傳統開發人員通常以「應用程式碼」為基準，來判定是否成功，例如發佈了幾行程式碼、每年發佈了幾項帶有新功能的應用程式、修復的軟體缺失數目等等。對比之下，AI開發人員與資料科學家投注自身時間精力要探索的首要目標是，隱藏在企業資料內的洞察與見解。
人工智慧（AI）快速受到各種規模的公司企業採用，帶來亮眼的成效，為全球業務與產業掀起一波轉型浪潮。雖然企業通常由資深主管、經理以及經驗豐富的IT架構師催化帶動變革，不過，真正決定企業要採用哪種特定產品與科技的，卻往往是開發人員。
有趣的是，大多數的AI專案應執行主管要求而起步，但真正在企業內引領創新AI的卻是開發人員與資料科學家。AI開發人員與資料科學家並不會滿足於執行主管要求的任務，能激發他們鬥志的是不同的實驗組合、主動滿足新客戶需求的企圖心，當然還有成功交付並實現創新AI解決方案的樂趣。大多數的案例中，AI開發人員與資料科學家才是關鍵人物，知道如何快速建置特定AI工具與演算法，立即協助公司解決業務難題。
傳統開發人員通常以「應用程式碼」為基準，來判定是否成功，例如發佈了幾行程式碼、每年發佈了幾項帶有新功能的應用程式、修復的軟體缺失數目等等，而且許多傳統開發人員採用了針對一般功能系統而優化的程式語言，例如Java跟C語言。對比之下，AI開發人員與資料科學家投注自身時間精力要探索的首要目標是，隱藏在企業資料內的洞察與見解。
AI開發人員的目標是為企業資料增加更多價值，而非寫出更多行程式碼。與AI開發人員聊天時，通常會說到自己在AI專案上花了大量時間，從事資料篩選、資料準備、AI建模（通常在加速硬體上做）與AI模型訓練。
AI開發人員以嶄新的方法，建置解決問題的全新解決方案：找出符合期望的顧客體驗、善用更多樣化的大數據、選擇深度學習與機器學習框架的子集，接著開發、訓練與建置新的AI模型，繼而打造出預期中的創新顧客體驗。
所有的開發人員都需要工具，經驗老到的AI開發人員通常在產品內運用專門的程式語言與技能，例如Python、R或SAS。新一代的AI開發套裝產品，讓技術不是那麼嫻熟的專業人員也能夠運用機器學習與深度學習。最後，AI開發人員通常利用開源技術，並偏好新的雲端原生開發方式。
結合新世代AI演算法的大數據，正以新全球經濟貨幣的姿態崛起，公司領導層若考慮在IT團隊內增募具備AI技能的開發人員與資料科學家，將是明智之舉。選擇專為AI負載設計的運算平台支援雲端環境，隨需調度與擴展運算量，以加速企業組織的AI創新之旅。
＜本文作者于伯琨現為IBM硬體系統事業部總經理＞