Folia
← 返回头版

数据智能工程师:AI时代下数据团队角色的转型

随着大语言模型(LLM)和AI代理在生成SQL、构建仪表板及处理数据管道方面展现出高效能力,传统数据团队的工作重心正从执行操作转向质量监控、上下文管理及系统架构维护 1。为此,业界提出了“数据智能工程师”这一新兴职业角色,其职责包括自动化数据摄入与转换、将业务知识编码至共享上下文中以及运行评估测试(Evals),旨在实现组织内的自助式数据决策 1。这一转变的背景在于,2025年12月之前LLM编写SQL的效果尚不理想,但随后模型能力的提升及多轮对话代理的出现使得AI在分析领域变得实用 1。

MotherDuck联合创始人Nick Ursa表示,这是他职业生涯中第一次没有积压工作(backlog)却依然忙碌,因为工作重点已转变为验证AI生成的结果 1。为了规范人机协作关系,监督层级被划分为三个维度:“Wild West”(野生西部,无监督)、“Curated set”(精选集,尽力修复)以及“Core”(核心,关键指标必须高质量且可预测) 1。文章引用名言概括了这一原则:“Agents need supervision proportional to their blast radius.”(代理需要与其影响范围成比例的监督。) 1。在具体实践层面,MotherDuck平台提供了支持该角色运作的关键功能,包括用于管道构建的Flights、存储Markdown格式上下文的Guides、用于可视化的Dives,以及为每个用户或代理提供独立实例的Ducklings 1。


评论