一流的招聘人员，相互信任的组织结构，重视道德规范是确保人工智能团队成功的关键。
希望利用人工智能优势的企业CIO往往会遇到大量错综复杂的技术问题，但这只是一个开端。最近在旧金山举行的ReWork深度学习峰会上，行业专家表示，企业还需要考虑如何确保他们的人工智能团队能够交付业务成果。
全球家谱服务提供商Ancestry.com公司前首席数据官Amy Gershkoff表示：“人工智能不仅仅是一个数据科学问题，而且还是一个商业问题。”
人工智能专家表示，企业在建立人工智能团队时，需要特别关注两个领域。首先是建立一个组织结构，在整个企业中产生对人工智能的信任，并且不会违反监管要求。第二，企业建立团队的先决条件是拥有知识渊博的一流的人工智能招聘人员。
在Gershkoff看来，构建人工智能组织结构的关键的第一步是将数据科学家部署在适合的部门中。
Ancestry.com公司前首席数据官（Amy Gershkoff）
如果人工智能团队的目标是增加收入，则不能与企业削减成本的目标相冲突。将数据科学家部署在产品管理团队或营销团队中可能更有意义，因为收入增长对于团队来说是一个具有更高优先级的目标。企业需要将数据科学家部署在最有效的地方。
一些组织开始采用混合模式，将数据科学家分配到不同的部门。他们被分配到营销、产品工程、金融等多个部门。然后整个企业的人工智能团队成员向首席数据官以及部门经理报告。这可以帮助数据科学家的目标与每个部门保持一致。Gershkoff说，“这么做的缺点是他们可能觉得自己需要向两个管理者负责”。
Ancestry.com首席数据官Amy表示，对于组织在人才方面进行竞争，他们需要招聘人员以数据科学家的语言进行沟通。拥有优秀的招聘人员往往是许多企业对于开展人工智能工作的事后考虑事项。因此，有些面试过程并不严格，企业对数据科学家和机器学习专家的需求对于潜在的新员工来说似乎并不具有太大的吸引力。
精明的人工智能应聘者将会询问企业的基础设施、技术堆栈和他们将要处理的问题类型。如果招聘人员不知道答案，就很难找到最好的人才。
新的数据科学家也将期待基础数据科学基础设施到位。企业首席信息官必须创建一个支持数据仓库和灵活的数据管理的方法体系。
Ancestry.com公司前首席数据官（Gershkoff）
这是组织招聘机器学习专家之前需要提供的基础和解决方案。
除此之外，首席信息官需要部署支持数据治理、合规性、隐私、安全问题的技术。这将使数据科学家能够在确保控制到位的同时，也能更出色地完成工作。
优秀的人工智能策略也需要在更高的准确性和透明度之间找到平衡点。人工智能系统的核心是可以自动执行许多决策过程。但是人工智能算法往往是从复杂的机器学习规则演化而来的，人们通常难以理解。
即使这些算法提供的结果最终比人们得出的更准确，如果其逻辑不透明的话，利益相关者也很难相信。将人工智能嵌入业务需要超越数据科学来建立信任。这种透明度对于解决新的监管要求也很重要，例如欧盟的“通用数据保护条例”，该条例规定企业必须能够提供有关人工智能决策所涉及的有意义的信息。
一个正在采用机器学习技术解决商业问题的人工智能团队也可能面临与企业道德文化背道而驰的决策。首席信息官需要与组织的利益相关者合作，仔细确定共同的价值观，并创建一种道德文化。
埃森哲公司AI主管（Rumman）
“精辟的格言不一定会使人工智能与企业目标保持一致。但如果企业没有任何流程的文化，就不太可能实施到位。”
例如，社交媒体企业或部门可能会确定社交活动的目标。产品经理可能会使用人工智能来加强社交活动。例如比较激进的人经常在网站上发帖。但是，企业如何对愤怒的交流进行优化，这是一个难题。
如果产品经理专注于开发新产品，伦理道德可能是首先考虑的事情。但是，这可能会导致公司陷入困境。Chowdhury说：“良好的人工智能应用是看不见的，但糟糕的人工智能却是显而易见的。人工智能的理念是，当运作良好时，人们不会注意到它。”
相关新闻推荐
