Проекты в области ИИ становятся все разнообразнее и востребованнее, однако инициативы часто тормозятся из-за неудачного выбора архитектуры, недостаточной подготовки и неспособности масштабироваться. Именно поэтому все более актуальной становится роль ИИ-архитектора, который подготовит и организует запуск в эксплуатацию решений ИИ и МО. Рассказываем, чем занимаются эти специалисты и какие навыки для них важны.
Кто такие ИИ-архитекторы и чем они занимаются?
Елена Лиханова
По оценкам Gartner, до 2023 года 50% ИТ-лидеров будут пытаться перевести свои проекты в области ИИ со стадии подтверждения концепции (proof of concept, POC) в производство. Чтобы повысить шансы на успех, организации могут привлечь ИИ-архитектора, который поможет определить архитектурную стратегию, создать рабочие процессы, определить наборы инструментов и масштабировать операции с ИИ.
Кто такие ИИ-архитекторы?
«ИИ-архитекторы — кураторы и владельцы стратегии архитектуры ИИ. Это связующее звено между дата-сайентистами, дата-инженерами, разработчиками, операционным направлением (DevOps, DataOps, MLOps) и руководителями бизнес-подразделений для управления и масштабирования инициатив в области ИИ», — отмечает вице-президент по аналитике Gartner Арун Чандрасекаран.
Они тесно сотрудничают с архитекторами предприятий и решений, но в отличие от них, сосредоточены не на широком наборе функций, а на создании надежной корпоративной архитектуры для ИИ.
Чем занимаются ИИ-архитекторы?
Искусственный интеллект имеет широкий спектр вариантов использования и моделей развертывания, поэтому ИИ-архитекторам необходимы разнообразные возможности.
Взаимодействовать с дата-сайентистами и другими специалистами в области ИИ, чтобы активизировать усилия по цифровой трансформации, определять и пилотировать пользовательские сценарии. Обсуждать целесообразность пользовательских сценариев, а также дизайн архитектуры с бизнес-командами и превращать видение руководителей в реалистичную техническую реализацию. Одновременно привлекать внимание к несогласованным инициативам и непрактичным сценариям.
Приводить техническую реализацию в соответствие с существующими и будущими требованиями, собирая информацию от множества заинтересованных сторон — бизнес-пользователей, дата-сайентистов, специалистов по безопасности, инженеров и аналитиков данных, а также тех, кто занимается ИТ-операциями, — и разрабатывать процессы и продукты на основе этих данных.
Играть ключевую роль в определении архитектуры ИИ и выборе подходящих технологий из пула предложений, как коммерческих, так и вариантов с открытым исходным кодом. Выбирать для запуска облачные, локальные или гибридные модели и следить за интеграцией новых инструментов с существующими инструментами управления данными и аналитики.
Проводить аудит инструментов и методов ИИ в области данных, моделей и разработки ПО с акцентом на постоянное совершенствование. Обеспечивать механизм обратной связи для оценки услуг ИИ, поддержки настройки и переобучения моделей.
Тесно сотрудничать с руководителями в области безопасности и рисков, чтобы предвидеть и устранять проблемы, такие как отравление обучающих данных, кража моделей ИИ и образцов конкурентов, обеспечивать этичное внедрение ИИ и восстанавливать доверие к системам ИИ. Следить за предстоящими нормативными актами и сопоставлять их с лучшими практиками.
Какие навыки нужны ИИ-архитекторам?
Этим специалистам требуются особые навыки, которые может быть трудно приобрести за короткое время.
Hard skills
-
Понимание архитектуры ИИ и планирования цепочки процессов; понимание рабочих процессов, организации рабочей нагрузки машинного и глубокого обучения; обязательный навык — глубокое знание компонентов и архитектурных компромиссов, связанных с дата-менеджментом, управлением, построением моделей, развертыванием и организацией процессов ИИ.
Знание разработки ПО и принципов DevOps, включая знание рабочих процессов и таких инструментов, как Git, контейнеры, Kubernetes и CI/CD.
Владение дата-сайенс и продвинутой аналитика, включая знание передовых аналитических инструментов (таких как SAS, R и Python), а также прикладной математики, фреймворков ML и глубокого обучения (TensorFlow) и методов ML (например алгоритм случайного леса и нейронные сети).
Soft skills
-
Интеллектуальное лидерство. ИИ-архитектор должен стать инициатором изменений, которые помогут организации принять мышление, ориентированное на ИИ. Применяйте прагматичный подход к ограничениям и рискам ИИ и реалистично описывайте идеи лицам, принимающим решения в области цифрового мышления.
Готовность к сотрудничеству. Чтобы гарантировать, что платформы ИИ удовлетворяли деловым и техническим требованиям, взаимодействуйте со специалистами из разных направлений: дата-сайентистами, дата-инженерами, аналитиками данных, инженерами ML, другими архитекторами, руководителями бизнес-подразделений, техническим и нетехническим персоналом. Выстраивайте между ними гармоничные отношения.
Источник.
Источник: