AI-team vs. rollefordeling | AI i erhvervslivet #53

Hvad laver AI-teamet?

AI-teamet er en gruppe af specialister inden for kunstig intelligens. Deres ansvar inden for virksomheden inkluderer:

• styrkelse af produkter og tjenester ved hjælp af AI — AI-teamet kan udvikle og implementere AI-baserede systemer, der øger værdien af de tilbudte produkter og tjenester. For eksempel kan en e-handelsvirksomhed implementere et AI-baseret anbefalingssystem, der foreslår produkter tilpasset kundernes præferencer baseret på en analyse af købsadfærd,
• automatisering af rutineopgaver — AI-teamet kan skabe løsninger, der automatiserer gentagne opgaver, så medarbejderne kan fokusere på mere komplekse opgaver. For eksempel kan en virksomhed oprette en AI-baseret chatbot til at yde kundeservice og besvare ofte stillede spørgsmål,
• analyse af data og generering af rapporter — AI-teamet kan analysere store mængder data, drage konklusioner og generere rapporter for at støtte forretningsbeslutninger. For eksempel kan en virksomhed bruge et AI-baseret sentimentanalyse-system til at overvåge kundefeedback på sine produkter og tjenester.

Dog afhænger ansvarsområderne for en virksomheds AI-team primært af organisationens ambitioner vedrørende omfanget af implementeringen af kunstig intelligens. Ifølge Gartner kan omfanget af AI-brug i virksomheden bredt kategoriseres i tre områder:

1. Virksomheder, der søger at forbedre effektiviteten, hvor AI-teamet primært arbejder på at forberede både interne værktøjer til organisationen og værktøjer til kundeservice.
2. Virksomheder, der bruger AI til at optimere deres drift, men undgår at bruge det i produkter og kundeservice. AI-teamet beskæftiger sig kun med at forbedre en organisations interne processer.
3. Virksomheder, der implementerer kunstig intelligens i stor skala, hvor AI-teamet implementerer løsninger i produkter, kundeservice og internt.

Kilde: Gartner (https://www.gartner.com/en/information-technology/insights/it-symposium-keynote)

Kompetencer og ansvar for AI-teammedlemmer

Ifølge Gartners rapport “Gartner Top 10 Strategic Technology Trends 2024” vil efterspørgslen efter specialister inden for kunstig intelligens vokse i de kommende år, især inden for områder som:

• implementering af generativ kunstig intelligens i virksomheder,
• AI tillid, risiko- og sikkerhedsstyring, AI TRISM,
• oprettelse og udvikling af AI-aktiverede applikationer (AI-forstærket udvikling),
• brug af kunstig intelligens til at optimere måden, beslutninger træffes på.

Men hvordan ser et AI-team ud internt? Selvfølgelig vil det variere lidt afhængigt af projektet. Men her er nogle nøglefunktioner i AI-teamet:

• Data scientist — data scientists beskæftiger sig med dataanalyse og fortolkning, prædiktiv modellering og maskinlæring. Deres hovedmål er at udtrække værdifuld information fra data og bruge den til at træffe forretningsbeslutninger.
• AI softwareingeniør — AI softwareingeniører skaber og udvikler applikationer baseret på kunstig intelligens. Deres job er at implementere og optimere maskinlæringsalgoritmer og integrere dem i eksisterende systemer.
• ML forsker/ML ingeniør — ML forskere udvikler nye maskinlæringsmodeller og algoritmer og implementerer dem. Deres hovedmål er kontinuerlig forbedring og innovation inden for kunstig intelligens.
• AI etiker— AI etiker er fagfolk, der forstår de risici, der er forbundet med brugen af kunstig intelligens, og som er ansvarlige for den etiske anvendelse af denne teknologi. De sikrer, at AI-initiativer og deres implementering overholder etiske principper og lovgivningen.

AI-teamet har også brug for en person, der er ansvarlig for de strategiske og forretningsmæssige aspekter af projektet. Dette kunne være en AI-manager, der styrer udviklingen og implementeringen af AI-baserede processer og produkter, eller en chief AI officer (CAIO), der er ansvarlig for AI-strategi på tværs af organisationen. Deres rolle er at:

• styre de anvendte AI-teknologier – CAIO’en skal være bekendt med forskellige AI-algoritmer og teknikker og være i stand til at anvende dem til at løse problemer i en organisation,
• overvåge design, udvikling, test og implementering af AI-løsninger i samarbejde med AI-teamet,
• måle den forretningsmæssige og finansielle indvirkning af AI for at vurdere fordelene og omkostningerne ved implementeringen af kunstig intelligens,
• uddanne og udvikle medarbejdere inden for AI.

