根据知识库提供的信息，AI（人工智能）相关岗位的工作内容可总结如下：

核心工作内容
1、技术研发与创新
算法开发：设计和优化机器学习、深度学习模型（如神经网络），并应用于自然语言处理（NLP）、计算机视觉、语音识别、声纹识别（如文本无关/相关声纹识别）等领域。
技术跟踪：持续关注国内外AI领域的最新研究成果（如阅读论文、参与学术会议），将前沿技术（如生成式AI、大模型）转化为实际应用。
模型训练与调优：清洗和处理数据，训练模型，并通过实验迭代提升模型性能。

2、业务场景落地
企业AI应用：将AI技术整合到企业业务中，优化流程（如供应链管理、客户分析）、提高效率（如自动化任务）或创造新价值（如智能推荐系统）。
跨领域协作：与产品经理、业务部门合作，明确需求并设计解决方案，确保技术与业务目标一致。

3、数据管理与分析
数据处理：收集、清洗、标注数据，构建高质量的数据集以支持模型训练。
数据分析：通过数据挖掘和可视化工具，分析结果并提供决策支持。

4、伦理与合规
风险控制：确保AI系统的安全性、公平性和隐私保护（如防止算法偏见）。
政策研究：跟进AI伦理规范和法律法规（如数据隐私保护），推动技术合规应用。

新兴岗位与扩展方向
1、内容创建者
提示工程师（Prompt Engineer）：设计有效的人工智能提示（prompt），优化模型输出质量，例如在生成式AI中指导内容创作方向。
AI内容生成：利用AI工具创作文本、图像、视频等内容，应用于营销、教育等领域。

2、数据管理与运维
数据标注员/管理员：负责数据的标注、管理和质量监控，确保训练数据的准确性和多样性。
AI系统运维：部署和维护AI模型，监控性能并进行持续优化。

3、伦理与管理
AI伦理顾问：评估AI技术的社会影响，制定伦理准则和风险评估框架。
项目管理：协调AI项目资源，确保技术开发与业务目标的对齐。

技能要求
技术能力：掌握Python、TensorFlow/PyTorch等工具，熟悉机器学习、深度学习算法。
领域知识：了解具体应用场景（如医疗、金融、制造业）的业务逻辑。
软技能：逻辑思维、跨团队协作能力、持续学习能力（跟踪技术动态）。

总结
AI相关岗位的核心是技术实现与业务结合，涵盖算法开发、数据处理、系统部署、伦理合规等环节，同时新兴岗位（如提示工程师、伦理顾问）也因AI发展而兴起。具体工作内容可能因企业需求和技术方向（如计算机视觉、语音识别）而有所差异。