如何影响你公司的战略将视行业和具体情况而定。
设计策略与“人性化的良性循环”正反馈循环相一致
在许多行业中，我们将看到数据积累导致可防御的业务，如搜索行业中的飞轮效应：更好的产品->更多用户->更多数据->更好的产品。
数据作为AI的基础，是AI公司的关键资产。在构建AI战略的同时，需要构建数据战略。
战略数据采集
可以使用从 100 个数据点（“小数据”）到 100,000,000 个数据点（“大数据”）的任何地方构建有用的 AI 系统。但拥有更多数据几乎从不会有害。AI 团队正在使用非常复杂的多年战略来获取数据，具体的数据采集策略是针对特定行业和特定情况的。例如，Google 和百度都有许多免费产品，这些产品没有货币化，但他们会获取可以在其他地方货币化的数据。
统一数据仓库
如果你有 50 个不同的 VP 或部门控制下的 50 个不同的数据库，工程师或 AI 软件几乎不可能访问这些数据并“连接点”。相反，请考虑集中化你的数据分为一个或至多不超过多少个数据仓库。
区分不同价值的数据
识别哪些数据是有价值的，哪些不是有价值的：自动拥有好几 TB 的数据并不意味着 AI 团队能够从该数据中创造价值。期望 AI 团队从大型数据集中神奇地创造价值是一个很有可能失败的公式，我不幸地看到 CEO 过度投资收集低价值数据，甚至收购公司的数据只是为了意识到目标公司的那好几 TB 数据无用。通过在数据采集过程中尽早引入 AI 团队来避免这种错误，并让他们帮助你确定要获取和保存的数据类型的优先级。
创建网络效果和平台优势
最后，AI 也可用于构建更传统的护城河。例如，具有网络效应的平台是高度防御性的业务。他们通常拥有一种自然的“赢家通吃”动力，迫使公司快速增长或死亡。如果人工智能允许你以比竞争对手更快的速度获得用户，那么它可以用于构建通过平台动态可防御的护城河。更进一步说，你还可以将 AI 用作低成本战略，高价值或其他业务战略的关键组成部分。
5.开展内部和外部沟通
AI 会显着影响你的业务。如果它影响你的关键利益相关者，你应该运行通信程序以确保一致。以下是你应该为每位受众考虑的内容：
- 投资者关系
Google 和百度等领先的人工智能公司现在是更有价值的公司，部分原因在于他们的人工智能能力以及人工智能对其底线的影响。为贵公司的人工智能解释一份明确的价值创造论文，描述你不断增长的人工智能能力，最后有一个深思熟虑的人工智能战略，将有助于投资者适当地重视你的公司。 - 政府关系
受到高度监管的行业（自动驾驶汽车，医疗保健）的公司面临着保持合规的独特挑战。开发一个可信的、引人注目的人工智能故事，解释你的项目可以为行业或社会带来的价值和利益，是建立信任和善意的重要一步。在你推出项目时，这应该与直接沟通和与监管机构的持续对话相结合。 - 客户/用户教育
AI 可能会为你的客户带来重大利益，因此请确保传播适当的营销和产品路线图消息。 - 人才/招聘
由于人才的缺乏，强大的雇主品牌将对你吸引和留住这些人才的能力产生重大影响。AI 工程师希望开展令人兴奋且有意义的项目。展示你最初成功的适度努力可以大有帮助。 - 内部沟通
因为今天人们对于人工智能仍然知之甚少，人工智能由于过度炒作，所以存在恐惧、不确定和怀疑。许多员工也担心他们的工作由人工智能替代，尽管这种差异因文化而异（例如，这种恐惧在美国比在日本看起来更多）。清晰的内部沟通既可以解释人工智能，也可以解决员工的担忧，这将降低内部员工不愿意采用人工智能的比例。
AI项目需要避的陷阱
不要做
- 期望AI能做所有的事
- 聘请2-3位机器学习工程师，并完全依赖他们寻找AI应用场景。
- 期望AI项目能一次成功
- 期望传统流程在不需要任何改变的情况下，试用于AI开发流程
- 一定需要一个AI领域的超级明星后，才能开始AI项目
要做
- 认清AI能做与不能做的边界。确认技术、数据、工程师资源的边界。
- 将工程人才与业务人才进行配对，跨部门合作，以找到可行且有价值的项目。
- 将AI开发视做一个迭代开发的过程，在成功之前需要多次尝试
- 与AI团队合作，制定时间估算、里程碑和关键绩效指标（KPIs）等
- 继续建设团队，但要利用现有团队尽快开始工作。
