中研院估明年經濟成長3.1% CPI連4年破2%
(2024/12/23 15:42)80%的AI專案都會失敗!全球智庫:問題在高層
近年全球掀起AI熱潮,許多企業都看好該領域的潛力,不過根據全球政策智庫蘭德公司(RAND Corporation)的研究,超過80%的AI專案都會失敗,這是非AI技術相關專案失敗率的兩倍,造成數十億美元被浪費。
綜合外媒報導,蘭德公司訪談65名資料科學家以及工程師,揭示這些AI專案失敗的原因並且彙整報告,報告指稱2013年到2022年,企業對AI的投資增加18倍,風險也比以往任何時候更高。
★【理財達人秀】台積電領漲 尾牙季電子攻 設備卡位?獨解量子電腦股!★
報告表示,AI專案失敗最常見的原因,問題不在技術而是高層人員,企業領導者經常誤解或錯誤傳達需要用AI來解決哪些問題,根據一名受訪者說法,「企業領導者認為自己擁有大量數據,因為每週都會收到銷售報告,但他們沒有意識到目前擁有的數據,可能無法滿足新的目標。」
報告提到,在銷售人員的宣傳和令人印象深刻的演示的推動下,許多高階主管對AI能夠實現的目標抱有過高期望,低估了成功實施所需的時間和資源,例如一名受訪者直言,「由於優先事項的變化和不切實際的時間表,取得成果通常只有預期的50%。」
報告提醒,導致AI專案失敗的原因,來自企業領導者和技術團隊之間的嚴重脫節,如果沒有對專案目標的清晰溝通和理解,AI計畫從一開始就注定失敗,因此領導者需要投入時間來了解AI的功能和局限性,技術團隊也必須提高用業務術語解釋複雜概念的能力。
不僅如此,研究發現許多企業組織缺乏成功實施AI技術所需要的耐心,專案通常在有機會展示真正價值之前,就被過早放棄或轉移到新的優先事項,這種短期思維破壞AI的潛力並且浪費大量資源。
報告也提到,目前數據工程師的嚴重短缺,這個因素也會影響AI專案的成功機會,由於資料工程角色的高流動性會導致知識流失和專案成本增加,但很多企業組織經常低估資料工程師的關鍵作用,導致這一重要領域的人才流失,至於另一個挑戰是AI技術團隊缺乏領域專業知識,有些資料科學家缺乏對工作業務環境的深入了解,導致對資料的誤解和有缺陷的模型設計。
研究發現,工程師本身有時也會導致專案失敗,即使更簡單的解決方案就能解決問題,但許多資料科學家和工程師喜歡使用最新的技術,「當AI專案專注於所採用的技術,而不是專注於為目標最終用戶解決實際問題時,專案往往會失敗。」該報告提醒,工程師的這種傾向可能導致不必要的複雜解決方案,這些解決方案難以維護並且向利害關係人解釋,而且經常導致資源浪費,因為技術團隊投入時間和精力來學習和實施「可能不最適合處理當前問題」的技術。
報告提到,基礎設施投資不足成為AI專案失敗的另一個關鍵因素,企業組織通常缺乏足夠的資料管理和模型部署系統,「投資數據工程師和機器學習工程師,可以大幅縮短開發新AI模型、將其部署到生產環境所需的時間。」
報告提醒,許多公司在沒有先打好必要基礎的情況下,急於投資AI專案,這可能導致許多問題,包括難以量產、做出不一致的資料品質以及維護和更新已部署模型。報告提醒,企業組織需要對AI的實施採取更全面的看法,意味著要投資強大的數據管道、自動化測試和部署系統,雖然這些投資可能不如尖端人工智慧演算法那麼令人興奮,但對於長期成功至關重要。
有關如何增加AI專案的成功率,該報告建議,企業組織在開始任何AI專案之前,領導者應該準備好讓每個產品團隊致力於解決特定問題至少一年,這項建議抵制追求快速勝利或不斷改變優先事項的傾向,透過關注長期、高影響力的問題,組織可以為其AI計畫提供成功所需的時間和資源,而且投資過程應該「專注於問題而不是技術」,而且強調選擇正確工具的重要性,即使它不是最流行或最新的解決方案,這些都是需要組織改變評估和獎勵其技術團隊的方式。
(封面示意圖/unsplash)
【往下看更多】
►輝達盤後有點慘 陸行之曝「不算災難」:盼別拖台積電下水
►輝達財報宛如「金融超級盃」華爾街:黃仁勳比鮑爾更有影響力
►科技巨頭以外第一家! 波克夏晉升兆元俱樂部
【熱門排行榜】
►鴻海找雷諾搶親遇阻 Nissan前董座爆:法國想討好日本
►小哥iPhone掉進功德箱 廟方拒還:已是神的財產
►財政部要發錢了!逾10億元將退還 「這時間」直接入帳