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】台股中小股衝 套牢對策! 鴻海釀反彈 網通轉大人?★

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）