Zespół AI w Twojej firmie. Podział ról i zadań

Czym zajmuje się zespół AI?

Zespół AI to grupa specjalistów zajmujących się sztuczną inteligencją. Do ich zadań w firmie należą między innymi:

• wzmacnianie produktów i usług przez wykorzystanie AI — zespół AI może opracowywać i wdrażać systemy oparte na sztucznej inteligencji, które zwiększają wartość oferowanych produktów i usług. Na przykład, firma e-commerce może wykorzystać system rekomendacji oparty na AI, który proponuje klientom produkty dopasowane do ich preferencji na podstawie analizy zachowań zakupowych,
• automatyzacja rutynowych zadań — zespół AI może tworzyć rozwiązania, które automatyzują powtarzalne czynności, pozwalając pracownikom skupić się na bardziej skomplikowanych zadaniach. Przykładowo, firma może stworzyć chatbota opartego na AI do obsługi klienta i udzielania odpowiedzi na często zadawane pytania,
• analiza danych i generowanie raportów — zespół AI może analizować duże ilości danych, wyciągać z nich wnioski i generować raporty, które wspierają podejmowanie decyzji biznesowych. Na przykład, firma może wykorzystać system analizy sentymentu oparty na AI do monitorowania opinii klientów na temat swoich produktów i usług.

Zakres obowiązków zespołu AI w firmie zależy jednak przede wszystkim od ambicji firmy dotyczących zakresu wdrażania sztucznej inteligencji. Według Gartnera zakres wykorzystania AI w firmach można podzielić z grubsza na trzy sektory:

1. Firmy dążące do poprawy efektywności, w których zespół AI pracuje głównie przygotowując zarówno wewnętrzne narzędzia dla organizacji, jak i narzędzia służące do obsługi klienta.
2. Firmy korzystające z AI do optymalizacji swojego działania, ale unikające jej używania w produktach i do obsługi klienta. Zespół AI zajmuje się wyłącznie usprawnianiem wewnętrznych procesów organizacji.
3. Firmy szeroko wdrażające sztuczną inteligencję, gdzie zespół AI implementuje rozwiązania w produkcie, obsłudze klienta, oraz wewnętrzne.

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

Kompetencje i zakresy obowiązków członków zespołu AI

Według raportu Gartnera „Gartner Top 10 Strategic Technology Trends 2024”, w ciągu najbliższych lat zapotrzebowanie na specjalistów ds. sztucznej inteligencji będzie rosło, zwłaszcza w obszarach takich jak:

• wdrażanie generatywnej sztucznej inteligencji w firmach,
• zarządzanie ryzykiem i bezpieczeństwem (AI Trust, Risk and Security Management, AI TRISM),
• tworzenie i rozwijanie aplikacji wspierane AI (AI-augmented development),
• wykorzystanie sztucznej inteligencji do optymalizacji sposobu podejmowania decyzji.

Jak jednak wygląda skład zespołu AI, który podejmuje się realizacji takich zadań? Oczywiście w zależności od konkretnego projektu, będzie on nieco inny. Jednak oto kilka kluczowych ról w zespole AI:

• Data Scientist — zajmuje się analizą i interpretacją danych, tworzeniem modeli predykcyjnych i uczeniem maszynowym. Jego głównym celem jest wydobycie wartościowych informacji z danych i wykorzystanie ich do podejmowania decyzji biznesowych.
• AI Software Engineer — inżynier systemu AI zajmuje się tworzeniem i rozwijaniem aplikacji opartych na sztucznej inteligencji. Jego zadaniem jest implementacja i optymalizacja algorytmów uczenia maszynowego oraz integracja ich z istniejącymi systemami.
• ML Researcher/ML Engineer — Badacz lub inżynier uczenia maszynowego zajmuje się opracowywaniem nowych modeli i algorytmów uczenia maszynowego oraz ich wdrażaniem w praktyce. Jego głównym celem jest ciągłe doskonalenie i innowacje w dziedzinie sztucznej inteligencji.
• Specjalista ds. Etyki AI — osoba świadoma ryzyka i odpowiedzialności związanych z zastosowaniem sztucznej inteligencji, jest w zespole AI odpowiedzialna za etyczne i odpowiedzialne wykorzystanie tej technologii. Specjalista ds. Etyki AI dba o to, aby inicjatywy AI oraz ich realizacja były zgodne z zasadami etycznymi i prawem.

W zespole AI istnieje także zapotrzebowanie na stanowisko, na którym osoba będzie odpowiedzialna za strategiczne i biznesowe aspekty projektu. Może to być AI Manager zarządzający rozwojem i wdrożeniem procesów i produktów opartych na sztucznej inteligencji, lub Chief AI Officer (CAIO), który odpowiada za strategię AI w całej organizacji. Jego rola to:

• zarządzanie wykorzystywanymi technologiami AI — CAIO musi znać różne algorytmy i techniki AI oraz umieć je stosować do rozwiązywania problemów i ograniczeń w organizacji,
• nadzór nad projektowaniem, tworzeniem, testowaniem i wdrażaniem rozwiązań AI we współpracy z zespołem AI,
• mierzenie wpływu biznesowego i finansowego AI, aby ocenić korzyści i koszty związane z wdrożeniem sztucznej inteligencji,
• szkolenie i rozwijanie pracowników w zakresie AI.

