2022-10-25-Gartner--支持高级分析和人工智能计划的角色和技能（英）_39页_1mb

Gartner研究报告：支持先进分析与AI项目所需角色与技能

背景

随着AI技术快速发展，企业面临数据复杂性、模型可解释性及团队协作挑战。Gartner提出需明确定义AI和机器学习（ML）所需角色与技能，以支撑高级分析项目。

核心发现

1. 角色分散与协作
   单点技术角色不足以支撑AI项目，需跨职能团队协作。核心角色包括数据科学家、机器学习工程师及新兴角色（模型所有者、模型验证者）。

2. 关键角色定义

   • 数据科学家：负责模型开发与数据管理，需结合统计学与业务理解。
   • 机器学习工程师：专注模型部署与生产环境优化。
   • 公民数据科学家：业务人员通过低代码工具填补技术缺口，并传播数据素养。
   • 模型所有者：提供业务审批与FE（公平、隐私）管理。
   • 模型验证者：确保模型合规性、可解释性与公平性。

3. 组织建议

   • 混合团队模式：推荐使用中心化或嵌入式AI团队模型。
   • 能力建设路径：从内部培养公民数据科学家，逐步引入数据科学家、模型验证者，分阶段扩展团队。

4. 技术挑战解决方案

   • 数据管理：需明确数据架构选择（数据湖、数据仓库），并提升数据可访问性。
   • AI信任问题：通过模型验证实现偏差检测、可解释性及模型监控。
   • 战略投资：到2024年，40%企业将提供专业数据科学培训；到2025年，数据科学家不再是AI落地瓶颈。

行动建议

• 短期：聚焦数据科学家+公民数据科学家的培养。
• 中期：引入模型验证者与AI运营专家。
• 长期：建立中心化COE（卓越中心）统一策略，分散至各业务团队。

### 行动建议总结
- **团队构建**：渐进式扩展团队，优先培养基础角色。
- **技能提升**：聚焦数据管理与模型验证技术，赋能业务侧。
- **流程设计**：围绕透明度、合规性构建AI治理框架。