在人工智能时代，数据从业者的工作任务与传统数据团队的职责边界已出现显著错位。这种差异催生了一个新的职业头衔——“数据智能工程师”（Data Intelligence Engineer）。
数据智能工程师的核心工作是通过创建和运行软件代理（Agents），自动化原本由数据工程师负责的数据摄入（Ingestion），以及分析工程师承担的数据转换与建模任务。他们将系统知识编码至共享上下文中，供其他代理调用以回答组织内部问题。这些上下文不仅包含技术层面的字段连接逻辑，也涵盖了如“ARR”（年度经常性收入）等业务术语在公司内部的具体定义。
评估与自助式分析
评估（Evals）是该角色的另一项核心职责，其性质等同于系统测试，旨在验证系统在面临已知答案的问题时能否给出正确回应。完善的评估套件不仅能确保代理对用户各类提问的解答准确性，也是监测系统故障的关键手段。
数据智能工程师的终极目标是实现自助式数据分析。这意味着组织内任何成员均可借助 Claude、ChatGPT 或其他代理工具，准确获取业务洞察，构建应用程序及可视化图表，从而基于数据做出高质量决策。当这一角色高效运转时，每位提问者都能获得与公司最顶尖分析师协作般的体验。
角色演变与未来
在日常工作中，数据智能工程师负责搭建框架、构建数据模型、管理上下文、防范及修复系统故障，并运行评估测试，对企业依赖的数据界面负最终责任。
无论是数据工程师、分析工程师还是数据分析师，都能在这一新角色中看到自身工作的影子。传统数据角色正在相互融合并演变为全新形态。无论现有头衔如何，许多从业者实际上已在履行数据智能工程师的职责。这不仅是未来的发展方向，更是当下亟需正式命名的职业现实。