人工智能|技术不是AI落地的最大挑战，「人才」才是( 二 ) Genesis|数字汽车|genesis|iphone|钥

一些具有正确的能力和兴趣的内部主题专家了解内部业务，可能比去公司外部聘请数据科学家更可取和更能发挥作用，虽然外部聘请数据科学家的技术上先进，但他们可能不熟悉行业和具体业务或公司的问题和挑战。笔者听说过很多传统公司高管的故事，他们聘请了数据科学家，满怀希望地将他们融合到业务中，而当事实证明很难将这些数据科学家与业务管理和流程相结合时，他们不免感到失望。
虽然内部培养的人才在解决最棘手的问题时可能无法取代高端数据科学家，但他们往往可以大大推进公司的人工智能和机器学习的应用并产生实质性的商业价值。在传统公司内发现的一些学科特别适合发展人工智能和机器学习的专业知识。各种类型的工程师、运营研究人员、物理科学家、收入经理和其他人通常都具有技术基础、定量能力以及能熟练地处理数据和对知识具好奇心，这些令他们能够学习如何应用人工智能和机器学习并提高这方面的能力。
Case举了一个钢铁公司的例子，该钢铁公司的化学家和冶金学家面临的生产挑战可以用数据和人工智能解决。他告诉笔者，“你可以找到那些在职业生涯中进取的有才华的人，通过正确的培训将他们武装起来。”此外，这些人通常有一个重要的优势，他们了解业务，因此，具有企业领导人认可度。
解决人的问题
笔者和各种传统公司的一些致力于人工智能和机器学习应用的高管交谈过，很明显，最大的挑战是文化，要将数据科学和人工智能与业务管理和流程联系起来寻找所需的人才尤其是最大的挑战。主要的挑战并非技术问题。这些公司的高管告诉笔者，持续的挑战是找到合适的人并将他们与人工智能应用一起纳入企业的实际工作中。
上述观点表明，利用数据科学和人工智能实现实际收益亟需熟练的业务领导。高级领导人必须了解驱动和促成数据科学家的真正因素，只有这样他们的公司才能吸引人才、促进人才的成长并在传统业务中整合这些人才，进而创造商业价值。