Personligheder i AI-teamet

Som i ethvert tæt sammensat team skal hvert medlem af AI-teamet have de rette kompetencer, regelmæssigt opdaterede færdigheder og erfaring. Lige så vigtigt er behovet for mangfoldighed, hvilket betyder, at teamet ikke bør bestå så meget af ensartede personer, men af personer, der inspirerer hinanden med deres forskellige synspunkter.

Personligheder spiller en nøglerolle i opbygningen af et effektivt AI-team. Mens alle teammedlemmer deler en passion for teknologi og analytiske færdigheder, adskiller de sig i deres tilgang, temperament og præferencer.

AI-teamlederen skal anerkende disse forskelle og værdsætte betydningen af mangfoldighed. For eksempel kan en detaljeorienteret og omhyggelig data scientist blive ked af abstrakte diskussioner om fremtidige retninger for AI-teknologi og foretrække at fokusere på at forbedre den nuværende ML-model. På den anden side kan AI-etikeren med et visionært temperament og en rig fantasi mangle tålmodighed til kedelig programmering og testning.

Ifølge McKinseys rapport “Technology Trends Outlook 2023” er følgende stadig vigtigere i dagens erhvervsliv:

• Fleksibilitet – den hastighed, hvormed teknologien udvikler sig, betyder, at det ikke er værd at låse sig fast i et sæt værktøjer eller en måde at gøre tingene på,
• Evne til at tilpasse sig ændrede forhold – ændringer i teamets sammensætning, et skift til fjernarbejde eller endda outsourcing til en anden virksomhed bør ikke være et problem for det “ideelle” AI-teammedlem,
• Åbenhed over for nye udfordringer – implementering af kunstig intelligens i flere områder af virksomheden betyder, at hver person i AI-teamet skal tilegne sig nye færdigheder.

Lige så vigtigt er evnen til at samarbejde og kommunikere, viljen til at tage ansvar for tildelte opgaver og evnen til at håndtere stress.

Kilde: DALL·E 3, prompt: Marta M. Kania (https://www.linkedin.com/in/martamatyldakania/)

Arbejdsnedbrydningsstruktur

For at sikre en effektiv arbejdsflow i AI-teamet er det værd at bruge teknikken for arbejdsnedbrydningsstruktur. Det involverer at opdele projektet i mere detaljerede opgaver, som derefter tildeles de enkelte teammedlemmer i henhold til deres kompetencer.

På det højeste niveau er der overordnede forretningsmål, som opdeles i specifikke produktinitiativer. Disse opdeles igen i forsknings-, programmerings-, testopgaver osv. Takket være WBS ved alle præcist, hvad de skal gøre for at bidrage til hele projektets succes.

I AI-teamet kan arbejdsnedbrydningsstrukturen se sådan ud:

• Dataanalyse. AI-teamet begynder ofte med at analysere data for at identificere mønstre og relationer, der kan bruges til at bygge prædiktive modeller.
• Opbygning af prædiktive modeller. Baseret på de indsamlede data bygger AI-teamet prædiktive modeller, der kan bruges til at forudsige fremtidige begivenheder.
• Test og optimering af modeller. Når modellerne er bygget, tester og optimerer AI-teamet dem for at sikre, at de fungerer korrekt og producerer nøjagtige resultater.
• Implementering af modeller. Efter testning implementeres modellerne, hvilket betyder, at de bruges til at forudsige fremtidige begivenheder baseret på nye data.
• Overvågning og vedligeholdelse af modeller. Når modellerne er implementeret, overvåger teamet deres ydeevne og holder dem i god stand for at sikre nøjagtige resultater i hele deres levetid.

Sammenfatning

Valget af projektteamet kan afgøre succes eller fiasko for hele projektet. Derfor er det så vigtigt, at AI-teamet består af mennesker med forskellige færdigheder og personligheder, forskellige erfaringer og forskellige arbejdsstile. Hvis projektlederen eller CAIO vælger de rigtige mennesker, vil de naturligt påtage sig uformelle roller, der er mest vigtige for at opbygge et sammenhængende team, hvilket øger chancerne for succes og videre frugtbar samarbejde.

Hvis du kan lide vores indhold, så bliv en del af vores travle bier-fællesskab på Facebook, Twitter, LinkedIn, Instagram, YouTube, Pinterest, TikTok.