收益：
- 考虑三个层面（专家、译者、用户）的人工智能能力，并了解最常被忽视的译者和普遍的读写能力差距
- 能够在集中式、分布式、中心辐射型组织模式中选择适合本机构的组织模式
- 能够通过培训-招聘-合作伙伴的平衡来缩小能力差距，并将广泛的识字率和保留率纳入战略
即使是最好的战略也只是纸上谈兵，没有人去实施。人工智能转型最常见的瓶颈不是技术，而是缺乏能力（完成工作所需的知识、技能和经验）和组织（工作的结构、谁做什么）。在本单元中，您将了解高级经理如何为人工智能建立正确的团队结构、人才战略和能力发展。目标是将狭隘的观点（例如“让我们雇用一些数据科学家”）转变为企业范围的能力方法。
能力不是单一角色
一个常见的误解是将人工智能归咎于少数被称为“数据科学家”的专家。事实上，人工智能转型需要三层能力：
层
谁
它需要什么
专家
数据科学家、机器学习工程师
模型、数据、基础设施深度
翻译者
产品/业务分析师
将业务问题转化为人工智能解决方案
用户
全体员工
安全、有效和负责任地使用车辆
关键且经常被忽视的一层是显而易见的：人工智能翻译者是将业务语言翻译成技术语言，反之亦然，构建“哪个业务问题由哪个人工智能解决方案解决”的桥梁。最昂贵的失败往往不是因为缺乏专家，而是因为缺乏翻译人员：技术团队构建了完美的模型，但却针对错误的问题。
提示：在制定人工智能人才预算时，不仅要考虑专家，还要考虑翻译人员的角色以及所有员工的基本素养。大多数机构对专家的投资过多，而对翻译和大众扫盲的投资太少；不过，一般是最后两个锁定该值。
组织模式
企业中AI人才的组织方式主要有以下三种：
- 集中化：所有人工智能专家都集中在一个团队中。优点：深度、一致性。缺点：脱离工作。
- 分布式：专家分布在业务部门。优点：距离近、速度快。缺点：不一致、重复。
- 中心辐射型：中央卓越中心（CoE；定义和传播标准、工具和最佳实践的核心团队）+嵌入业务部门的从业者。适用于大多数大中型组织的最平衡的模型。
卓越中心；提供通用工具、安全标准、培训和可重复使用的组件；业务部门管理自己的使用领域。该模型保持了一致性和接近性。
建造、购买、合作
有三种方法可以缩小技能差距，通常三种方法都可以：
- 建立：培训现有员工。最可持续但最慢。
- 雇用（购买）：聘请外部专家。速度快，但价格昂贵且有竞争力。
- 合作伙伴：与顾问/供应商合作。快速上手，但有成瘾的风险。
明智的战略：培训/雇用关键和永久的能力，满足合作伙伴中的临时或非常具体的需求。
循序渐进：建立能力战略
1. 绘制能力差距图。三层（专家、翻译者、用户）我们在哪里，我们该往哪里走？
2. 选择您的组织模式。集中式、分布式或中心辐射型；适合该机构的。
3. 建立构建-购买-合作伙伴的平衡。确定每个间隙的最佳路径。
4. 启动非正式扫盲计划。对所有员工进行基本、安全、负责任的使用培训。
5. 培养人才保留和文化。仅仅吸引人才还不够；保持有意义的工作、学习和文化。
三个迷你箱子
案例 1——译者差距。一家工业公司聘请了三名昂贵的数据科学家，但没有翻译角色来桥接业务部门。专家们制作的项目在技术上令人印象深刻，但对商业无关紧要；一年内没有出现任何有形价值。当任命两名“人工智能翻译员”（经验丰富的业务分析师）时，这些专家在 6 个月内提出了三个有价值的用例。差距不在于专业知识，而在于桥梁。
案例 2 — CoE 一致性。在一家企业集团中，每家公司都使用自己的人工智能工具，并遵循自己的规则：经常性成本、不一致的安全性。一旦建立了卓越中心并提供了通用工具、标准和培训；许可证成本下降了 30%，安全性变得一致，一家公司学到的知识很快传播到另一家公司。
