為何 AI 工程是釋放企業 AI 潛能的關鍵

人工智慧為準備投入使用的企業帶來切實的承諾。從遠大的想法轉變為真正有價值的事物，這項挑戰需要的不僅是熱情或獲得新工具。在 Dell Technologies，我們深知 AI 工程才是發揮這種潛力並推動組織進展的真正動力。

為什麼正確採用 AI 比表面上還難

雖然現成的 AI 工具變得越來越普遍，但真正的工作不單是安裝軟體。每個企業都有自己的資料、工作流程、人員和目標，這表示解決方案必須加以調整，而不只是採用。企業需要精熟的技術技能、大量的協調，以及誠實看待當前設置的落差，才能成功交付結果。

許多公司都遇到了一些常見的障礙：

• 複雜技術：要將想法轉化為可靠的 AI 解決方案，仰賴專業知識和對細節的重視。
• 互不相連的團隊：當資料、開發和業務優先順序不同步，結果就會停滯不前。
• 能取得的人才有限：合適的 AI 就緒技能組合不易獲得，尤其在需求增長的時期。

即使是立意良好的專案也可能最終落入停滯模式，永遠無法完全脫離概念驗證階段。Gartner 最近進行了一項研究，調查從 AI 安全且大規模地創造價值的四大新興挑戰，結果呼應了這個挑戰。

若要深入瞭解 Dell 如何應對這些挑戰，請觀看 Dell Technologies 全球技術長暨 AI 長 John Roese 的影片，他在影片中分享建構有效 AI 功能的實務步驟：

在此觀看影片

AI 工程在實務上是什麼樣子

AI 工程的重點在於執行。結合願景與問題解決實務，運用正確的團隊和方法來弭平從想法到有效解決方案之間的落差。Dell 的經驗顯示跨職能團隊 (我們稱之為 AI Pod) 最有效率。

每個 Pod 都集結以下關鍵職務：

• 資料科學家：處理分析工作並理解的資訊。
• 軟體開發人員兩人小組：將見解轉化為強大的應用，在敏捷團隊中與彼此合作。
• 技術產品經理 (TPM)：負責使交付項目符合業務成果。
• AI 工程師：維護 AI 架構和工具的專業知識，確保專案建構正確且耐用。

融合各方技能可為團隊提供從每個角度處理專案所需的平衡。

深入 Dell AI Pod

集合來自不同背景的人是我們流程的核心。資料科學家深入研究資訊和建模。開發人員通常會兩兩合作，將這些模型變成可靠的軟體。TPM 負責推動專案進行並清除障礙，AI 工程師則專注於使用和整合最新的架構。

標準化此 Pod 結構有利於 Dell 團隊分享知識、快速調整，並提供符合實際需求的解決方案，無論專案有多複雜。

從內部培養 AI 技能

很少有組織能透過聘僱來填補每個技能差距。正因如此，在 Dell 投入大量心力培育現有人才。我們受 dojo 啟發的方法可幫助員工邊做邊學，與專家合作完成實際專案；Harvard Business Review: How to Train Generative AI for the Enterprise (哈佛商業評論：如何為企業訓練生成式 AI) 中的見解支持這種技能提升策略。

• 核心 AI Pod 以豐富的經驗引導。
• 高潛力員工加入這些 Pod，與成熟的團隊成員並肩工作。
• 這群員工獲得信心和能力後，會形成新的 Pod，為每項新計畫帶來一致性和嶄新能量。

隨著時間推移，這種模式可確保 Dell 的團隊對技術領域有相同的理解，無論面臨什麼挑戰，都能在需要時介入協助。

為未來需求做好準備

AI 將在未來幾年繼續塑造業務樣態，準備最萬全的組織已經在策劃應對方法。即使某些工具變得更易於使用，要使技術符合您的確切需求始終還需周詳的工程設計、正確的結構和持續的學習。

以下是 Dell 建議的準備工作：

1. 建立可重複採用和擴充的團隊結構。
2. 聘請重點專家，打下堅實基礎。
3. 提升現有員工的技能，拓展內部能力。
4. 標準化工具和工作流程，讓專案能持續發展，不會遇到相容性問題的阻礙。

當團隊抱持著目標攜手合作並擁有適當的支援，就會開始成長。Dell Technologies 會提供指引、經實證的解決方案與值得信賴的合作關係，協助企業以有效的方式採用 AI，從中獲得實際價值。無論您是在實驗還是希望擴充，都不必孤軍奮戰。

聆聽 John Roese 分享 Dell 建立有效 AI 團隊的策略，瞭解更多資訊。立即觀看，探索您的組織可以如何起步。