Greitai besikeičiančioje technologijų aplinkoje dirbtinis intelektas (DI) tapo daugelio įmonių, siekiančių inovacijų, dėmesio centru. Tačiau neseniai atlikti RAND Corporation tyrimai atskleidė, kad DI projektų sėkmės rodiklis yra žymiai mažesnis nei tikėtasi, o nesėkmių rodikliai viršija 80%. Šis skaičius visiškai priešingas pradinėms pramonės lūkesčiams.
Nesėkmingų DI iniciatyvų sudėtingumas kyla iš įvairių veiksnių, iš kurių vienas kritiškai svarbus yra tikslų neteisingumas tarp svarbiausių suinteresuotųjų šalių. Lyderių lūkesčiai dažnai priklauso nuo populiarios kultūros, sukurdami atotrūkį tarp to, ko norima, ir to, ką technologija realiai gali pasiekti. Tuo pačiu metu DI inžinieriai gali teikti pirmenybę pažangiausioms technologijoms, nepaisydami praktinių jų projektų pasekmių, kas veda prie klaidingų pastangų. Techniniai sunkumai, tokie kaip nepakankamas duomenų rinkinio parengimas ir neadekvati infrastruktūra, dar labiau padidina nesėkmių tikimybę.
Be to, pramonės sektorius patiria dideles išteklių švaistymo problemas. Neseniai Baidu generalinis direktorius pažymėjo, kad didelių kalbos modelių (LLM) gausa Kinijoje neturi reikšmingos taikomosios vertės. Nepaisant patentų, susijusių su generuojančiu DI, skaičiaus padidėjimo nuo 2010 iki 2023 metų, tikrasis šių patentų poveikis yra ribotas, kaip rodo jų citavimo dažnis – tai rodo atotrūkį tarp inovacijų apimties ir apčiuopiamų rezultatų.
Ši atsargi nuomonė plinta ir į rinką, kaip analitikai vertina ilgalaikį DI investicijų tvarumą.
Iššūkiai, su kuriais susiduria DI projektai: atsargus požiūris
Kadangi DI technologijos toliau transformuoja sektorius nuo sveikatos apsaugos iki finansų, su DI projektais susiję iššūkiai išlieka didelė problema. Su daugiau nei 80% žvilgiais nesėkmių rodikliu būtina nuodugniau ištirti veiksnius, prisidedančius prie šios neraminančios statistikos, ir išnagrinėti platesnes pasekmes organizacijoms, kurios žengia į DI iniciatyvas.
Kurie yra pagrindiniai iššūkiai, su kuriais susiduria DI projektai?
1. **Duomenų kokybė ir prieinamumas**: Vienas didžiausių iššūkių įgyvendinant DI projektus yra duomenų kokybė ir kiekis. Dauguma DI sistemų remiasi dideliais duomenų rinkiniais norint efektyviai apmokyti algoritmus. Tačiau gauti švarius ir atitinkančius duomenis gali būti ir išteklius reikalaujantis, ir laiko imlus procesas. Prasta duomenų kokybė gali lemti netikslius DI prognozes, kenkiančius projekto tikslams.
2. **Įgūdžių trūkumas**: DI srityje ryškiai jaučiamas talentų stygius, ir organizacijos kovoja su specialistų, turinčių reikiamų įgūdžių mašininio mokymosi, duomenų analizės ir DI etikos srityse, paieška. Kai įmonės skuba diegti DI, kvalifikuotų specialistų trūkumas gali trukdyti projekto pažangai ir kokybei.
3. **Integracijos sunkumai**: DI sprendimų integravimas į esamus verslo procesus ir sistemas dažnai yra sudėtingesnis nei tikimasi. Įmonės dažnai susiduria su techninėmis suderinamumo problemomis, kurios gali sulėtinti projektus ir reikalauti papildomų išteklių sprendimams rasti.
4. **Reguliavimo ir etinės problemos**: Augant DI reikšmei įvairiose pramonėse, didėja reguliavimo įstaigų kontrolė. Organizacijos turi naršyti besikeičiančius reguliavimo reikalavimus, susijusius su duomenų privatumo, etiniu naudojimu ir atsakomybę DI sprendimų priėmime, kurios gali komplikuoti projektų terminus ir sukelti papildomus rizikos veiksnius.
5. **Visuomenės suvokimas ir pasitikėjimas**: Daugelis suinteresuotųjų šalių, įskaitant vartotojus ir darbuotojus, išreiškia skepticizmą dėl DI technologijų. Susirūpinimas dėl privatumo, darbo vietų praradimo ir šališkumo gali sukelti pasipriešinimą DI iniciatyvoms, potencialiai sutrukdydamas projektus dar prieš jiems pradedant.
Kokie privalumai turi DI projektai, nepaisant iššūkių?
– **Didinama efektyvumas**: DI gali automatizuoti pasikartojančias užduotis, taip supaprastindamas darbo procesus ir didindamas operacinį efektyvumą. Tai gali laisvinti vertingas žmogiškas išteklius, leidžiančius komandoms orientuotis į strategines iniciatyvas.
– **Patobulintas sprendimų priėmimas**: Turėdama galimybę greitai analizuoti didelį duomenų kiekį, DI įrankiai gali pateikti įžvalgas, padedančias geriau priimti sprendimus, lemiančius efektyvesnes strategijas ir geresnius rezultatus.
– **Inovacijų galimybės**: DI gali skatinti inovacijas, leisdamas sukurti naujus produktus ir paslaugas, kurios anksčiau atrodė neįmanomos. Įmonės, investuojančios į DI, gali įgyti konkurencinį pranašumą atitinkamose rinkose.
Kokie galimi trūkumai siekiant DI iniciatyvų?
– **Didelės pradinės sąnaudos**: DI sprendimų kūrimas ir diegimas gali pareikalauti reikšmingo pradinio investavimo, įskaitant technologijų, talentų įsigijimo ir duomenų kolekcijos išlaidas. Šis finansinis naštos gali atgrasyti mažesnes organizacijas nuo DI įgyvendinimo.
– **Senėjimo rizika**: Greitas DI plėtojimo tempas reiškia, kad šiandieniniai sprendimai gali greitai pasenti. Ši rizika reikalauja, kad įmonės išliktų lanksčios ir skirtų išteklių nuolatiniam atnaujinimui ir patobulinimams.
– **Priklausomybė nuo technologijų**: Padidinus verslo priklausomybę nuo DI, kyla poreikis atsargiai dėl per didelės priklausomybės nuo technologijų. Tai gali lemti žmogiškų įgūdžių sumažėjimą sprendimų priėmime ir problemų sprendime, sukeldama susirūpinimą dėl darbuotojų parengimo.
Kokius būsimus kelius turėtų apsvarstyti organizacijos?
Organizacijos turi priimti subalansuotą požiūrį į DI integravimą. Tai apima aiškių tikslų nustatymą, investavimą į talentų vystymąsi ir tvirtų duomenų valdymo sistemų kūrimą. Be to, skatinant skaidrumo ir etinių aspektų kultūrą DI plėtros procesuose galima sustiprinti suinteresuotųjų šalių pasitikėjimą ir įsitraukimą.
Galų gale, norint sėkmingai naršyti sudėtingus DI projektus, reikia subalansuoti ambicingus technologinius tikslus su realistiškesniais lūkesčiais. Sprendžiant identifikuotus iššūkius, organizacijos gali pasinaudoti DI transformuojančiu potencialu, kartu sumažindamos riziką.
Daugiau įžvalgų apie DI ir jo pasekmes rasite MIT Technology Review arba Forbes.
The source of the article is from the blog lokale-komercyjne.pl