让集中的企业mlop和工程团队提出这些问题，可以解放业务来解决客户问题，并考虑技术如何继续支持新解决方案和体验的发展。
毫无疑问，在现代企业中交付业务合作伙伴的需求需要大量的mlop专业知识。它需要软件工程和机器学习工程经验，特别是随着人工智能/机器学习能力的发展，还需要具有深度专业技能集的人，例如具有深度图形处理(GPU)专业知识的人。
公司不应该雇佣“独角兽”个人，而应该专注于建立一个独角兽团队，充分利用双方的优势。这意味着在科学、工程、统计、产品管理、DevOps和其他学科方面拥有深入的主题专家。这些都是互补的技能组合，加在一起形成一个更强大的集体。在一起，能够作为一个团队有效工作的人，表现出对学习的好奇心，以及对你正在解决的问题感同身受的能力，与他们独特的领域技能一样重要。
最后但并非最不重要的是，在为内部客户和业务合作伙伴构建新的AI和ML工具时，采取产品支持的心态非常重要。它要求你不仅仅把你构建的东西看作是一个任务或项目，而是理解你为之构建的客户，并从他们的需求出发，采取全面的方法。
通常，MLOps团队构建的产品——无论是新的功能库还是可解释性工具——看起来与传统产品经理交付的产品不同，但创建伟大产品的过程应该是相同的。关注客户需求和痛点有助于每个人交付更好的产品;它是许多数据科学和工程专家必须打造的一块肌肉，但最终会帮助我们所有人创造更好的工具，并为客户提供更多价值。
底线是，今天，最有效的MLOps策略不仅仅是关于技术能力，还涉及有意和深思熟虑的文化、协作和沟通策略。在大型企业中，重要的是要认识到没有人是在真空中工作的。尽管在日常生活中很难看到，但企业内部的一切最终都是相互联系的，人工智能/机器学习工具和工程团队所带来的能力对整个组织都有重要的影响。
本文内容由Capital One制作。这篇文章并非由《麻省理工科技评论》的编辑人员撰写。
