37、机器学习组织变革与实施指南

机器学习组织变革与实施指南

一、奖励与人员因素

在机器学习（ML）技能和知识的奖励方面，有一个令人惊讶的点值得注意。由于ML可能会影响组织的大部分部门，因此可以考虑对整个组织中学习更多ML知识的员工进行奖励。如果销售、会计、采购和产品管理等部门的员工都具备ML基础知识，从长远来看，组织的效率可能会大大提高。

目前，ML专业知识预计在未来很长一段时间内都会稀缺，这会影响薪酬、招聘难度等。鉴于当前ML教育和技能的稀缺性，大多数组织在招聘时应考虑那些能够在工作中学习的员工，而不仅仅是已经具备相关资格的人员。特别是在站点可靠性工程（SRE）领域，ML生产工程师从可靠的可靠性和分布式系统技能中获得的收益，可能比从ML技能中获得的更多。在这些岗位上，ML是工作的背景，但不一定是工作的内容。

组织还需要能够处理ML带来的模糊问题的人员，他们不能仅仅停留在“ML模型这么说”的层面。他们需要创造性地思考ML模型的构建方式、世界和数据的变化如何影响模型，以及模型如何影响组织的其他部分。这种视角和方法，部分来自ML教育和技能，部分来自对解决问题的好奇和执着态度。

二、变革的顺序与策略

上述话题是为了清晰解释和便于说明而分开阐述的。在现实的组织工作中，所有因素相互纠缠，仅控制一个维度往往很难改变现状。成功的变革通常需要在多个方面同时推进，但不必在所有方面以相同的速度和强度推进。可以按照一定的顺序进行变革，例如先宣布战略变革，然后是流程变革，最后是奖励变革。一次处理一个方面，但要涉及所有重要的方面。同时，要告知员工变革的时间尺度和评估成功的标准，明确沟通意图，承认并非所有事情都会立即改变，但要公开承诺总体目标，这样可以增加变革的可信度，获得组织内部的支持。 </