重點摘要
- 大部分企業需要先聘請實施及自動化人才，之後才是工程職位。
- 不同公司的職銜各有不同，應看職責而不是職銜。
- 可用這份詞彙表寫出更清晰的招聘要求。
市場上的 AI 職銜並不統一。這份詞彙表解釋各個職位一般負責的工作。
| 職位 | 負責甚麼 | 誰需要 |
|---|---|---|
| AI 實施主管 | 把 AI 工具變成實際運作的業務流程及可量度的節省 | 任何大規模採用 AI 的公司 |
| 自動化專才 | 在自動化及 AI 平台上建立流程、接駁系統 | 需要自動化多個流程的公司 |
| AI 方案架構師 | 設計企業 AI 工具如何接駁系統、數據及保安 | 系統較複雜的大型公司 |
| AI 培訓導師／應用推廣主管 | 培訓員工並推動日常使用 AI | 有大量非技術使用者的公司 |
| AI 產品經理 | 把業務需要轉化為 AI 功能及內部工具 | 自行開發 AI 產品的公司 |
| AI 主管／首席 AI 官 | 負責 AI 策略、預算、管治及團隊 | 多個業務單位應用 AI 的機構 |
| 生成式 AI／大型語言模型工程師 | 以主流模型開發度身訂造的助理及 AI 代理 | 開發度身 AI 應用的公司 |
| 數據工程師 | 建立 AI 所依賴的數據管道及平台 | 數據系統規模較大的公司 |
| 數據科學家 | 分析數據及建立預測模型 | 有建模需要的公司 |
| 機器學習工程師 | 建立、訓練及部署機器學習模型 | 自行開發模型的公司 |
| MLOps 工程師 | 確保模型在正式環境穩定運作 | 已有模型投入運作的公司 |
| AI 管治／風險專才 | 負責任 AI、模型風險及合規 | 受監管行業 |
先聘請哪些職位
對大部分公司而言，第一位要聘請的是 AI 實施主管；當工作量增加，再加一至兩位自動化專才。工程及數據科學職位要待公司開始開發自己的產品或模型時才需要，甚至未必需要。
撰寫招聘要求
描述首年期望的成果、涉及的流程、會使用的系統，以及向誰匯報。清晰的要求，比一長串技術名詞更能吸引合適人選。