Osobowości w zespole AI

Tak jak w każdym zgranym zespole, tak w zespole AI ważne jest, aby każdy z członków miał odpowiednie kompetencje, regularnie aktualizowane umiejętności, a także doświadczenie. Nie mniej ważna jest jednak troska o różnorodność (diversity), czyli o to, aby zespół składał się nie tyle z osób podobnych, ile inspirujących się nawzajem dzięki odmiennym punktom widzenia.

Osobowości odgrywają kluczową rolę w budowaniu efektywnego zespołu AI. Choć wszyscy członkowie zespołu łączy pasja do technologii i umiejętności analityczne, to różnią się oni podejściem, temperamentem i preferencjami.

Lider zespołu AI musi dostrzegać te różnice i doceniać wagę różnorodności. Przykładowo, data scientist zorientowany na szczegóły i ich skrupulatną analizę może czuć się znudzony abstrakcyjnymi dyskusjami na temat przyszłych kierunków rozwoju technologii AI i wolałby skupić się na udoskonalaniu obecnego modelu ML. Z drugiej strony, specjalista do spraw etyki AI z temperamentem wizjonera i bujną wyobraźnią, może nie mieć cierpliwości do żmudnych prac programistycznych i testowych.

Według raportu McKinsey „Technology Trends Outlook 2023”, w dzisiejszym świecie biznesu coraz większe znaczenie mają:

• elastyczność — ze względu na tempo rozwoju technologii nie warto przywiązywać się do jednego zestawu narzędzi czy sposobu działania,
• umiejętność dostosowania się do zmieniających się warunków — zmiany w składzie zespołu czy przejście na pracę zdalną, a choćby oddelegowanie do innej firmy w ramach outsourcingu nie powinny stanowić problemu dla „idealnego” członka zespołu AI,
• otwartość na nowe wyzwania — wdrażanie sztucznej inteligencji w kolejnych obszarach funkcjonowania firmy oznacza konieczność nabywania nowych umiejętności przez każdą osobę wchodzącą w skład zespołu AI.

Równie ważna jest umiejętność współpracy i komunikacji, chęć do brania odpowiedzialności za powierzone zadania oraz umiejętność radzenia sobie ze stresem.

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

Struktura podziału pracy w zespole AI

Aby zapewnić efektywny przepływ pracy (workflow) w zespole AI, warto zastosować technikę struktury podziału pracy (Work Breakdown Structure). Polega ona na podziale projektu na coraz bardziej szczegółowe zadania, które następnie przydzielane są poszczególnym członkom zespołu zgodnie z ich kompetencjami.

Na najwyższym poziomie znajdują się ogólne cele biznesowe, które dzielone są na konkretne inicjatywy produktowe. Te z kolei rozkładane są na zadania badawcze, programistyczne, testowe itd. Dzięki WBS każdy dokładnie wie, czym ma się zająć, aby przyczynić się do sukcesu całości.

W zespole AI struktura podziału pracy może wyglądać następująco:

• Analiza danych. Zespół zajmujący się sztuczną inteligencją często rozpoczyna od analizy danych, aby zidentyfikować wzorce i zależności, które mogą posłużyć do budowy modeli predykcyjnych.
• Budowa modeli predykcyjnych. Na podstawie zebranych danych zespół AI buduje modele predykcyjne, które mogą być wykorzystane do prognozowania przyszłych zdarzeń.
• Testowanie i optymalizacja modeli. Po zbudowaniu modeli zespół AI przystępuje do ich testowania i optymalizacji, aby upewnić się, iż działają one poprawnie i dają dokładne wyniki.
• Wdrożenie modeli. Po pomyślnym przetestowaniu modele są wdrażane w praktyce, czyli są wykorzystywane do prognozowania przyszłych zdarzeń na podstawie nowych danych.
• Monitorowanie i utrzymanie modeli. Po wdrożeniu modeli zespół monitoruje ich działanie i utrzymuje je w dobrej kondycji, aby zapewnić dokładne wyniki przez cały okres ich użytkowania.

Podsumowanie

Wybór zespołu projektowego może zadecydować o sukcesie lub porażce całego przedsięwzięcia. Dlatego tak ważne jest, aby zespół AI składał się z ludzi o różnych umiejętnościach i osobowościach, różnym doświadczeniu i stylach pracy. jeżeli Project Manager lub CAIO trafnie dobierze swoich współpracowników, wejdą oni naturalnie w nieformalne role najważniejsze dla budowania zgranego zespołu, zwiększając szanse na sukces i dalszą, owocną współpracę.