幾年前，高層支持不足是AI項目落地面臨的最大障礙之一。如今，企業對AI解決方案的需求量之大，足以讓任何一位CIO為之咋舌。不過，他們正通過采取戰略性的項目方法，同時組建高性能AI團隊來迎接這一挑戰。

例如，電力管理公司伊頓的CIO Katrina Redmond創建了一個與特定業務領域掛鉤的“AI工廠”，以滿足迫切需求。AI團隊中的領域專家雖不直接向IT部門匯報，但會與其緊密協作。她表示：“我們會根據價值創造來共同決定優先開展的活動，并據此付諸實踐。”

伊頓公司的每個團隊都由一名AI負責人、產品負責人、機器學習工程師、數據工程師以及云和DevOps工程師組成，他們與業務領域專家共同開展工作。Redmond表示，設立AI與創新副總裁一職也是組建高效團隊的關鍵。

不過，Principal金融集團執行副總裁兼CIO Kathy Kay指出，如果AI團隊中的領域專家無法用技術團隊能夠理解的方式闡述業務問題，那么僅有領域專家是不夠的。需要有人擔任產品經理的角色——即具備足夠領域專業知識來定義業務問題并將其進行轉化的人。她表示：“這個人可能是業務部門的產品經理，也可能是IT企業內部的產品經理，或者是其他業務線中曾有過相關經驗、能夠與需要問題轉化的產品經理合作的產品經理。”

安永美洲區AI自動化與分析負責人Hugh Burgin補充道，數據科學家和AI工程師固然重要，但他認為，最大的投資回報率并非來自單一技能，而是所有技能共同推動業務轉型。

AI團隊應涵蓋的五類角色

那么，高效AI團隊的關鍵要素有哪些呢?Burgin表示，你需要從五大類中獲取專業知識，首先是為每個項目提供高層支持。

另一個有時會被忽視的關鍵角色是盡早讓直接使用AI的人員參與進來。換句話說，就是終端用戶的參與。他表示：“從技術上講，大多數AI項目都能交付，但這并不意味著終端用戶會采用。”

接下來是轉型工程。這些角色既是業務流程方面的領域專家，也是AI解決方案方面的領域專家。這些人有時被稱為產品負責人、產品經理或職能領導，他們與團隊合作開發AI應用程序，并具備利用該應用程序推動業務轉型的職能知識。

負責產品交付和變革管理的員工構成了另一個類別。常見的職位包括項目經理、變革管理專業人員和Scrum主管。

最后，IT領導需要AI支持人員，他們的職責涵蓋所有用例，以確保在負責任的AI、治理和財務運營方面保持一致性。Burgin表示：“IT部門如今已經存在這些支持角色，但工作內容正在發生變化，需要提升AI相關技能。”

每個AI團隊都應具備(或至少應考慮具備)的關鍵角色

在核心AI團隊中，最關鍵的角色是數據科學家、數據工程師和AI工程師。不過，企業可能還需要專注于整體AI解決方案架構的AI架構師，以及模型經理、驗證人員、測試人員和倫理學家。Gartner杰出副總裁兼分析師Arun Chandrasekaran剛剛發布了一份關于AI職位角色、職責和技能的研究報告，他發表了上述看法。

在招聘時需要牢記的是，數據科學家的角色正在發生變化。Chandrasekaran表示：“如今，模型都經過了大規模預訓練，因此數據科學家會花更多時間來調整和運營模型。模型經理需要深入了解各種可用模型，并必須為其應用選擇最準確、最經濟實惠且性能最佳的模型。AI驗證人員會評估AI應用程序的公平性、偏見、透明度和可解釋性，并確保其符合業務、監管和道德標準。AI測試人員則會對模型、API和管道等AI組件進行測試，以查找漏洞、性能問題或意外行為。”

接下來，產品經理充當工程團隊和終端用戶之間的中介。他補充道：“他們會與用戶交流，了解需求，并確保產品滿足這些用戶的需求。”

AI倫理學家則負責制定并執行AI倫理使用準則。Chandrasekaran表示：“他們會監測偏見、毒性和有害輸出問題”，對于受監管行業而言，這一角色尤為重要。

平臺團隊與產品團隊

全球工程、咨詢與建筑公司博萊克·威奇的數字技術執行副總裁兼首席數字技術官Mike Adams表示，該公司對AI的激活主要集中在兩種不同模式上。平臺團隊確保公司能夠從戰略平臺提供商(微軟、Salesforce、甲骨文和ServiceNow)提供的原生智能體和GenAI功能中獲益，而數字產品團隊則開發特定業務的AI功能，以創造持久且差異化的價值。

