AI项目，其实是个工程问题

复杂的AI项目，其难度有三：

第一，如何将认知整理成知识，或者已经有知识的情况下，如何组织数据；

第二，数据应该如何与AI交互，保证每次AI都能拿到相关数据。发现由于数据不足导致的AI问题，应该如何用生产数据反馈系统优化知识库，这就是我们常说的数据飞轮系统，他是数据工程的一个分支；

第三，也是最后一个关卡，意图识别；

从三点描述大家就知道真正卡点所在了，这是全部在与数据打交道，而从整理数据到与AI交互再到后面的数据反馈，组成了我们常规的数据工程。

并且，很多知识是依赖于专业人员，如医生、律师，这种非互联网工种根本无力整理自己的认知，于是需要互联网人组织他们，这里又涉及到了管理学工程，大家要相信，管理医生和律师去工作是很简单的，但要让他们做输出是很难的。

比如我之前的下属有北大和首都医科大学（安贞医院）的硕士，他们是很轴的。

最后，数据工程是个漫长的周期，会导致AI项目的时间周期很长，并且系统一会表现得好、一会表现得差的，这会很消耗团队的士气，这里最终又涉及到了项目管理工程。

综上，复杂的AI项目其实是个偏工程的项目，特别是其中KnowHow、数据与技术架构、模型特性几者的纠缠会很复杂，如果不是本身水平很高的人，要么把这个事情理不清楚，要么没有管理能力去调动各个专业口的人员，但如果已经是高管的人，很难沉下心来一点点梳理KnowHow与数据，这可能是导致复杂AI应用很少的主要原因。

所以，想要做好AI项目，必须先做好管理工作，只不过叶小钗这个号还是以AI为主，如果想要系统性学AI的同学可以移步到我的管理小号：