Rasa课程、Rasa培训、Rasa面试系列之 Rasa建立对话式 AI 团队的秘诀

本文主要是介绍Rasa课程、Rasa培训、Rasa面试系列之 Rasa建立对话式 AI 团队的秘诀，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

Rasa课程、Rasa培训、Rasa面试系列之 Rasa建立对话式 AI 团队的秘诀

构建 AI 助手需要多种技能：软件工程、对用户的深入了解、写作和 UX 设计以及数据科学。构建对话式 AI 软件的产品团队与传统软件团队有一些相似之处，但也存在重要差异。您需要在后端开发和 DevOps 方面有扎实的背景，还需要对话设计和机器学习方面的专业知识。

无论您的组织是大是小，无论是首次构建 AI 助手还是维护现有助手，您都希望组建一个具有适当技能组合和适合项目规模的产品团队。

但是，对于对话式 AI 团队来说，种类繁多。找到正确的公式取决于组织的优先事项、发展阶段和规模。在这篇博文中，我们将首先分解构成对话式 AI 团队的一些最常见的角色。然后，我们将考虑一些示例团队结构：

精益团队，快速上市
优先考虑富媒体客户体验的中型团队
一个庞大的团队

角色和技能组合

让我们首先看看对话式 AI 团队中常见的七个角色。请记住，对话式 AI 是一个新兴且快速发展的领域，这并不代表所有可能的名称有专门的角色，如 AI 创新主管和计算语言学家，以及较小的团队，其中一个开发人员可能同时承担数据科学和对话设计的职责。

后端开发人员

在几乎每个对话式 AI 团队中，您都会找到至少一名后端开发人员。后端开发人员负责围绕对话式 AI 框架构建应用程序，包括与后端系统和数据库的集成。他们还可以构建 API 以允许助手与现有的内部应用程序和数据源进行通信。

前端开发人员

前端开发人员将 AI 助手应用程序与用户界面（如网站或移动应用程序）集成在一起。许多对话式 AI 团队在初始构建期间会聘请前端开发人员，但在发布后不会保留全职前端人员，因为大多数持续的开发和维护都发生在后端。

数据科学家

数据科学家负责训练和优化机器学习模型。在构建 AI 助手的团队中，数据科学家需要对算法和自然语言处理有深入的了解。他们在该项目上的主要接触点将是训练数据、NLU 管道配置和超参数调整，以及用于测量模型准确性的测试工具。在某些组织中，数据科学家也可能会进行数据分析。

数据分析师/数据工程师

高度重视衡量 AI 助手对业务影响的团队可能包括数据分析师或数据工程师。数据分析师负责分析使用指标以发现模式并为业务和开发决策提供信息。他们通常负责构建数据并创建报告，以确定可以改进 AI 助手的地方。数据工程师处理设置和维护此数据管道的更多技术方面。

对话设计师/文案

对话设计师就像对话界面的 UX 设计师。他们利用对用户和业务需求的洞察力为用户想要完成的任务创建对话流。在某些情况下，他们还可能负责助理的外观和感觉，包括为助理打造个性和编写对话脚本。在其他情况下，专门的文案可能会支持创建助手的声音。

产品经理

产品经理充当业务利益相关者和开发团队之间的桥梁。他们负责将业务需求转化为特性，并优先考虑特性开发在路线图中的位置。在较小的团队中，产品经理还可以充当项目经理，管理积压和发给开发团队的工单，或者作为对话设计师，绘制对话流。

开发运维工程师

如果不能可靠地部署到生产环境中，团队的其余部分的辛勤工作就没有多大意义。DevOps 工程师负责设置 AI 助手的托管基础架构，包括确保该架构与组织现有的安全和网络要求相匹配。DevOps 工程师还经常负责构建自动化流程以测试并将代码更新发送到生产环境。

示例团队结构

我们已经研究了组成对话式 AI 团队的一些个人角色；现在让我们看看它们是如何组合在一起的。在本节中，我们将根据项目优先级和开发阶段等标准，介绍对话式团队的一些变体。

精益团队，快速上市

对于我们的第一个团队，假设我们的发布期限很短且人数有限，无法让 AI 助手起步。我们假设该项目处于早期阶段，并将迅速从 POC 转向生产。我们还希望助手在启动后很快就会看到大量流量，并且需要高可用性。

在这种情况下，团队可能会优先考虑实施的技术方面，确保基础设施健全，而不是专注于文案和体验设计。我们将其称为精益团队：将功能强大的 AI 助手交到用户手中所需的最小团队。

1名后端开发人员
1 数据科学家
1 产品经理
1 开发运维工程师

在这里，我们添加了一名后端开发人员和一名数据科学家，他们将共同构建 AI 助手以及围绕它的应用程序。在这种情况下，我们将跳过专门的前端开发人员，假设前端要求并不复杂。我们的产品经理可能同时处理多项任务：收集业务需求以及设计对话流程和分析助理的表现。我们增加了一名 DevOps 工程师来管理基础架构和正常运行时间。