許多人工智能概念驗證項目因目標(biāo)不明確、數(shù)據(jù)準(zhǔn)備不足和內(nèi)部專業(yè)知識匱乏而失敗。研究顯示，大量概念驗證項目未能成功部署，僅有少數(shù)能投入生產(chǎn)。這與企業(yè)對生成式人工智能的盲目批準(zhǔn)和高層施壓有關(guān)，導(dǎo)致大量失敗實驗。盡管如此，專家們對人工智能試點項目的看法不一，認(rèn)為失敗也能帶來寶貴經(jīng)驗。然而，系統(tǒng)性IT問題和內(nèi)部政治因素也阻礙了項目成功。
圖源：SFIOCRACHO/Shutterstock
概念驗證已成為首席信息官人工智能戰(zhàn)略的關(guān)鍵組成部分，它提供了一種低風(fēng)險的方式，讓企業(yè)無需全面投入就能測試人工智能用例。
但隨著企業(yè)越來越多地出現(xiàn)試點疲勞，并轉(zhuǎn)而尋求從這些努力中獲得實際成果，從這些實驗中獲得的經(jīng)驗教訓(xùn)可能不夠——這個過程本身或許需要產(chǎn)生更具針對性的成功率。
IDC與聯(lián)想合作開展的近期研究發(fā)現(xiàn)，88%的觀察到的概念驗證項目未能成功進(jìn)行大規(guī)模部署。IDC發(fā)現(xiàn)，一家公司每啟動33個人工智能概念驗證項目，只有4個能進(jìn)入生產(chǎn)階段。
IDC的作者們報告稱：“大量的人工智能概念驗證項目，但投入生產(chǎn)的轉(zhuǎn)化率卻很低，這表明在數(shù)據(jù)、流程和信息技術(shù)基礎(chǔ)設(shè)施方面，組織的準(zhǔn)備程度較低。一半的組織已經(jīng)采用人工智能，但大多數(shù)仍處于實施或?qū)嶒灥脑缙陔A段，他們在小規(guī)?；蛱囟ㄓ美袦y試這些技術(shù)，同時努力克服投資回報率不明確、適合人工智能處理的數(shù)據(jù)不足以及內(nèi)部人工智能專業(yè)知識匱乏等挑戰(zhàn)。”
追蹤生成式人工智能的分析師也發(fā)現(xiàn)了類似模式，他們指出，企業(yè)強烈希望利用生成式人工智能，但又擔(dān)心各種問題導(dǎo)致難以將這項技術(shù)推進(jìn)到下一階段。
此外，MoorInsights&Strategy的副總裁兼首席分析師Jason Andersen（杰森·安德森）認(rèn)為對生成式人工智能概念驗證項目的寬松批準(zhǔn)，導(dǎo)致了大量失敗實驗的泛濫。
Andersen（安德森）說：“與一般其他技術(shù)相比，企業(yè)對生成式人工智能概念驗證項目的批準(zhǔn)要容易得多，這主要源于首席執(zhí)行官和董事會施壓，要求盡可能多地對生成式人工智能進(jìn)行實驗?！?/span>
Andersen（安德森）說：“他們說，‘我想了解更多，所以我將批準(zhǔn)一個[概念驗證]項目，看看這項技術(shù)是否適用于我的業(yè)務(wù)以及如何適用’，看到企業(yè)部署了‘大量的概念驗證項目’?！?/span>
IT經(jīng)理正利用這一趨勢，試圖為更廣泛的技術(shù)項目爭取批準(zhǔn)，Andersen（安德森）說：“很多項目并非真正的生成式人工智能項目，但他們試圖在其中融入一些生成式人工智能的元素。如果我們加入一些生成式人工智能元素，項目能獲批?！?/span>
投資回報率問題
ABI Research的首席分析師Reece Hayden（里斯·海登）說：“研究也發(fā)現(xiàn)企業(yè)概念驗證項目的獲批數(shù)量激增。生成式人工智能[概念驗證]的獲批門檻已經(jīng)大幅降低，部分原因是‘現(xiàn)在開發(fā)生成式人工智能概念驗證項目的成本已大幅降低’。”
企業(yè)從試點到生產(chǎn)的轉(zhuǎn)化率因各企業(yè)計算投資回報率的方式而異——尤其是在它們對人工智能的風(fēng)險承受能力不同的情況下。
Hayden（海登）說：“差異會非常大。這取決于風(fēng)險以及他們承擔(dān)風(fēng)險的意愿，還有潛在的準(zhǔn)確性不足問題，（與非人工智能項目相比）風(fēng)險水平要高得多，而且回報超過風(fēng)險的情況相當(dāng)罕見?！?/span>
Info-Tech Research Group的首席研究總監(jiān)Brian Jackson（布萊恩·杰克遜）對人工智能試點項目低生產(chǎn)率情況的看法則更為樂觀。
他說：“概念驗證項目的關(guān)鍵就在于進(jìn)行實驗。首次嘗試時不要害怕失敗。這并非是一種浪費，如果能從失敗中吸取寶貴經(jīng)驗教訓(xùn)，那么即便看似失敗也并非真正的失敗?！?/span>
但盡管IDC認(rèn)為試點項目失敗率高的根源在于系統(tǒng)性的IT問題，包括數(shù)據(jù)運營不足和人工智能人才匱乏，但這家研究公司也承認(rèn)，公司內(nèi)部政治因素也在其中起到了作用。
IDC集團(tuán)副總裁Ashish Nadkarni（阿什什·納德卡尼）說：“大多數(shù)這些生成式人工智能倡議都源自董事會層面。很多此類恐慌驅(qū)動的想法催生了眾多這樣的項目。這些概念驗證項目資金嚴(yán)重不足，甚至根本沒有資金支持。大多數(shù)時候，開展概念驗證項目并非基于充分的商業(yè)理由。在我看來，這就是一種自上而下的經(jīng)濟(jì)模式（效果不佳）?！?/span>
人工智能營銷活動導(dǎo)致董事會和首席執(zhí)行官對IT高管施加了過大的壓力，要求他們立即在人工智能方面有所行動。
Nadkarni（納德卡尼）說：“投資回報率[計算]正受到某種程度的緊迫性和生存威脅的影響。警鐘已經(jīng)敲響，人們愿意在投資回報率的定義上靈活變通。他們都慌了神。”
作者：Evan Schuman（埃文·舒曼）
Evan Schuman（埃文·舒曼）從事IT問題報道的時間比他愿意承認(rèn)的要長得多。作為零售技術(shù)網(wǎng)站StorefrontBacktalk的創(chuàng)始編輯，他曾在CBSNews.com、RetailWeek、Computerworld和eWeek擔(dān)任專欄作家，其署名文章也出現(xiàn)在《商業(yè)周刊》《風(fēng)險投資》《財富》《紐約時報》《今日美國》《路透社》《費城詢問報》《巴爾的摩太陽報》《底特律新聞》和《亞特蘭大憲法報》等刊物上。
譯者：寶藍(lán)
