当AI应用落地时，创造出了哪些工作岗位？

数据标注员、提示工程师、AI训练师、算法审计员、模型可解释性专家、机器学习运维工程师、AI伦理合规官、合成数据生成师……这些岗位的具体职责如何定义？数据标注员的标注规范由谁制定，不同行业的标注标准是否存在差异？提示工程师在编写指令时，更多依赖语言学知识还是对模型内部机制的了解？AI训练师与数据工程师之间的协作流程是怎样的，任务交接节点如何划分？

算法审计员需要检查模型的哪些方面——公平性、鲁棒性，还是三者兼有？审计报告最终提交给哪个部门，是法务团队、产品团队还是外部监管机构？模型可解释性专家常用的工具和方法有哪些，这些方法的输出结果如何被非技术人员理解？机器学习运维工程师的日常工作中，监控模型性能退化的频率是多久一次，触发重新训练的阈值由谁设定？

AI伦理合规官在企业中的汇报层级如何，其意见是否具有项目一票否决权？合成数据生成师生成的虚构数据集，需要满足哪些统计特征才能替代真实数据用于模型训练？这些岗位的招聘要求中，哪些技能是在传统IT岗位基础上新增的，哪些是完全全新的学科交叉领域？不同行业中，同一岗位的名称可能对应着截然不同的工作内容，这种差异有多大？