随着机器学习成为每个产品的核心，工程团队将进行重组。
过去，核心工程团队和数据科学/机器学习团队是分开工作的。核心工程团队运送产品并专注于可靠性。
对于大多数公司来说，数据科学团队分析数据并编写机器学习模型来支持业务功能：销售、营销、客户支持。这些团队在数据仓库的下游运作。但是他们正在继续研究数据仓库前面的产品。
ChatGPT 在用户心目中催生了一种期望，即所有产品都应该与用户对话并且应该相当智能。
为了实现这一愿景，公司会将数据科学团队合并到核心工程中。
将需要数据科学家的专业知识来优化最终用户体验：确定用于训练模型的正确数据集，理解引出相关答案的最佳提示（提示工程），以及模型监控。他们需要成为核心工程的一部分才能实现这些目标。
这一变化背后的力量已经酝酿了一段时间。数据科学团队增加的预算面临来自 CFO 办公室的压力，要求证明投资的合理性。 LLM 功能应该通过追加销售和市场份额直接为收入做出贡献，从而平息问题。
此外，将模型投入生产的挑战也让数据科学团队感到沮丧。在这个新世界中，数据科学家将直接致力于生产代码。
组织变革需要行为上的改变。机器学习推动者 – 销售 ML 工具包的初创公司 – 已经改变了销售策略以抓住时机。他们理想的客户群不再是数据科学团队，而是核心工程团队。
这种根本性的转变——向核心工程和数据科学团队销售——为供应商创造了新的机会，通过提供支持新形式协作的平台和基础设施来统一这两个群体。
原文： https://www.tomtunguz.com/reorientation-of-the-data-team/