他表示，平臺團隊還會利用戰略平臺所提供的一些API，借助其在AI領域的投資成果。具體而言，他的團隊致力于將戰略平臺API引入微軟Teams和Copilot(該公司面向自主式AI的用戶界面)。Adams表示：“我們仍處于早期試驗階段。”

相關角色包括特定平臺架構師、應用組合經理以及一些平臺工程與開發角色。他表示：“作為我們戰略平臺生態系統的一部分，AI能力方面的繁重工作和投資都由平臺提供商完成，因此我們試圖將重點放在管理企業變革上，以推動適當采用。”不過，安永的Burgin表示，一旦你開始定制AI解決方案以改變業務或讓其了解你的業務，就需要組建一支具備全面技能的專業團隊來開展工作。

在博萊克·威奇公司，創新則由數字產品部門負責。Adams表示：“我們正在初步構建BV數字產品運營模式。”團隊角色包括數字產品經理或負責人，以及數字產品交付負責人，后者領導一個交付團隊，其中包括Scrum主管、質量保證工程師、解決方案和產品架構師、軟件開發人員，以及負責管理數字產品軟件的迭代開發、構建和發布流程的DevOps和云工程師，在許多情況下，這些軟件包括生成式AI、應用AI和機器學習運維組件。

如果數字產品集成了生成式或應用AI，其他角色可能還包括數據工程師和數據架構師。Adams補充道：“成功的AI產品團隊與數字產品團隊類似。唯一的區別在于，你需要在數據、分析和AI工程與架構方面具備特定領域的技能。”

博萊克·威奇公司的數字產品運營模式尚未完全成熟，因此目前業務關系經理會協助填補數字產品管理角色的空缺。Adams表示：“最終，端到端的數字產品運營模式將擴大規模，以支持首款BV數字產品BV Ask(一款基于內部數據訓練的內部版ChatGPT，包括工程最佳實踐、工程知識產權、項目執行、估算和其他非結構化數據)。”工程師可以通過自然語言或對話界面訪問這些信息，以便在工程界實現信息獲取的普及化。

與許多企業一樣，該公司的AI團隊也在不斷發展。Adams補充道：“我們需要加強的領域是正規的產品管理和產品所有權。我們需要在這方面更加嚴謹。”他補充道，這些角色需要牢牢扎根于客戶。他表示：“機遇如此巨大，如果我們不能以客戶需求為基礎，就可能會錯失每一個AI機遇，而無法為我們的業務和客戶帶來實質性變革。”

內部培養團隊：培訓與招聘

核心AI團隊角色需求旺盛，因此培訓IT專業人員轉型至AI相關職位是一項戰略要務。Principal的Kay表示：“培養內部人才，因為外部人才非常難找。”她的企業通過讓IT專業人員與經驗豐富的人員搭檔，并給他們分配“拓展性任務”，幫助他們勝任新角色。

博萊克·威奇公司也在對工程團隊進行AI交叉培訓，而且這并非一項艱巨的任務。Adams表示：“這些人員都是技術專家，因此大語言模型對他們來說并不神秘。如今，這些能力已融入軟件工程、數據工程和分析領域。”Adams的策略是讓IT專業人員通過實踐經驗來學習，從而提升相關技能。

伊頓公司也在采取類似的路徑。Redmond表示：“我們已經對現有的創新團隊進行了轉型，該團隊原本就致力于機器人流程自動化，而且我們將首席數據官團隊的一個核心領域專注于AI工作，并加速數據穩定性和治理工作。”這些團隊通過試點項目和在沙盒環境中開展工作來積累經驗。

Chandrasekaran表示，每位CIO都應制定明確的計劃，為未來重新規劃技能。他表示：“看看未來兩三年你需要哪些技能，并規劃如何培養員工掌握這些技能。”

不過，企業可能仍需從外部招聘以填補某些職位。在招聘AI工程師時，Kay表示要尋找喜歡摸索的人，因為使用這些模型時，你必須不斷改變方法。尋找熟悉你正在使用或希望使用的模型的人員。而且不要過于拘泥于職位頭銜，因為你需要員工足夠靈活，能夠勝任多個角色。她表示：“工程師需要保持靈活性，能夠承擔多項職能。”

