ai-team-building

name	ai-team-building
description	应用从 AI for Everyone 蒸馏出的「AI团队构建 — 打造高效AI团队的角色与协作」方法论。Use when the user needs practical guidance, diagnosis, workflow design, decision support, or an action plan related to ai-team-building.

Source Metadata

Original cangjie-skill frontmatter from the distillation run:

id: f19
title: "AI团队构建 — 打造高效AI团队的角色与协作"
book: "AI for Everyone"
author: "Andrew Ng"
source: p11, p12, p13
tags: [ai-team-building, talent, organization, collaboration, roles]
related_skills:
  - slug: ai-transformation-playbook, relation: depends-on
  - slug: role-tiered-training, relation: composes-with
  - slug: cross-functional-brainstorming, relation: composes-with

R — 原文引用 (Reading)

"一个成功的 AI 团队需要多种角色：ML 工程师负责模型开发，数据工程师负责数据管道，产品经理负责业务对接，领域专家提供业务知识。团队协作比个人英雄主义更重要。"（p11-p13 综合）

I — 解读 (Interpretation)

AI 团队不是"一群算法工程师"，而是多学科协作的有机体。核心角色包括：

1. ML/AI 工程师：设计、训练、优化模型
2. 数据工程师：构建数据管道，确保数据质量和可用性
3. 产品经理：定义业务需求，协调技术与业务
4. 领域专家：提供业务领域知识，帮助定义问题和验证结果
5. DevOps/MLOps 工程师：负责模型部署、监控、运维

关键洞察：

• T型人才最受欢迎——在某一领域深入，同时理解其他领域
• 小团队（3-5人）往往比大团队更高效——沟通成本低
• 团队协作需要共同语言——技术人员要懂业务，业务人员要懂 AI 能力边界
• 招聘时优先学习能力和协作精神，而非仅看技术栈匹配

A1 — 过往应用 (Past Application)

案例 1：Google Brain 团队早期 吴恩达在 Google 组建 Brain 团队时，强调"全栈 AI 团队"——每个成员既能做研究又能做工程，减少沟通摩擦。这种模式让团队快速产出成果（如 Google 搜索的改进）。

案例 2：某传统企业的 AI 转型 一家制造企业组建 AI 团队时，只招了算法工程师。结果模型在实验室表现很好，但无法部署到产线——缺乏数据工程师和 DevOps。后来补充了这些角色，项目才真正落地。

案例 3：AI 创业公司的"一人多职" 早期创业公司资源有限，往往一人身兼多职。成功的团队是成员愿意跨边界协作——算法工程师愿意理解业务，产品经理愿意学习技术基础。

A2 — 未来触发 (Future Trigger)

触发场景：

• 组建或扩充 AI 团队
• 评估团队能力缺口
• 设计 AI 团队的协作流程
• 招聘 AI 相关岗位

语言信号：

• "AI团队"、"招聘"、"角色"、"协作"、"团队能力"、"人才缺口"、"组织架构"

关键区分：

• 这是从0组建团队还是扩充现有团队？
• 团队的主要能力缺口是什么？（技术？业务理解？协作？）

E — 执行 (Execution)

1. 明确团队目标：团队要解决什么业务问题？成功标准是什么？
2. 识别所需角色：根据项目需求，确定需要哪些核心角色（ML工程师、数据工程师、产品经理、领域专家、DevOps）
3. 评估现有能力：盘点现有团队成员的技能，识别能力缺口
4. 招聘或培养：优先招聘 T 型人才；对现有成员提供跨领域培训
5. 建立协作机制：定期同步会议、共享文档、共同的目标和指标
6. 促进共同语言：技术人员学习业务基础，业务人员学习 AI 能力边界
7. 从小团队开始：先用 3-5 人小团队验证模式，再逐步扩展

完成标准： 完成团队角色清单、能力评估矩阵、招聘/培养计划，并建立协作流程。

B — 边界 (Boundary)

不适用场景：

• 个人学习或研究项目（不需要团队）
• 已有成熟 AI 团队，只需日常维护
• 组织还没有 AI 战略，只是跟风招聘

失败模式：

• 只招算法工程师，忽视数据工程和 DevOps
• 招聘过度强调学历/论文，忽视实际能力和协作精神
• 团队内部"技术-业务"鸿沟严重，各说各话
• 追求"大而全"的团队，导致沟通成本高、效率低

作者盲点：

• 组建团队只是第一步，留住人才同样重要——AI 人才市场竞争激烈
• 团队协作需要管理层支持——如果管理层不懂 AI，很难为团队创造好的环境
• 远程/分布式团队的协作挑战被低估——AI 项目需要频繁沟通和快速迭代

相关 skills

• ai-transformation-playbook — depends-on：AI团队建设是AI转型五步指南中第二步"组建内部AI团队"的具体执行指南，需要嵌入整体转型路线图中理解。
• role-tiered-training — composes-with：团队建设需要配合分层培训——招聘了人才后，需要按角色设计培训深度，两者结合确保团队既有人才又有能力。
• cross-functional-brainstorming — composes-with：AI团队需要与业务团队协作，跨职能头脑风暴是团队之间协作的核心模式，帮助AI团队与业务团队找到共同语言。