Друзья, привет,
У нас в работе с HeadExpert есть исследование, которое мы скоро анонсируем про кадры и компетенции руководителя ИИ.
Я вижу все больше путаницы в ролях команды ИИ. Когда в организации говорят: «Нам нужна команда по ИИ», за этой фразой часто скрываются две совершенно разные производственные линии.
Для этого я сделал отдельный лендинг (да, это публичная бета-версия), где структурировал основные роли и обязанности, в которой их можно переключать и сравнивать: ML и LLM / AI-агенты.
Disclaimer. Относитесь к этому как к «идеальной картине мира» и «сферическому коню в вакууме». Такой идеальной картины и всего состава ролей нет ни у одного заказчика. Это скорее для вас подсказка, кто за что отвечает в большой корпоративной структуре
2 контура управления ИИ в организации:
• ML-контур строит прогнозы, рекомендации, скоринговые и оптимизационные модели. Здесь ключевые роли - Data Scientist, Data Engineer, ML Engineer, MLOps. И да, эта эпоха никуда не ушла с приходом LLM, а продолжает жить и развиваться отдельно
• LLM-контур создает генеративные приложения и агентов, подключает корпоративные знания и инструменты. Поэтому нужны другие специализации: Knowledge / RAG Engineer, GenAI / LLM Engineer, Agent Engineer, AI / Agent Architect, LLMOps / AgentOps, AI Security и AI Governance.
🔴 Главная ошибка
Можно нанять сильных ML-специалистов и обнаружить, что некому проектировать RAG, оценивать ответы LLM, задавать агенту границы автономности и контролировать вызовы инструментов. Обратная ситуация тоже встречается: команда быстро собирает красивого чат-бота, но не умеет выстроить надежный контур данных, мониторинг качества и промышленную эксплуатацию.
При этом зачастую ML и LLM контура управления объединяет единая функция руководителя по ИИ (CAIO), общий портфель и общие правила принятия решений. Архитектуру предприятия, данные, ИБ, платформу и эксплуатацию тоже нет смысла дублировать для каждой технологии.
Модель построена в четырех уровнях:
1. Бизнес и стратегия. Владелец процесса отвечает за задачу, KPI и приемку эффекта
2. Управление и архитектура. CAIO, CDO, CDTO и CIO / CTO задают общие рамки
3. Команда разработки. Здесь роли ML и LLM уже расходятся
4. Платформа и контроль. Общие сервисы обеспечивают надежность, безопасность и governance
🔵 Еще один принцип: роль не равна должности
В небольшой компании один человек может совмещать несколько ролей. Часть функций может предоставлять общая ИТ-команда или внешний сервис. Но ответственность все равно должна быть названа: кто отвечает за архитектуру, качество данных, оценку модели, безопасность, эксплуатацию и бизнес-результат.
А у вас нет путаницы с кадрами внутри организации? Буду рад вашей обратной связи в комментариях
#кадры
💬 ген ии | MAX