作者｜宇伊 出品 | 新芒X
有这样一个共识，近年来，从工作到生活，从工业到农业，从数据分析到客户沟通，人工智能在商业和行业中的应用呈爆炸式增长，AI技术在创新主体中的作用更是日益强化。
这是大势所趋，但与之而来的一些现实问题，也需要主动或被动的去面对。
比如，许多新的和不断扩大的人工智能应用程序上线，需要拥有专业技能的技术人员的支持，技术团队如果要跟上步伐，就需要确保他们的AI专家到位。
正是因为这些问题的存在，就在最近，我们注意到福布斯技术理事会(Forbes Technology Council)的12名成员，就在人工智能继续给市场带来革命性变化的情况下，提出了这样一个观点：技术团队应该对AI技能进行优先考虑和权衡，以保持公司技术的领先性。
12名成员，12位大咖的深刻观点，以下，enjoy:
1、AI模型说明
这在很大程度上取决于行业，但解释人工智能模型的能力是必备的，以确保可见性并确认模型中没有偏见将变得异常关键。
深入研究模型的各个组件很容易，但是将整个模型缝合在一起可能会产生意想不到的效果和能力。
-Kartik Sakthivel，LIMRA Loma LL Global。
2、BOT团队的管理
随着各种形式的人工智能对我们所有人变得更加流行和普遍，我们将需要成为熟练的机器人拥有者。
随着我们采用机器人过程自动化和其他形式的实用人工智能，越来越多的“伙伴”“同事”将成为某种类型的机器人。我们必须熟练地管理支持我们和我们工作的机器人团队，培训和引导他们提高效率。
--克里斯·格伦德曼，Myriad360。
3、确定时间和资源投入。
归根结底，所有产品不仅带来了技术挑战，也带来了商业挑战。因此，团队必须拥有商业能力能力和技能，以便在人工智能方面做出合格合理的决定，决定在哪里投入时间和资源，哪些问题是可以解决的，哪些项目是可以维护的，哪些会带来收入。
-罗伯特·魏斯格雷伯(Robert Weissgraeber)。
4、网络安全体系结构
随着人工智能的扩张，强大的网络安全的重要性也增加了。具体地说，聘请安全架构师必须是优先事项。这些员工将能够确保神经网络不受黑客攻击的风险。
--阿什维尼·乔杜里(Ashwini Choudhary)，雷科尼。
5、运算化算法
IT领导者必须认识到，算法开发是开发AI/ML工具最简单的部分。算法的可操作性需要控制整个数字供应链，包括模型培训例程、数据源和质量，以及输出的下游预期用途。安全有效的生产使用需要人员和流程的仔细整合才能达到预期效果。
-Jason Crabtree，QOMPLX，Inc.。
6、开发训练数据集
人工智能系统通常依赖于机器学习和反馈循环，以便它们可以随着时间的推移而改进。这意味着系统的初始训练数据集和正在进行的学习数据集对其运行至关重要。
IT团队将希望确保员工了解培训人工智能系统所需的数据类型，在哪里可以获得这些数据，以及如何正确使用这些数据。
-罗恩·科格本(Ron Cogburn)，Exela Technologies。
7、了解哪些应该实现自动化
知道什么可以和哪些应该自动化，什么永远不会自动化是一个基本特征。区分这两者将有助于技术团队更好地理解人工智能机制的原则和目的，并将让IT团队在前进的过程中更多地了解人工智能。这对人工智能开发和技术部门团队建设都是有好处的。
-Daria Leshchenko，SupportYourApp Inc.。
8、数据工程
数据科学家和数据工程师越来越受欢迎，也越来越需要。这些以数据为中心的角色对于数据平台和机器学习模型至关重要，它们使公司能够构建预测性分析并推动个性化体验。
-尤金·卡津(Eugene Khazin)，Prime TSR。
9、了解业务需求和用户体验
IT团队需要开发和完善的一项基本技能是更好地了解业务需求，并将其转化为能够为最终用户带来有形价值的解决方案。
人工智能不是关于花哨的算法；它是关于设计系统，向利益相关者提供可操作的见解，同时保持这些系统的直接和直观的使用。
-萨米兰·戈什(Samiran Ghosh)，Rockmetic。
10、批判性思维
批判性思维将是大多数IT团队需要跟上的一项专注于人工智能的技能。正如他们所说，决定产出的不是工具，而是观察者。
随着工具和工具包变得更加强大和功能丰富，使用这些工具的人承担了更多的责任。
-Lowry Solutions的Vishwas Sutar。
11、认知文案写作
如果商业领袖希望在他们的网站上实施人工智能支持的客户服务，他们可能会转向认知型文案。文案使用人工智能软件和消费者行为数据来撰写对客户提示的回应。
--托马斯·格里芬(Thomas Griffin)，OptinMonster。
12、理解机器学习
对于参与人工智能的任何团队成员来说，对机器学习的一般理解都是一项重要的资产，无论他们是否正在编写任何代码。
亚马逊和微软都有巨大的资源可以迅速跟上潮流。机器学习非常重要，因为它构成了今天人工智能能力的基础，无论是什么平台。
-戴夫·托达罗(Dave Todaro)，Ascendle
以上12个建议和观点，你对哪个感触更深？
