5． 人工智能倫理學(xué)家和社會(huì)學(xué)家

人工智能倫理學(xué)家和社會(huì)學(xué)家可能在某些部門（特別是醫(yī)療保健或政府部門）中發(fā)揮著至關(guān)重要的作用，但在廣泛的使用案例中似乎可能會(huì)變得越來(lái)越重要。

McGehee說(shuō)，“人工智能系統(tǒng)的一個(gè)重要組成部分是了解它如何影響人們，以及代表性不足的群體是否受到公平對(duì)待。如果一個(gè)系統(tǒng)具有前所未有的準(zhǔn)確性，但沒(méi)有產(chǎn)生預(yù)期的社會(huì)影響，它注定會(huì)失敗�！�

6．律師

McGehee表示，在這個(gè)新興領(lǐng)域也看到了對(duì)法律專業(yè)知識(shí)的單獨(dú)而相關(guān)的需求。McGehee說(shuō)，“GDPR法規(guī)為制定圍繞算法決策的法規(guī)樹(shù)立了先例。隨著世界各國(guó)對(duì)人工智能在工業(yè)中的應(yīng)用越來(lái)越了解，預(yù)計(jì)將出臺(tái)更多的法律。精通這一領(lǐng)域的律師可能是一種寶貴的財(cái)富�！�

由于行業(yè)領(lǐng)域?qū)＜胰绱酥匾�，正如Kranc和McGehee所闡述的那樣，有必要研究一些行業(yè)領(lǐng)域的具體例子，其中包括技術(shù)和非技術(shù)領(lǐng)域。這些領(lǐng)域應(yīng)該是人工智能團(tuán)隊(duì)建設(shè)的一部分，具體取決于企業(yè)的特定目標(biāo)和用例。

Jane．a(chǎn)i公司的Costenaro指出，“由于人工智能通常只是增強(qiáng)現(xiàn)有商業(yè)用例的一個(gè)使能層，因此過(guò)去支持過(guò)這個(gè)用例的團(tuán)隊(duì)成員仍然是具有價(jià)值的，出于同樣的原因也是必不可少的�！�

Costenaro提供了五個(gè)可能具有價(jià)值的人工智能貢獻(xiàn)者的角色示例，并解釋了如何在人工智能環(huán)境中調(diào)整和增強(qiáng)現(xiàn)有角色。

7． 高管和策略師

Costenaro說(shuō)，“企業(yè)高管領(lǐng)導(dǎo)層將需要考慮哪些業(yè)務(wù)模式可以通過(guò)人工智能實(shí)現(xiàn)自動(dòng)化和改進(jìn)，并權(quán)衡來(lái)自以下團(tuán)隊(duì)的新機(jī)會(huì)和風(fēng)險(xiǎn)，如數(shù)據(jù)隱私、人機(jī)交互等�！�

8． IT主管

不要對(duì)非技術(shù)角色的價(jià)值感到困惑：如果沒(méi)有IT，企業(yè)的人工智能戰(zhàn)略就不會(huì)走得太遠(yuǎn)。 Costenaro指出，IT團(tuán)隊(duì)需要解決以下問(wèn)題：“如果正在為模型培訓(xùn)積累和存儲(chǔ)大量數(shù)據(jù)，那么將如何確保數(shù)據(jù)的隱私性和安全性？此外，將如何存儲(chǔ)并從服務(wù)器到客戶的設(shè)備快速可靠地提供服務(wù)？”

Costenaro補(bǔ)充道，這也將推動(dòng)對(duì)DevOps專業(yè)人士和擁有云原生技術(shù)（如容器和編排）專業(yè)知識(shí)人員需求的不斷增長(zhǎng)。而IT部門有機(jī)會(huì)使用諸如聊天機(jī)器人之類的人工智能工具來(lái)簡(jiǎn)化內(nèi)部服務(wù)。

9．人力資源領(lǐng)導(dǎo)者

Costenaro說(shuō)，“與此類似，人力資源部也有很多機(jī)會(huì)通過(guò)使用像聊天機(jī)器人這樣的人工智能工具來(lái)為客戶提供服務(wù)，從而提高效率。”

此外，人力資源似乎很可能成為評(píng)估組織內(nèi)人工智能影響的一個(gè)重要參與者，這與McGehee將倫理學(xué)家和律師等角色包括在內(nèi)并沒(méi)有不同。

10．營(yíng)銷和銷售領(lǐng)導(dǎo)者

正如Kranc指出的那樣，如果企業(yè)的人工智能計(jì)劃與創(chuàng)收相關(guān)，那么應(yīng)該考慮從銷售和營(yíng)銷等領(lǐng)域添加領(lǐng)域?qū)�業(yè)知識(shí)。

Costenaro還指出，作為人工智能項(xiàng)目的一部分，銷售和營(yíng)銷專業(yè)人員可能需要利用銷售自動(dòng)化工具和機(jī)器人流程自動(dòng)化（RPA）等技術(shù)來(lái)增強(qiáng)他們現(xiàn)有的技能和流程。

11．運(yùn)營(yíng)專家

在整個(gè)IT部門內(nèi)，運(yùn)營(yíng)和DevOps專業(yè)人員都有特定的領(lǐng)域?qū)�業(yè)知識(shí)來(lái)實(shí)施人工智能計(jì)劃。Costenaro列舉了以下問(wèn)題作為需要在哪里運(yùn)用專業(yè)知識(shí)的例子：

哪些可以實(shí)現(xiàn)自動(dòng)化和改進(jìn)？

如果使用機(jī)器學(xué)習(xí)模型，將如何創(chuàng)建新的數(shù)據(jù)收集流程以持續(xù)培訓(xùn)和改進(jìn)這些模型？

可以從開(kāi)源存儲(chǔ)庫(kù)中獲取現(xiàn)成的、預(yù)先訓(xùn)練好的模型和／或數(shù)據(jù)集，從而獲得巨大的先機(jī)嗎？第三方供應(yīng)商提供的API服務(wù)是否會(huì)考慮一些任務(wù)和用例？

雖然人工智能可以解決一些重大問(wèn)題，但也一定會(huì)產(chǎn)生新的挑戰(zhàn)。這就是構(gòu)成多元化團(tuán)隊(duì)的根本原因。

McGehee說(shuō)�！熬哂胁煌�背景和個(gè)性的人員關(guān)注不同的項(xiàng)目細(xì)節(jié)和限制因素，這很有用，因?yàn)樗�提高了所有重要�?xì)節(jié)的可能性，并提供了確定解決方案的整體方法�！