人工智能和机器学习的持续但缓慢的拥抱意味着在设计和构建模型和底层系统方面更多的工作。随着数据科学家的增长，这些类型的项目将越来越多地由IT部门执行。

这就是由Algorithm发布的750名技术经理和专业人员的结论，它检查了机器学习计划中的增长和人员配置模式。调查的作者得出结论，公司并不一定会对他们的数据科学人员有所提升，但这些员工正在变得更加忙碌。

这将为那些有相关技能的人开辟新的机会。至少有19%的报告来自于一年前的调查中，有超过50名员工的数据科学家在调查中占了9%。报告指出，在所有行业中，这些角色都在快速增长。随着数据科学家在极短的时间内供应，这意味着将现有员工推向这些角色。"总体缺乏数据科学资源将导致越来越多的开发人员参与创建和管理机器学习模型。角色的这种混合很可能导致另一个与此发现相关的现象：相同类型的工作的更多角色名称和职务标题。"

正在创建的新类型的AI和机器学习作业包括：

这项研究还表明，机器学习计划的成功取决于人们所处的位置。大多数人，58%，说他们的努力是成功的，如果他们生产ROI，减少客户流失，帮助产品采用，或促进品牌忠诚度。另有58%的人说，当模型的精度、精度、速度和漂移达到阈值时，机器学习的努力是成功的。

这些相对成功的措施因企业中的角色而异，该调查的作者报告。"个人贡献者级----数据科学家，软件开发人员----价值技术措施，比业务指标更成功。"同时，C级行政人员和VPS"通常，通过如何最终使公司在战略层面上受益，将更多价值放在相反的衡量ML成功之上。"

对于IT和业务部门的董事来说，都有一些业务和技术指标都在发挥作用。中层经理和董事对业务单位的影响--ROI、预算、战略规划指标以及围绕模型性能的更多技术指标都有价值。Algorithm作者预测经理和主管级"将证明是在未来几年内组织在寻求展示其团队能力的过程中做出的ML决策的关键，而且证明ML是值得投资的高级管理层。"