在快速发展的技术环境中，人工智能（AI）已成为许多企业追求创新的焦点。 然而，RAND公司最近的研究揭示，AI项目的成功率远低于预期，失败率高达80%以上。这个数字与行业内最初的预期形成了鲜明对比。
失败的AI项目的复杂性源于多种因素，其中一个最关键的因素是关键利益相关者之间目标的不一致。 领导层的期望常常受到流行文化的影响，造成期望与技术现实之间的脱节。同时，AI工程师可能会优先考虑尖端技术，而忽视项目的实际应用，从而导致错误的努力。技术障碍，如数据集准备不足和基础设施不完善，进一步加剧了失败的可能性。
此外，工业部门正在经历显著的资源浪费。 百度首席执行官最近指出，中国的大型语言模型（LLMs）过剩却缺乏有意义的应用价值。尽管在2010年至2023年间，生成AI的专利申请激增，但这些专利的实际影响有限，这从它们的引用频率可以看出——这一差距凸显了创新数量与实际成果之间的差距。
这种谨慎的情绪扩展到市场，分析师们在评估AI投资的长期可行性。
AI项目面临的挑战：谨慎的前景
随着AI技术继续改变从医疗到金融的各个领域，与AI项目相关的挑战仍然是一个重大关切。考虑到超过80%的惊人失败率，深入探讨导致这一警人统计数据的因素并探索对踏入AI项目的组织更广泛的影响是至关重要的。
AI项目面临的最关键挑战是什么？
1. **数据质量和可用性**：AI项目执行中的一个主要挑战是数据的质量和数量。许多AI系统依赖于大量数据集来有效训练算法。然而，获得干净和相关的数据可能既耗时又耗费资源。数据质量差可能导致AI预测不准确，从而破坏项目目标。
2. **技能短缺**：AI领域的人才差距显著，组织在寻找具备机器学习、数据分析和AI伦理等必备技能的专家方面苦苦挣扎。随着公司竞相实施AI，技工的不足可能会阻碍项目进展和质量。
3. **集成挑战**：将AI解决方案集成到现有业务流程和系统中往往比预期的更加复杂。公司经常遇到技术兼容性问题，这可能会拖延项目并需要额外资源来解决。
4. **监管和伦理问题**：随着AI继续渗透各个行业，监管审查也在增加。组织必须在数据隐私、道德使用和AI决策中的问责等不断变化的法规环境中导航，这可能会使项目时间表复杂化并引入额外风险。
5. **公众认知和信任**：许多利益相关者，包括消费者和员工，对AI技术表示怀疑。对隐私、工作置换和偏见的担忧可能导致对AI项目的抵制，从而可能在项目甚至尚未启动时就使其偏离轨道。
尽管面临挑战，AI项目提供了哪些优势？
– **提高效率**：AI可以自动化重复任务，从而简化工作流程并提高运营效率。这可以释放有价值的人力资源，使团队能够专注于更具战略性的计划。
– **增强决策能力**：凭借快速分析大量数据的能力，AI工具可以提供支持更好决策的洞察，从而导致更有效的战略和改善的结果。
– **创新机会**：AI可以驱动创新，通过使以前认为不可能的新产品和服务变为现实。投资AI的公司可以在各自市场中获得竞争优势。
追求AI项目的潜在劣势是什么？
– **高初始成本**：开发和部署AI解决方案可能涉及显著的前期投资，包括与技术、人才招聘和数据收集相关的费用。这种经济负担可能会阻止较小的组织追求AI。
– **过时的风险**：AI发展的快速步伐意味着今天的解决方案可能很快就会过时。这种风险要求公司保持适应性，并承诺持续的更新和改进资源。
– **对技术的依赖**：随着企业日益依赖AI，过度依赖技术的风险加大。这可能导致决策和解决问题的人类技能下降，引发有关劳动力准备度的担忧。
组织应考虑哪些未来方向？
组织需要采用审慎的方法来实现AI集成。这包括建立明确的目标、投资于人才发展以及创建强有力的数据治理框架。此外，在AI开发过程中培育透明和伦理的文化，可以增强利益相关者的信任和参与。
最终，驾驭AI项目的复杂性需要在雄心勃勃的技术期望和务实的预期之间取得平衡。通过直接应对识别出的挑战，组织可以利用AI的变革潜力，同时最小化风险。
想了解更多关于AI及其影响的信息，请访问MIT技术评论或福布斯。
The source of the article is from the blog agogs.sk