首席人工智能官:作用是什么?
一旦人工智能完全融入公司,这个新职位是注定要消失,还是会成为一个固定的职位?谁最适合这个职位?以下是我们的见解。.
今年 2 月,在 LinkedIn 上搜索 “首席人工智能官 ”这一头衔,已经有 1900 个结果。有时,这一职位100%专注于人工智能,而在其他情况下,它与CTO(首席技术官)或首席Data官等职位结合在一起。.
Artefact(一家专门从事 data 的公司)的分析则更进一步。“首席执行官爱德华-德-梅泽拉克(Édouard de Mézerac)解释说:”我们在零售行业和主要品牌(包括 B2C 和 B2B)中对 LinkedIn 的全球 data 数据库进行了筛选。“我们发现,正在加速发展生成式人工智能(GAI)的公司已经拥有 1% 到 2% 的 Data 和人工智能高管。.
另一个重要启示是:在从 1% 到 2% 的过程中,我们认为至少有三分之一应致力于 data governance。然而,我们离这个目标还很远。公司对'data 店长'的这些情况重视不够。‘
Data,永远永远 Data
这就是生成式人工智能(GAI)带来的老挑战:公司组织和利用自身 data 的能力。我们已经讨论这个问题十年(也许十五年)了,每一种新的数字工具都会重新引发讨论。但这一次,我们感觉是 “机不可失,时不再来”。没有 data,就没有人工智能。爱德华-德-梅泽拉克(Édouard de Mézerac)说:”这不仅仅是另一个'首席数字官‘。'我不认为这个角色会消失。相反,它应该成为一个基石职位,一个首席执行官必须推动甚至亲自体现的职位。”
在 Artefact 公司,没有首席人工智能官;过去十年来,整个公司一直专注于 Data 和人工智能。.
“Édouard de Mézerac 继续说:”当客户问及是否应该聘请首席人工智能官时,我总是首先提醒他们,他们的所有竞争对手都将获得相同的人工智能。很少有人会开发自己的基础模型!能够创造价值的是将人工智能应用到他们自己的 data 的能力。因此,是的,设立首席人工智能官是有意义的,但前提是这个角色必须包括 Data。否则,这只是营销而已。“
这个新角色有很多人需要加入,首先是执行委员会,他们通常由 45 岁至 60 岁的专业人士组成,在他们的职业生涯中从未考虑过 Data 和人工智能。“Artefact 首席执行官爱德华-德-梅泽拉克(Édouard de Mézerac)继续说道:”这是一个新课题,必须由组织的最高层来推动......我甚至认为,首席执行官应该亲自承担这个角色,或者至少要精心挑选并授权给他们所委托的人。.
“在不产生过多技术债务的情况下进行调整”
首席数字官可能是潜在的候选人之一,只要他们有很强的技术背景。对于每一个用例,都必须决定购买哪些人工智能组件、如何组装、选择哪些合作伙伴,以及与美国公司还是中国公司合作。“Édouard de Mézerac 总结说:”首席人工智能官是来颠覆的;他们需要撼动一切。“但他们也需要快速交付成果。他们面临的最大挑战之一将是在不产生过多技术债务的情况下快速行动。他所说的 ”技术债务 “指的是临时解决方案,这些解决方案可能会变得非常昂贵,因为现在主要的生成式人工智能企业已经进入了 ”金钱时代“。”整合企业 ChatGPT 的成本很高。我建议首席人工智能官与 IT 团队密切合作。在我们的一些客户公司,我们将 Data、人工智能和传统 IT 归为首席技术官的角色。“
首席人工智能官将会继续存在。.
正如我们所见,未来的首席人工智能官既不是一个临时职位,也不是一个外部角色:不存在所谓的 “过渡性 ”首席人工智能官。一旦人工智能普及到所有业务部门,这个职位就不会消失,而是会随着时间的推移逐渐确立。.
尼古拉斯-高德梅(Nicolas Gaudemet)自 2023 年 3 月起在 Onepoint 担任这一职务,他强调说:“人工智能不是一个孤立的职能,而是一个跨职能的职能。加入公司后,他首先起草了一份人工智能路线图:公司的每个战略重点应该选择什么样的人工智能?他推出了几个具有代表性的用例,例如公司 3500 名员工使用的对话助理 Néo,现在它已作为白标解决方案提供。”他解释说:“考虑到我们的业务,我们别无选择,只能卷起袖子,根据我们的实际需求组装组件,打造一款生成式人工智能工具。日常工作中最大的挑战是什么?”无情的节奏!每周都有变化。我们不断地受到邀请。公告不断涌现,我们必须按部就班,分清哪些是真正重要的,哪些是不重要的,“首席人工智能官说。.
Édouard de Mézerac 补充道:“不要花六个月的时间来定义角色和职责,不要迷失在组织细节中。立即开始工作,限制使用案例的数量:你会遇到数以百计的使用案例,但你只能选择一两个开始使用。必须无情地确定优先次序。”最后,确保迅速启动技能提升和培训计划:“毫无疑问,现在存在技能差距,你需要 Data 科学家,一次又一次,以及同时了解业务需求和人工智能挑战的产品负责人。”

博客





