忘掉科技巨头们那些长长的数据科学博士名单吧。随着人工智能在企业内部的生根发芽，一个融合了商业技能的混合团队对于推动商业价值的提升将变得更加重要。  随着企业越来越多地转向人工智能和机器学习，有关如何在现实世界中成功使用人工智能的图景逐渐变的清晰。而在科技巨头和早期采用者的小圈子之外，一系列不同的技能和方法正在成为企业人工智能团队的必备技能。  不是每个组织都能与谷歌和Facebook等公司竞争顶级的人工智能人才。公司需要寻找的也不仅仅是数据科学博士。为了满足他们的业务需求，组建AI团队的CIO们正在寻找适合自己的专业知识、软件工程技能以及将学习算法转化为实际业务价值的能力。在这方面，机器学习技术的进步正在帮助他们铺平道路。  “现在，我们看到了这种转变。”普华永道新兴技术主管Scott Likens表示。”在一些被广泛使用的ML中，有很多非常成熟和商品化的解决方案，许多大型提供商也都有可用的算法和人工智能模型。你能从中拼凑出你所需要的东西，所以你只需要寻找一些高级终端软件工程师将这些不同的算法粘合在一起即可。”  他说，现在公司需要的不再是雇佣高级博士来创建新的模型，而是寻找混合团队来获得正确的数据，并选择正确的模型来做出正确的决策。  以下是几个关于组织如何组建人工智能团队来解决业务问题，以及一些使用人工智能获得成功所需技能的介绍。  一个成功的人工智能团队的角色组成  Splice Machine首席执行官兼联合创始人、人工智能专家Monte Zweben说，一个平衡的人工智能项目团队将包括三个关键人物。  首先，是可以把公司收集的信息转化成人工智能和ML系统可接收数据的数据工程师。  其次，是一位具有领域专业知识的数据科学家，比如说，他知道什么样的天气会影响发货计划，或者哪些特殊的机械问题会影响维护计划。数据科学家还需要能够测试不同的算法，看看哪种算法表现最好，然后在需要得到有价值的预测时调整它们。  最后，需要一个软件开发人员，他可以将所有这些集成到实际的应用程序中去。  “这些是我们正在寻找的技能组合，”Zweben说。  对于许多组织来说，人工智能的成功更多地是如何平衡这三个关键要素，而不是聘用的博士数量。  混合团队的力量  在线营销公司Urban Airship提供了一个教科书式的例子，说明了成功的组织是如何接近并使用人工智能的。七年前，当公司开始考虑使用人工智能时，它聘请了一位博士。  “我们引入的第一个机器学习模型是关于影响力的，”公司的产品和工程高级副总裁Mike Herrick说。追踪一个人是否点击了电子邮件中的链接很容易。但要想追踪他们以后是否会访问这个网站，以及是否会通过其他渠道访问，则要困难许多，这也是引入机器学习开始的地方。  Urban Airship的营销平台代表企业客户接触了超过10亿用户，因此有很多数据可供使用。随着时间的推移，该公司已经将其人工智能团队扩大到了3名数据科学博士和15名将数据科学应用到工作中的工程师。  Herrick说，即使公司雇佣的数据科学家也不是单纯的理论家。“他们也会动手实践。他们不是纯学术理论的人。如果你只有理论，你可能会花很多钱，却一无所获。”  Urban Airship选择利用现有的机器语言技术、开源库和云服务。“我们一般不会发明新的低层次技术，”他说。“我们对纯理论既没有兴趣，也没有去研究的动力。”  他表示，在公司中实践人工智能项目所需的技能不仅包括数据科学技能，还包括产品管理、用户界面设计、软件工程和产品营销。“AI和ML真的需要一个跨职能的团队来交付这种技术。”  最近的主要人工智能项目包括了找出发送营销信息的最佳时间——不