AI 公司为什么要设立这样一个职位

职责边界是什么

什么样的人适合

职位发展前景如何

等等问题，都还是业内空白，为此我将在正文中为大家一一揭晓。

核心结论

人工智能训练师的定义：通过分析产品需求和相关数据，完成数据标注规则的制定，最终实现 " 提高数据标注工作的质量和效率 " 以及 " 积累细分领域通用数据 " 的价值。

人工智能训练师的行业认知度：开始得到杭州、北京等城市 2 年以上 AI 公司的重视，考虑到人工智能训练师的人才缺口 5 年后将增长 20 倍以上，该职位将会愈加受到各家 AI 公司的重视。

人工智能训练师的职业规划：1~3 岁互联网产品经理最有可能成为人工智能训练师的主要来源职位；而 AI 产品经理将成为最合适的上升职位。

目录

人工智能训练师的产生背景

人工智能训练师是什么

人工智能训练师的人才缺口

人工智能训练师的职业规划

一、人工智能训练师的产生背景

一般而言，AI 公司从客户（用户）那里获取到的原始数据无法直接用于模型训练，在 " 人工智能训练师 " 出现以前，是由 AI 产品经理先用相关工具简单处理，再交给数据标注人员进行标注加工，但因为标注人员对数据的理解和标注质量差异很大，导致整体标注工作的效率和效果都不够理想。

同时，AI 公司在其细分领域内积累了大量数据，这些数据往往在使用一次后就不再产生更多价值，随之带来了第二个问题：数据无法沉淀和复用。

基于这两个问题，" 人工智能训练师 " 应运而生。

* 注：" 人工智能训练师 " 这个职位，据说最早是由 BAT 某部门在 2 年前创造的。

二、人工智能训练师是什么？

1. 定义

人工智能训练师，是通过分析产品需求和相关数据，完成数据标注规则的制定，最终实现 " 提高数据标注工作的质量和效率 " 以及 " 积累细分领域通用数据 " 的价值，从工作流和工作难度等角度看，它介于数据标注和 AI 产品经理之间。

2. 工作职责

人工智能训练师的工作职责，主要有以下三点：

提供数据标注规则：通过算法聚类、标注分析等方式，从数据中提取行业特征场景，并结合行业知识，提供表达精准、逻辑清晰的数据标注规则，最终确保数据训练效果能满足产品的需求；

数据验收及管理：参与模型搭建和数据验收，并负责核心指标和数据的日常跟踪维护；

积累领域通用数据：根据细分领域的数据应用要求，从已有数据中挑选符合要求的通用数据（适用于同领域内不同客户 / 用户），形成数据的沉淀和积累。

* 注：在不同公司，人工智能训练师的职责具有一定差异性，比如有的偏重前期的数据挖掘和模型训练，有的偏重后期的产品运营和产品体验。

3. 职位辨析

人工智能训练师和数据标注、AI 产品经理的异同

1）人工智能训练师和 AI 产品经理的异同

人工智能训练师需要和 AI 产品经理讨论需求，进而制定数据标注规则，并提出产品体验优化建议。

2）人工智能训练师和数据标注的异同

人工智能训练师需要和数据标注人员紧密协作，把控好整个流程的输入规则和输出结果，最终输出标注准确的数据（供模型训练）。

3）人工智能训练师的工作流程图

下图，展示了人工智能训练师和数据标注、AI 产品经理协作的工作流及其每个节点的交付物。

不难发现：人工智能训练师在数据标注和 AI 产品经理之间，起到桥梁的作用。

人工智能训练师和初级互联网数据产品经理的异同

1）两者工作职责的主要区别在于 " 积累细分领域通用数据 "，这项工作将为公司创造新的价值，比如：

大大减少后续标注人员的工作量，提升业务的接入速度和效率。

逐步建立细分领域的行业壁垒。

总之，由于一般的数据不能全领域通用，所以不同应用场景下，细分领域通用数据少的问题，将成为整个行业的痛点和机会。

2）在 AI 工作场合，原本由初级互联网数据 PM 完成的 " 贡献数据采集标准、打通数据资源、数据应用的推广 " 等工作，并没有交给人工智能训练师，而是由更适合的 AI 产品经理完成，原因在于这部分工作更偏重前端的需求和推广（AI 产品经理更熟悉和擅长产品体验及流程）。

4. 能力模型

基于人工智能训练师的工作职责，需要具备哪些能力呢？

通过调研分析，我们总结出了如下的能力模型：

数据能力：了解科学的数据获取方法论，能运用数据处理工具（如 Excel 等），逻辑思维强。