简而言之，人工智能训练师的职责范围可概括为通过数据端的整理归纳和分析优化，训练机器模型，使人工智能越变越“聪明”。具体说来，人工智能训练师需要解读业务知识和需求，明确AI的落地场景，根据不同的技术实现逻辑提供相应的结构化数据。

　　以电商场景的智能客服举例，人工智能训练师必须要了解电商客服在售前、售中、售后等不同过程中最常处理的客户问题。然后，分析这些问题中有哪些是适合自助端解决的，后续作为机器人知识库的范围。再者，需要根据知识库问题的脉络和预期的实现效果判断不同问题的技术实现方式。

　　对应这些工作职责所需要的能力有哪些呢？

　　首先，人工智能训练师需要很强的逻辑分析能力。分析原始文档的时候，人工智能训练师需要根据不同数据类型、数据质量采用不同的数据处理流程，而且在每个流程中，都需要通过实时情况来及时调整下一步的策略。在AI机器人正式上线启用后，也会需要应用逻辑分析能力去查看上线后的数据情况，并做出判断，提供数据端的解决方案。

　　其次，还需要有很强的归纳总结能力。由于人工智能训练师的岗位诞生时间不久，并不像其他职业那样有一套非常完整的培训体系或方法论，各个公司基本都是处于一边摸索一边总结的状态。因而，归纳总结能力可以很好的帮助人工智能训练师们形成书面的方法论，复用数据并提高效率，达到事半功倍的效果。在方法论的基础上，也可以在新员工培训和客户培训等方面有所积淀。

　　第三，表达和沟通能力也是一个很重要的考察项。这主要是因为在人工智能商业场景落地过程中，人工智能训练师时常需要扮演一个“布道者”的角色，为人工智能的使用者提供培训和使用指南。在这个过程中，如何清晰地让对方了解人工智能，真正使用好人工智能，是需要很强的表达和沟通能力的。

　　最后，如果能够对某一垂直领域的业务有比较深入的了解，可作为一个加分项。这会使人工智能训练师在数据处理或与客户沟通过程中，熟知客户的真实痛点。在处理业务数据的时候也能更为得心应手。

　　针对这样一个岗位，我们又会如何挑选候选人呢？

　　其实，随着行业的发展，选择候选人的要求也在不断的改变。2年前，人工智能训练师几乎很难找到有过相关从业经历的候选人，不过目前这一状况已有所改观。以我所任职的竹间智能为例，一般在简历筛选阶段，会着重留意三种候选人。

　　其一，自然是有过人工智能训练师相关经验的候选人。整体而言，这部分候选人对AI行业的了解程度高，对整个机器人训练的过程熟悉，培训成本低，上手较快。而且由于从事过相关工作，对这份工作的预期和发展也较为了解。

　　其二，是在某一业务领域接触过智能机器人的相关运营人员。相较于第一种候选人，这类候选人虽然对于机器人训练的全过程和算法的认识不多，但是有丰富的一手业务知识，以及机器人上线后的运营经验，可以很好地帮助到机器人训练前期梳理业务知识及业务需求方的需求挖掘。

　　其三，是在一些相关领域有一技之长的候选人。例如在语言学、应用语言学或计算语言学方面较为突出的候选人，或是在互联网行业产品或运营方面有丰富经验的候选人等。因为人工智能训练师的日常工作会与自然语言处理息息相关，而且在职能上属于产品运营，在语言学或运营等方面有一技之长的候选人可以利用自身优势来为岗位带来新的想法。虽然候选人本身可能没接触过人工智能行业或对话机器人产品，但也因此可以不为此束缚，为团队注入新动能，激发新活力。

　　虽然目前人工智能已经进入到了一个高速发展期，但是还处于“弱人工智能时代”。因此，人工智能的背后也离不开相当数量的从业者。在对话机器人领域，目前能够直观体现机器人水准的应答准确率等关键指标可简单理解为模型与数据两方面相乘的结果。在技术不断发展的今天，人工智能训练师作为数据端的主力，其自身的能力和素质决定了数据的质量，同时也直接关系到最终的机器人输出效果。同时，一支会总结归纳的训练师团队，还可以提升效率，沉淀方法论，培训机器人使用方，为整个机器人运营带来正面的效应。