Согласно новому исследованию, 80% всех проектов ИИ терпят неудачу, что в два раза превышает процент неудач проектов в области информационных технологий, не связанных с искусственным интеллектом.
Компании вкладывают миллиарды долларов в ИИ и машинное обучение, несмотря на медленную окупаемость и множество неудач. Корпорация RAND хотела выяснить, что стоит за этим высоким показателем неудач в 80%. В ходе исследования было опрошено 65 специалистов по данным и инженеров с не менее чем пятилетним опытом создания моделей ИИ/МО в промышленности или академической среде.
Исследование выявило 5 основных причин провала проектов ИИ. Первая и наиболее распространённая из них заключается в том, что заинтересованные стороны в отрасли часто не понимают или не объясняют, какую проблему необходимо решить с помощью ИИ и чего способна достичь эта технология.
Ещё одной ключевой причиной неудач в проектах ИИ является отсутствие у организаций необходимых данных, требуемых для адекватного обучения эффективной модели ИИ. Один из опрошенных сказал:
«80% ИИ – это грязная работа по инжинирингу данных. Вам нужны хорошие специалисты, которые выполняют грязную работу, иначе их ошибки отравят алгоритмы.»
Есть также проблема в том, что специалисты по обработке данных и инженеры слишком увлекаются новейшими технологиями ИИ, вместо того чтобы подумать, решат ли они реальные проблемы пользователей. Двумя другими выявленными факторами стали отсутствие у организаций адекватной инфраструктуры для управления данными и развертывания готовых моделей ИИ, а также применение ИИ для решения задач, которые ему слишком сложно решить.