目前，Kay正在一個CIO領導團隊中探討戰略性招聘方法。她問道：“我們是需要一位經驗非常豐富的開發人員，還是希望招聘一位經驗稍淺但富有創造力的人員?創造力和一些AI開發經驗的結合是否會為我們帶來更好的成果?我們還不得而知。”

外包策略

當然，并非總能通過培訓或招聘獲得所需技能。Burgin表示：“數據科學家、數據工程師和AI工程師在市場上極為搶手，而且很難快速培訓出這樣的人才。”因此，引入外部合作伙伴可以彌補技能缺口，同時也能為內部團隊成員提供寶貴經驗。他補充道：“尋找能夠為你團隊帶來所需專業水平的合作伙伴。每當你試圖建立一項新能力時，都要引入第三方來幫助建立能力據點”，并與你的團隊合作，拓展團隊能力。

Chandrasekaran表示，當你的團隊在特定領域缺乏經驗時，就應尋求咨詢師的幫助。雖然許多企業都在將業務外包給德勤等傳統咨詢公司，但包括Hugging Face和OpenAI在內的模型公司也在進軍服務領域。他表示：“他們提供一款產品，并確保其得到正確配置和設計。他們不是帶來領域知識的傳統咨詢師，而是能夠為用戶定制和優化產品的軟件工程師。”

Redmond表示，使用內部與外部AI團隊存在關鍵差異。她表示：“內部團隊能帶來長期利益，如深入了解公司系統、迭代更快以及與業務戰略保持一致。另一方面，外部托管則能提供快速原型制作、專業領域知識，并能補充帶寬。”伊頓公司采取了一種混合方法，將內部領域專家和AI技能與外部專家相結合。

把良好的戰略與強大的領導力結合在一起

沒有堅實、專注的領導力，任何團隊都無法發揮效力。一些企業會投入時間組建龐大的數據和AI工程團隊，但如果沒有真正的業務問題需要解決，這些資源可能就會淪為實驗品。

Adams表示：“不要一味追求深度，然后指望應用會隨之而來。”因此，首先要與第三方合作開展幾個明確界定的項目，在擴大規模之前積累動力和團隊技能。

Redmond表示：“清晰的戰略愿景以及使用影響力和可衡量指標來實現這一愿景的可行路徑至關重要。”

讓團隊通過試錯來學習。例如，Principal的一個AI團隊在早期開展一個項目時，對數據的了解不夠深入。結果，系統總結了用戶不需要的內容，并引入了無關文檔。Kay表示：“了解數據及其管理方式對于避免不良結果至關重要。我們意識到，必須花更多時間來了解數據。”

關于匯報結構，Burgin表示，一個高效的團隊并不要求所有人都向同一位經理匯報，只要所有人在轉變業務方面具有相同的優先級和承諾即可。他表示：“但你需要一個跨職能團隊來協同工作，并致力于這一轉變。”

Chandrasekaran表示，不幸的是，許多公司仍然存在僵化的部門壁壘，這意味著AI可能完全屬于數據分析團隊的管轄范圍。他補充道，在這種情況下，這些團隊與其他團隊之間的協作并不多。

因此，他的建議是讓AI團隊更加分散化，因為在許多情況下，組建一個集中的AI和數據工程團隊并不奏效。他表示：“有些事情應該集中處理，但AI和數據科學應該分散到各個AI團隊中，以獲取領域知識。”

最終，領導層需要明確設定優先級。Burgin表示：“考慮你想用AI轉變的10個業務領域，并從頭開始通過AI賦能能力重新構想這一流程。針對每個流程，組建一個綜合工作團隊，專注于如何轉變業務，并每天協同工作，盡管他們可能隸屬于業務的不同部門。”

最后，不要只培訓你的AI團隊，還要帶動外部人員。Kay表示：“我們正在向整個公司推廣AI和數據素養，某些特定角色還會接受額外培訓。”最重要的是，CIO在組建AI團隊時應投資于員工。她補充道：“這非常重要，尤其是當AI在企業路線圖中占據重要地位時。你的團隊能夠快速學習，并做出巨大貢獻。”