AI 公司為什么要設(shè)立這樣一個(gè)職位

職責(zé)邊界是什么

什么樣的人適合

職位發(fā)展前景如何

等等問(wèn)題，都還是業(yè)內(nèi)空白，為此我將在正文中為大家一一揭曉。

核心結(jié)論

人工智能訓(xùn)練師的定義：通過(guò)分析產(chǎn)品需求和相關(guān)數(shù)據(jù)，完成數(shù)據(jù)標(biāo)注規(guī)則的制定，最終實(shí)現(xiàn) " 提高數(shù)據(jù)標(biāo)注工作的質(zhì)量和效率 " 以及 " 積累細(xì)分領(lǐng)域通用數(shù)據(jù) " 的價(jià)值。

人工智能訓(xùn)練師的行業(yè)認(rèn)知度：開(kāi)始得到杭州、北京等城市 2 年以上 AI 公司的重視，考慮到人工智能訓(xùn)練師的人才缺口 5 年后將增長(zhǎng) 20 倍以上，該職位將會(huì)愈加受到各家 AI 公司的重視。

人工智能訓(xùn)練師的職業(yè)規(guī)劃：1~3 歲互聯(lián)網(wǎng)產(chǎn)品經(jīng)理最有可能成為人工智能訓(xùn)練師的主要來(lái)源職位；而 AI 產(chǎn)品經(jīng)理將成為最合適的上升職位。

目錄

人工智能訓(xùn)練師的產(chǎn)生背景

人工智能訓(xùn)練師是什么

人工智能訓(xùn)練師的人才缺口

人工智能訓(xùn)練師的職業(yè)規(guī)劃

一、人工智能訓(xùn)練師的產(chǎn)生背景

一般而言，AI 公司從客戶（用戶）那里獲取到的原始數(shù)據(jù)無(wú)法直接用于模型訓(xùn)練，在 " 人工智能訓(xùn)練師 " 出現(xiàn)以前，是由 AI 產(chǎn)品經(jīng)理先用相關(guān)工具簡(jiǎn)單處理，再交給數(shù)據(jù)標(biāo)注人員進(jìn)行標(biāo)注加工，但因?yàn)闃?biāo)注人員對(duì)數(shù)據(jù)的理解和標(biāo)注質(zhì)量差異很大，導(dǎo)致整體標(biāo)注工作的效率和效果都不夠理想。

同時(shí)，AI 公司在其細(xì)分領(lǐng)域內(nèi)積累了大量數(shù)據(jù)，這些數(shù)據(jù)往往在使用一次后就不再產(chǎn)生更多價(jià)值，隨之帶來(lái)了第二個(gè)問(wèn)題：數(shù)據(jù)無(wú)法沉淀和復(fù)用。

基于這兩個(gè)問(wèn)題，" 人工智能訓(xùn)練師 " 應(yīng)運(yùn)而生。

* 注：" 人工智能訓(xùn)練師 " 這個(gè)職位，據(jù)說(shuō)最早是由 BAT 某部門在 2 年前創(chuàng)造的。

二、人工智能訓(xùn)練師是什么？

1. 定義

人工智能訓(xùn)練師，是通過(guò)分析產(chǎn)品需求和相關(guān)數(shù)據(jù)，完成數(shù)據(jù)標(biāo)注規(guī)則的制定，最終實(shí)現(xiàn) " 提高數(shù)據(jù)標(biāo)注工作的質(zhì)量和效率 " 以及 " 積累細(xì)分領(lǐng)域通用數(shù)據(jù) " 的價(jià)值，從工作流和工作難度等角度看，它介于數(shù)據(jù)標(biāo)注和 AI 產(chǎn)品經(jīng)理之間。

2. 工作職責(zé)

人工智能訓(xùn)練師的工作職責(zé)，主要有以下三點(diǎn)：

提供數(shù)據(jù)標(biāo)注規(guī)則：通過(guò)算法聚類、標(biāo)注分析等方式，從數(shù)據(jù)中提取行業(yè)特征場(chǎng)景，并結(jié)合行業(yè)知識(shí)，提供表達(dá)精準(zhǔn)、邏輯清晰的數(shù)據(jù)標(biāo)注規(guī)則，最終確保數(shù)據(jù)訓(xùn)練效果能滿足產(chǎn)品的需求；

