企業AI專案失敗率恐攀升至八成 領導力及數據質量成關鍵
![企業AI專案失敗率恐攀升至八成 領導力及數據質量成關鍵](/newsdata/science/sunmedia/20240829/72492428059393329005.jpg)
商傳媒|記者許方達/綜合報導
AI熱潮席捲全球,正當各行各業都對AI應用充滿期待之際,全球政策智庫蘭德公司(RAND Corporation)最新研究卻顯示,儘管多數企業對AI技術的投資正快速增長,預計高達80%的AI專案將以失敗告終,這樣的比例是非AI資訊科技專案失敗率的兩倍。
蘭德公司與在AI領域工作的65名科學家和工程師進行交談,歸納出「企業領導人對AI能力的誤解及專案目標的溝通不佳」,是AI專案失敗的主要原因之一。報告指出,許多高層管理者對AI的潛力抱有過高期望,這些期望往往受到令人驚艷的展示和銷售話術所影響,同時低估成功實施AI所需的時間和資源。此外,商業領導人與技術團隊之間的嚴重脫節,也會導致專案目標錯誤定位;加上組織往往缺乏耐心,難以持之以恆地推動AI專案,最終可能導致計畫胎死腹中。
至於「數據質量不佳」是AI專案的第二大障礙,目前許多組織缺乏足夠且正確的數據來訓練有效的AI模型;舊有數據集通常為了符合法規或是為了紀錄目的而收集,可能不適合AI訓練。加上數據工程師嚴重短缺,AI團隊內部缺乏領域專業知識,都導致對數據的誤解和模型設計的錯誤。
AI專案的第三大障礙則是所謂的「技術迷戀」,由於工程師對追求「新奇技術」的傾向,常導致不必要的複雜性和資源浪費,許多數據科學家和工程師,容易被最新的技術進展所吸引,即便簡單的解決方案已足夠運用。組織本身需在創新與實際操作間取得平衡,應專注在優先解決問題而非技術本身。
基礎設施投資也至關重要,對數據管理和模型部署系統的投資不足,都與AI專案成功與否有重大關聯。許多公司在進行AI專案時急於求成,卻忽略必要的基礎設施建設,導致原型擴展困難、數據品質不一致,對於維護已完成部署的模型造成諸多挑戰。
對於成就AI專案,蘭德公司提出以下建議:
一、確保技術人員了解專案目的及業務背景。
二、選擇具有持久性的問題,並承諾至少解決一年。
三、專注於問題本身,而非技術,選擇適合的工具來解決問題。
四、投資於支持數據治理和模型部署的基礎設施。
五、理解AI的局限性,並保持現實的期望。
報告並強調,AI實施中的主要挑戰往往不是技術上的,而是在於人性的考驗。成功的AI應用需要在創新與實際操作之間取得平衡,在技術卓越與商業敏銳度之間找到交集。能夠駕馭這些人性挑戰的組織,將在AI產業成熟時發揮其絕佳潛力。
- 記者:商傳媒
- 更多科技新聞 »