想与人工智能合作？确保你提升了专业知识水平
作者：Written by Joe McKendrick, Contributing Writer Oct. 15, 2024 at 3:24 a.m. PT
人工智能以及数据分析技能这些技能非常抢手，但单独存在无法带来业务成功。专业知识对于成功至关重要，因此专业人员渴望从事人工智能职业必须将学习扩展到技术之外。
那是Precisely公司的首席技术官Tendü Yogurtçu博士的观点，他主张扩大这样的角色。
также： （由于"Also:"是一个简短且通用的表达，在没有具体上下文的情况下，直接提供其常见中文翻译：“也：”或根据语境可译为“此外：”。如果按照要求不做额外解释，则输出原文：） Also:企业领袖提出的三种构建强大数据基础以实施人工智能的方法
她对ZDNET表示，在Precisely最近在费城德雷塞尔大学举行的Trust 24活动中说：“我们需要更多的人来运行AI，但也需要更多的人将这些AI和数据技能与特定领域的专业知识相结合。”
为了利用最佳的语言模型——无论大小——我们需要领域专家提供深度专业知识，以实现最可信的结果。
她说要考虑一家管理位置数据的保险公司，建议人工智能技能单独来看，这些数据本身并没有价值："80%的数据具有地理位置属性。如果你是一家保险公司，并且试图根据正确的风险水平来定价，那么了解财产边界、两个物业之间的差异以及是否靠近水边对于进行评估非常重要。"
также：如何在新兴的人工智能经济中提升你的职业水平
同样，在医疗领域，仅靠AI和技术技能不足以取得成功，因为需要深厚的医学专业知识。在金融分析或工厂装配等领域，仅仅拥有AI技能也无法取得成功。
这种情况解释了为什么Yogurtçu敦促那些寻求在人工智能及相关技术领域职业的专家或学生增加另一个专业领域。行业专家一致认为，成员应当AI团队需要具备业务和技术技能的交叉组合.
阿lation的首席技术官Junaid Saiyed告诉ZDNET：“在AI建议的输出情况下，可能存在语境误解、偏见结果或幻觉的风险。”
также：你的业务如何最好地利用人工智能：告诉董事会这四件事
必须有领域专家或人类参与来验证AI的建议——这一方法恰当地总结为“机器建议，人工验证”。有效的人员监督需要明确的监控角色和对AI模型的透明度以便于解释。
赛义德表示：“拥有某一情况或倡议最全面知识的领域专家或用户应有权推翻或更改AI决策。”“然而，组织内的任何人通过透明的治理流程提出问题以确保责任和持续改进至关重要。”
这一项关于结合领域专业知识和人工智能技能的要求最近被强调在一项中分析由咨询公司埃森哲提出。虽然“机器可以自动并增强人类在主要业务流程中的工作”，组织可以利用一个“内部人才市场进行按需协作，在这个市场上，动态项目团队可以根据战略需求轮流加入和退出项目。”
埃森哲的作者建议公司不断演变技术及特定领域的角色以实现发展。这种方法的关键是采用以领域为中心的数据现代化方法。
准备重塑的公司拥有集中化的数据治理和以领域为中心的数据现代化观点，他们表示。“这创建了一个强大的数据基础，为AI驱动的重塑做好了准备。”这一过程的一部分是确保“人们清楚如何创建、处理和消费数据。”
分析还指出，将“以人为本的重塑”视为重要，“Accenture”的作者们敦促道。“在人工智能时代，这意味着要重新塑造劳动力，使新的职位与业务需求相适应，随着技术的发展而调整。这也意味着为员工提供全面培训，使他们能够在各自的岗位上茁壮成长，并充分利用通用人工智能的强大功能。”
这意味着重新发明工作方式和重新思考整个流程及工作流，以清楚地了解生成式AI在服务客户、支持人员和实现业务成果方面可以产生最大影响的地方。
暂无评论