數(shù)據(jù)驗(yàn)收及管理：參與模型搭建和數(shù)據(jù)驗(yàn)收，并負(fù)責(zé)核心指標(biāo)和數(shù)據(jù)的日常跟蹤維護(hù)；

積累領(lǐng)域通用數(shù)據(jù)：根據(jù)細(xì)分領(lǐng)域的數(shù)據(jù)應(yīng)用要求，從已有數(shù)據(jù)中挑選符合要求的通用數(shù)據(jù)（適用于同領(lǐng)域內(nèi)不同客戶 / 用戶），形成數(shù)據(jù)的沉淀和積累。

* 注：在不同公司，人工智能訓(xùn)練師的職責(zé)具有一定差異性，比如有的偏重前期的數(shù)據(jù)挖掘和模型訓(xùn)練，有的偏重后期的產(chǎn)品運(yùn)營(yíng)和產(chǎn)品體驗(yàn)。

3. 職位辨析

人工智能訓(xùn)練師和數(shù)據(jù)標(biāo)注、AI 產(chǎn)品經(jīng)理的異同

1）人工智能訓(xùn)練師和 AI 產(chǎn)品經(jīng)理的異同

人工智能訓(xùn)練師需要和 AI 產(chǎn)品經(jīng)理討論需求，進(jìn)而制定數(shù)據(jù)標(biāo)注規(guī)則，并提出產(chǎn)品體驗(yàn)優(yōu)化建議。

2）人工智能訓(xùn)練師和數(shù)據(jù)標(biāo)注的異同

人工智能訓(xùn)練師需要和數(shù)據(jù)標(biāo)注人員緊密協(xié)作，把控好整個(gè)流程的輸入規(guī)則和輸出結(jié)果，最終輸出標(biāo)注準(zhǔn)確的數(shù)據(jù)（供模型訓(xùn)練）。

3）人工智能訓(xùn)練師的工作流程圖

下圖，展示了人工智能訓(xùn)練師和數(shù)據(jù)標(biāo)注、AI 產(chǎn)品經(jīng)理協(xié)作的工作流及其每個(gè)節(jié)點(diǎn)的交付物。

不難發(fā)現(xiàn)：人工智能訓(xùn)練師在數(shù)據(jù)標(biāo)注和 AI 產(chǎn)品經(jīng)理之間，起到橋梁的作用。

人工智能訓(xùn)練師和初級(jí)互聯(lián)網(wǎng)數(shù)據(jù)產(chǎn)品經(jīng)理的異同

1）兩者工作職責(zé)的主要區(qū)別在于 " 積累細(xì)分領(lǐng)域通用數(shù)據(jù) "，這項(xiàng)工作將為公司創(chuàng)造新的價(jià)值，比如：

大大減少后續(xù)標(biāo)注人員的工作量，提升業(yè)務(wù)的接入速度和效率。

逐步建立細(xì)分領(lǐng)域的行業(yè)壁壘。

總之，由于一般的數(shù)據(jù)不能全領(lǐng)域通用，所以不同應(yīng)用場(chǎng)景下，細(xì)分領(lǐng)域通用數(shù)據(jù)少的問(wèn)題，將成為整個(gè)行業(yè)的痛點(diǎn)和機(jī)會(huì)。

2）在 AI 工作場(chǎng)合，原本由初級(jí)互聯(lián)網(wǎng)數(shù)據(jù) PM 完成的 " 貢獻(xiàn)數(shù)據(jù)采集標(biāo)準(zhǔn)、打通數(shù)據(jù)資源、數(shù)據(jù)應(yīng)用的推廣 " 等工作，并沒(méi)有交給人工智能訓(xùn)練師，而是由更適合的 AI 產(chǎn)品經(jīng)理完成，原因在于這部分工作更偏重前端的需求和推廣（AI 產(chǎn)品經(jīng)理更熟悉和擅長(zhǎng)產(chǎn)品體驗(yàn)及流程）。

4. 能力模型

基于人工智能訓(xùn)練師的工作職責(zé)，需要具備哪些能力呢？

通過(guò)調(diào)研分析，我們總結(jié)出了如下的能力模型：

數(shù)據(jù)能力：了解科學(xué)的數(shù)據(jù)獲取方法論，能運(yùn)用數(shù)據(jù)處理工具（如 Excel 等），邏輯思維強(qiáng)。