6 motivi per cui i progetti di intelligenza artificiale falliscono

Sembra che l'IA sia presente ovunque, ma la realtà è che molte aziende incontrano problemi nell'implementazione dell'IA. Secondo il Rapporto di ricerca e studio esecutivo globale sull'intelligenza artificiale del MIT SMR-BCGsette dirigenti su dieci, le cui organizzazioni hanno investito nell'Intelligenza Artificiale (IA), hanno dichiarato di averne risentito poco o nulla.

Inoltre, 40% di imprese che investono pesantemente nell'IA non riportano alcun beneficio per l'azienda. Il tasso di fallimento non dovrebbe essere così alto, dato il numero di cervelli intelligenti, risorse e sforzi investiti in questi progetti. Il problema è la mancata adesione alle best practice per la gestione delle iniziative di IA, non una tecnologia inferiore o persone non motivate.

In questo articolo discutiamo le 6 ragioni per cui i progetti di IA falliscono, insieme ad alcuni consigli su come evitare di diventare un'altra statistica di iniziative di IA fallite.

1. Cattiva gestione dei dati

Per rendere utili le soluzioni di IA è necessario disporre di dati sufficienti e di alta qualità, che seguano una metodologia coerente e comprensibile. Molte aziende non dispongono delle risorse o dell'esperienza necessarie per gestire dati non puliti, conservati in formati o posizioni incompatibili. I data scientist perdono troppo tempo (spesso fino a 70% del loro tempo) a gestire i dati invece di applicare le loro conoscenze per creare soluzioni utili o per ricavarne spunti a supporto delle decisioni aziendali.

2. Mancanza di capacità e consapevolezza dell'IA tra i dipendenti

Un sondaggio di Gartner ha rivelato che 56% delle aziende avevano difficoltà nell'utilizzo dell'IA a causa di una carenza di competenze nel proprio personale. I dipendenti possono non avere fiducia nell'IA, rifiutarla del tutto o avere piena fiducia in essa e accettare tutti i risultati di un modello di IA senza alcun dubbio. Un'idea sbagliata comune tra i professionisti che lavorano è che l'IA li sostituirà. A causa di tutti questi fattori, le aziende dovrebbero prendere in considerazione la possibilità di aumentare l'alfabetizzazione al ML/AI dei propri dipendenti e di formarli sui nuovi processi tecnologici.

L'alfabetizzazione tecnologica garantisce che sia i vostri tecnici che i non tecnici i dipendenti sono informati sull'IAche cosa può fare per loro, i punti di forza e di debolezza della tecnologia e come può essere vantaggiosa per loro. È inoltre fondamentale che i dipendenti non si affidino all'IA solo per prendere decisioni senza capire come vengono prese.

3. Obiettivi aziendali non chiari

Invece di scegliere progetti in cui si intravede il potenziale per una svolta tecnica, le organizzazioni devono identificare i casi d'uso con ritorno sull'investimento (ROI) che possono avere la massima influenza sui loro KPI (aumento del fatturato, riduzione dei costi operativi, aumento dell'esperienza del cliente, ecc.) I progetti di intelligenza artificiale di solito falliscono a causa di obiettivi mal definiti, mancanza di dati e risorse insufficienti.

4. Sottovalutazione dei tempi e dei costi della componente dati dei progetti di IA:

Le organizzazioni spesso sottovalutano il tempo e le risorse necessarie per gestire efficacemente i progetti di IA. Troppo spesso i progetti vengono avviati senza aver prima considerato i requisiti dei dati e senza avere una persona dedicata che si occupi di raccogliere il giusto tipo e la giusta quantità di dati. Questi progetti sono spesso rallentati dalla mancanza di accesso ai dati necessari. Per questo motivo, la raccolta dei dati necessari per l'IA è il primo passo per la gestione di un progetto di IA.

L'IA richiede una strategia incentrata sui dati e le aziende dovrebbero valutare attentamente se hanno il tempo e le risorse da dedicare alla raccolta di quantità sufficienti di dati di alta qualità per i loro progetti.

5. Mancanza di impegno e di proprietà della leadership

Questo è un errore comune a tutti i progetti, non solo a quelli che riguardano l'IA. Senza la dedizione e la titolarità di un team di leadership interfunzionale, un'iniziativa di IA non avrà le risorse o il talento necessari per il successo. Un progetto di IA può avere successo solo se dispone di leader capaci che vi si dedicano.

6. Disallineamento tra promesse e realtà da parte dei fornitori

Spesso le aziende si lasciano ingannare dal marketing e dalle promesse fatte dai venditori sui loro prodotti. Oppure le aziende possono scegliere la soluzione di un particolare fornitore per poi scoprire che non è la più adatta alle loro esigenze. I fattori legati ai fornitori vengono spesso trascurati, il che è una delle cause principali del fallimento di un progetto di IA.

Una causa frequente è l'incapacità di porre le domande giuste in anticipo, il che impedisce di capire che, nonostante il prodotto sia fantastico, non soddisfa le vostre esigenze. Per evitare di cadere vittima del clamore, è bene fare i compiti, porre le domande giuste e capire come gestire le iniziative di IA.

Come può aiutare Skim AI?

L'IA sta rivoluzionando il modo in cui conduciamo gli affari, e ci vuole tempo e impegno per scoprire come creare soluzioni utili con un ROl quantificabile.

Consigliamo ai nostri clienti di costruire un quadro di riferimento per l'implementazione di soluzioni di ML e AI basate sulle best practice. I rendimenti degli investimenti in IA non sono lineari. Piuttosto, aumentano man mano che si aggiunge un buon lavoro a una base creata con le best practice.