建立與 AI 相關的角色和職責

  • 7 分鐘

AI 採用的任何策略都必須處理您現有的商務功能。 我們在「從 AI 建立商業價值。」課程模組中涵蓋此主題。本課程模組的目標是要為您的公司準備 AI 計畫。 現在的問題是：在您的組織內，誰負責 AI 的工作？ 在此單元中，深入探討如何在您的組織中指派與 AI 相關的責任。

在您的組織中啟用 AI 是共同責任

組織中的每個人在 AI 轉型中都有各自扮演的角色。 重要的是讓公司內的所有人員都能積極地參與 AI 應用程式並貢獻想法。 規劃設計和執行時，促進商業與技術團隊之間的共同作業非常關鍵。 部署之後，跨技術和營運部門的小組必須在一段時間內投入 AI 解決方案的維護作業：

  • 評量商務績效和 AI 解決方案的投資報酬率。
  • 監測模型的效能和精確度。
  • 根據 AI 解決方案獲得的見解來採取行動。
  • 解決發生的問題，並決定如何在一段時間內改善解決方案。
  • 向 AI 使用者 (不論是客戶或員工) 收集意見反應並加以評估。

圖表顯示 AI 需要的跨學科技能：領域熟悉、IT 技能與 AI 技能。

高階主管領導階層的最終責任是要擁有整體 AI 策略和投資決策、建立 AI 型文化、變更管理，以及負責的 AI 原則。

至於組織中的其他主管，並沒有可以遵循的單一模型，但可能涉及不同角色。 您的組織必須根據策略和目標、企業內的小組，以及您的 AI 成熟度，來決定適合的模型。

商務營運主管

一名企業領袖站在大樓前的照片。

這個職務是負責組織內特定功能的運作、商務營運或流程的商務主管。

  • 來自所有員工的原始想法：讓每個部門和層級的人員都能自由貢獻想法、提出問題，並提出與 AI 相關的建議。 我們發現，我們最有影響力的 AI 應用程式構想來自業務部門員工，而不是來自外部或高層。

  • 識別新商業模型：AI 的真正價值在於企業轉型：推動新的商業模型、實現創新的服務、創造新的收益流等等。

  • 為交換想法建立選擇性的社群：其提供 IT 和商務角色持續進行交流的機會。 您可以透過 Yammer 之類的工具，或在網路活動或午餐交流會中，以虛擬方式實作此措施。

  • 訓練業務專家成為「敏捷式產品擁有人」：產品擁有者是敏捷式團隊的成員，負責定義應用程式的功能並簡化執行。 將此角色納入成為商務專家的部分或全部的責任，可讓他們為 AI 計畫投入更多的時間和心力。

數位長

一名數位長的照片。

數位長 (CDO) 是變革推動者，負責藉由數位流程監督傳統作業的轉型。 其目標是要產生新的商機、收益流和客戶服務。

  • 培養整個公司的資料共用文化：多數組織以孤立的方式產生、儲存和使用資料。 雖然每個部門都可以清楚檢視自己資料，但可能缺少與其作業相關的其他資訊。 共用資料是有效使用 AI 的關鍵。
  • 建立 AI 宣言：這可說是具有「北極星」的功能，更加清楚地勾勒出組織對 AI 和數位轉型的願景。 其目標不僅是要鞏固公司的策略，還能激勵組織中的所有成員，並協助他們了解轉型對他們的意義。 CDO 必須與其他高階主管領導階層的成員合作，才能建立文件並將訊息傳達給公司。
  • 找出可供快速致勝的催化專案：識別藉由識別可立即受益於 AI 的工作，即刻展開 AI 轉型，也就是 H1 計畫。 然後，展示這些專案來證明其價值，並在其他小組之間獲得前進的動力 (H2 與 H3)。
  • 推出資料管理最佳實務的教務課程：愈多非 IT 人員參與使用和建立 AI 模型，確保每個人都了解資料管理最佳作法尤其重要。 資料必須經過清理、合併、格式化和管理，才能讓 AI 輕鬆取用並避免偏差。

人力資源主管

一名人力資源主管的照片。

人力資源 (HR) 主管對組織的文化和人員開發貢獻重大。 其工作範圍廣泛，包括執行文化開發、建立內部訓練計畫，以及根據業務需求進行人才招募。

  • 培養「學習文化」：考量如何鼓勵領導階層推動學習文化，擁抱挑戰，並肯定失敗是持續學習和創新過程中寶貴的一環。

  • 設計「數位領導」策略：擬訂計畫來協助企業營運主管和高階主管領導階層，透過採用 AI 來培養自己的 AI 素養和打造管理小組。 請記住，任何 AI 策略都應該遵守負責任 AI 的原則。

  • 建立雇用資料科學家等新角色的計劃：雖然提升員工技能是長期的目標，但在短期內，您可能需要特別針對 AI 方案招募新血。 您可能需要的新角色包括資料科學家、軟體工程師和 DevOps 管理員。

  • 建立受 AI 影響角色的技能計劃：建立 AI 型文化需要主管階層的持續認可，教育技術和營業單位的員工並提升其技能。

    • 在技術方面，員工需要建立和運用 AI 應用程式的核心技能。 與其他公司合作可能會有所助益，讓您的小組更快跟上腳步，但 AI 解決方案絕非靜態。 他們需要同樣對企業有透徹了解對象的持續調整，才能利用新資料、新方法和新的商機。
    • 在商務端，重要的是訓練人員採用新的流程，來因應以 AI 為基礎的系統變更日常工作流程的狀況。 訓練包括教導他們如何使用穩健的人為判斷，來解讀 AI 的預測和建議並據此來採取行動。 您應該謹慎管理該變更。

IT 主管

一名 IT領導者的照片。

雖然數位長負責建立及執行整體數位策略，IT 總監也會監看日常技術作業。

  • 在商務和 IT 間推出敏捷式工作活動：在商務和 IT 小組之間執行敏捷式流程，有助於讓這些小組保持共同的目標。 實作需要進行文化轉型，以促進共同作業並減少卡位競爭。 Microsoft Teams 和 Skype 等工具都是有效的共同作業工具。
  • 建立「暗數據」補救計劃：「暗數據」是組織未分析的非結構化且未標記的孤立資料。 其並未分類、受保護或受控管。 在各個產業中，如果公司能針對「暗數據」進行處理，就能獲得極大的效益。 為此，他們需要一個計畫來移除資料孤島、從非結構化內容中解壓縮結構化資訊，以及清除不必要的資料。
  • 設定敏捷式跨功能傳遞小組和專案：跨功能傳遞小組是執行成功 AI 專案的關鍵。 對於企業目標和流程有深入瞭解和掌控能力的人員，應該是規劃和維護 AI 解決方案的核心。 獨立作業的資料科學家所建立的模型，可能缺乏對商業背景、目的或價值的認識，而無法有效執行。
  • 調整公司 MLOps：大規模管理整個機器學習生命週期的作業相當複雜。 組織需要一種方法，來將 DevOps 的靈活性帶入機器學習生命週期。 這個方法就稱為 MLOps：是由資料科學家、AI 工程師、軟體開發人員以及其他 IT 小組共同合作，來管理端對端機器學習生命週期。 若要深入了解 MLOps，請參閱「為您的企業運用 AI 工具和資源」的對應單元。

商務工作者的功能不只是提供深入解析給資料科學家。 AI 必須協助他們更妥善且更快速地工作。 在下一個單元中，讓我們看看如何使用不需要資料科學專業知識或調解的無程式碼工具來達成此目標。