案例 3——普及识字的影响。一家服务公司将人工智能留给了一组专家；现场的 300 名员工要么根本没有使用这些工具，要么错误地使用了这些工具（违反了保密规定）。公司推出基础扫盲计划（为所有人进行3小时的安全使用培训）；安全使用的增加和许多有价值的使用想法都来自现场。价值不在于专家，而在于有能力的人群。
四个可复制模板
1) 能力差距图：
您的角色：人工智能人才顾问。从三个层面评估我们的组织：专家（数据/机器学习）、翻译者（业务技术桥梁）、用户（所有员工）。为每一层写下典型的差距和优先行动。上下文：[文本]
2）组织模式建议：
比较[组织规模和结构]的集中式、分布式和中心辐射模型。写下您针对我们的情况推荐哪一个、为什么以及卓越中心将承担哪些责任。
3) 建立-购买合作伙伴决策：
对于以下每个能力差距[列表]，请写下您推荐的培训/雇用/合作伙伴选项的理由。将持久和关键能力与临时需求分开。
4) 非正规扫盲计划：
为非技术员工准备3小时的“安全有效使用人工智能”培训稿：基本概念、正确/不正确的使用、隐私与认证、实际例子。按模块给出标题和持续时间。
弱提示/强提示
弱项：“我应该为人工智能建立什么样的团队？”
结果：角色的一般列表；对机构的规模、成熟度和差距视而不见。
Strong：“我们是一家拥有 500 名员工、三个业务部门的制造公司；我们的成熟度较低，没有数据科学家，但有强大的业务分析师。提出人工智能的组织模型（集中式/分布式/中心辐射式），通过制造-购买-合作伙伴平衡来缩小我们在每一层（专家/翻译/用户）的能力差距，并为第一年制定广泛的扫盲计划。”
结果：针对特定组织的、分层的、现实且适用的人才战略。
常见错误
- 只投资于专家。如果没有翻译人员和广泛的识字能力，专家就无法创造价值。
- 跳过翻译角色。如果业务和技术之间没有桥梁，即使是最好的专家也会解决错误的问题。
- 忽视了广泛的识字能力。未受过教育的人群要么根本不使用车辆，要么冒着风险使用它。
- 仅仅依靠招募。购买育种而不进行育种是昂贵、脆弱且不可持续的。
- 忘记文化和保留。如果你不吸引人才并提供有意义的工作和学习，你很快就会失败。
注意：人工智能可能会建议组织结构图或培训大纲；但决定哪种模式适合机构的文化和现实、谁将扮演哪个角色以及保留动力的是人。人力资源决策影响很大，不能仅依靠算法。
总之
人工智能转型最常见的瓶颈不是技术，而是能力和组织。能力分为三层：专家、翻译者和用户；最常被跳过和价值锁定的层是译者的广泛读写能力。该组织可以是集中式、分布式或中心辐射式（卓越中心+嵌入式从业者）；对于大多数组织来说，后者是平衡的。通过培训、招募和合作伙伴的组合来缩小差距；保留关键且持久的能力。在下一个单元中，我们将介绍如何明智地购买外包人工智能解决方案。
应用任务
从三层（专家、翻译人员、用户）评估您的组织，并记下每层的最大差距。 2. 通过模板确定适合您的组织模式。写下您针对两个最关键的职位空缺做出培训/雇用/合作伙伴决定的原因。最后，概述针对所有员工的非正式扫盲计划的主要主题。
清单
- [ ] 我将能力差距分为三层。
- [ ] 我检查了 Translator 角色是否存在。
- [ ]我选择了适合机构的组织模式。
- [ ] 我为每个空缺职位做出了构建-购买合作伙伴的决定。
- [ ] 我计划了非正式扫盲计划。
- [ ] 我将保留和文化纳入策略中。
- [ ] 我并没有将人力资源决策完全交给算法。