6 причин, чому проекти зі штучного інтелекту зазнають невдачі

Здається, що штучний інтелект присутній скрізь, але реальність така, що багато компаній стикаються з проблемами при успішному впровадженні штучного інтелекту. Згідно з дослідженням Глобальне дослідження MIT SMR-BCG зі штучного інтелекту та звіт про дослідженнясім з десяти керівників, чиї організації інвестували в штучний інтелект (ШІ), стверджують, що не побачили від нього практично ніякого ефекту.

Крім того, 40% підприємств, що інвестують що активно використовують ШІ, не повідомляють про жодні переваги для бізнесу. Рівень невдач не повинен бути таким високим, враховуючи кількість розумних мізків, ресурсів і зусиль, вкладених у ці проекти. Проблема полягає в недотриманні найкращих практик управління ініціативами зі створення штучного інтелекту, а не в неповноцінних технологіях чи невмотивованих людях.

У цій статті ми розглянемо 6 причин невдач АІ-проектів, а також дамо кілька порад про те, як уникнути поповнення статистики невдалих АІ-ініціатив.

1. Погане управління даними

Щоб рішення зі штучного інтелекту були корисними, вам потрібна достатня кількість високоякісних даних, які відповідають узгодженій і зрозумілій методології. Багатьом компаніям бракує ресурсів або досвіду для роботи з даними, які не є чистими, зберігаються в несумісних форматах або в різних місцях. Фахівці з аналізу даних витрачають занадто багато часу (часто до 70% свого часу) на боротьбу з даними, замість того, щоб застосовувати свої знання для створення корисних рішень або отримання інсайтів для підтримки бізнес-рішень.

2. Відсутність можливостей та обізнаності працівників у сфері штучного інтелекту

Опитування Gartner показало, що 56% підприємств мали проблеми з використанням ШІ через брак навичок у своїх співробітників. Працівники можуть не довіряти штучному інтелекту, відкидати його або повністю вірити в нього і беззаперечно приймати всі результати роботи AI-моделі. Серед працюючих фахівців поширена помилкова думка, що штучний інтелект замінить їх. Зважаючи на всі ці фактори, компаніям варто замислитися над підвищенням грамотності своїх співробітників у сфері ML / AI та навчанням їх новим технологічним процесам.

Технологічна грамотність гарантує, що ваші технічні та нетехнічні співробітники поінформовані про ШІщо він може зробити для них, які сильні та слабкі сторони технології та яку користь вона може принести. Також дуже важливо, щоб працівники не просто покладалися на ШІ для прийняття рішень, не розуміючи, як це рішення приймається.

3. Нечіткі бізнес-цілі

Замість того, щоб обирати проекти, в яких бачать потенціал для технічного прориву, організаціям потрібно визначити варіанти використання з поверненням інвестицій (ROI), які можуть мати найбільший вплив на їхні KPI (збільшення прибутку, зниження операційних витрат, покращення клієнтського досвіду тощо). Проекти з впровадження ШІ зазвичай зазнають невдачі через нечітко визначені цілі, брак даних і недостатню кількість ресурсів.

4. Недооцінка часу та вартості компонента даних у проектах зі створення ШІ:

Організації часто недооцінюють час і ресурси, необхідні для ефективного управління проектами зі штучного інтелекту. Занадто часто проекти починаються без попереднього розгляду вимог до даних і без спеціальної особи, яка б відповідала за збір потрібного типу та обсягу даних. Такі проекти часто гальмуються через відсутність доступу до необхідних даних. Ось чому збір даних, необхідних для роботи ШІ, є першим кроком в управлінні проектом ШІ.

ШІ вимагає стратегії, орієнтованої на дані, і компаніям слід ретельно проаналізувати, чи є у них час і ресурси для збору достатньої кількості високоякісних даних для своїх проектів.

5. Брак прихильності та відповідальності керівництва

Це поширена помилка в усіх проектах, а не лише в тих, що стосуються ШІ. Без відданості та відповідальності міжфункціональної команди лідерів ініціатива зі створення штучного інтелекту не матиме ресурсів і талантів, необхідних для успіху. Проект зі створення штучного інтелекту може бути успішним лише тоді, коли він має здібних і відданих йому лідерів.

6. Невідповідність обіцянок постачальників реальності

Компанії часто потрапляють під маркетинговий шквал та обіцянки постачальників щодо їхніх продуктів. Або ж обирають рішення певного постачальника, а потім виявляють, що воно не найкраще відповідає їхнім потребам. Фактори, що залежать від постачальника, часто залишаються поза увагою, що є однією з головних причин провалу проекту з впровадження ШІ.

Частою причиною цього є нездатність поставити правильні запитання наперед, що заважає вам побачити, що, незважаючи на те, що продукт є фантастичним, він просто не відповідає вашим потребам. Щоб не стати жертвою ажіотажу, виконуйте домашнє завдання, ставте правильні запитання і розумійте, як керувати ініціативами зі створення штучного інтелекту.

Чим може допомогти ШІ Skim?

Штучний інтелект революціонізує наш бізнес, і для того, щоб зрозуміти, як створювати корисні рішення з кількісним показником рентабельності інвестицій, потрібні час і зусилля.

Ми радимо нашим клієнтам будувати структуру для впровадження рішень ML і AI на основі найкращих практик. Прибутковість інвестицій у ШІ не є лінійною. Швидше за все, вони зростають, коли ви нашаровуєте хороші напрацювання на фундамент, створений з використанням найкращих практик.