V éře digitální transformace se umělá inteligence stala klíčovým směrem vývoje pro mnoho společností. Nová studie RAND Corporation však odhaluje překvapivou statistiku: 80 % projektů v oblasti AI končí neúspěchem, což je dvakrát více než u jiných IT projektů.
Experti RAND Corporation dotazovali 65 datových specialistů a inženýrů s minimálně pětiletými zkušenostmi v oblasti vývoje modelů AI a strojového učení. Studie identifikovala pět hlavních důvodů, proč projekty AI selhávají.
Hlavní příčiny neúspěchů projektů AI
- Nepochopení skutečných možností AI
- Nedostatek kvalitních dat pro trénování modelů
- Snaha využívat nejmodernější verze AI na úkor řešení reálných problémů
- Absence infrastruktury pro správu dat a implementaci modelů AI
- Nesprávné použití AI na úkoly, které není schopna řešit
Hlavním problémem se ukázalo nepochopení skutečných možností AI. Mnoho manažerů očekává, že AI zázračně zlepší jejich podnikání, aniž by uvažovali o konkrétních aplikacích, potřebných zdrojích a časových nákladech.
Druhým nejvýznamnějším faktorem je nedostatek kvalitních dat pro trénování modelů. 80 % úspěchu AI závisí na zpracování dat, což vyžaduje vysoce kvalifikované odborníky.
Problémy s implementací AI v podnikání
Ani velcí technologičtí giganti nejsou imunní vůči chybám. Příklad Microsoftu s funkcí Recall pro Windows ukazuje, jak nesprávné použití AI může vyvolat negativní reakci uživatelů.
Je zajímavé, že nedávný průzkum ukázal pokles zájmu spotřebitelů o produkty, v jejichž názvu figuruje „AI“. Většina není ochotna za takové zboží platit vyšší cenu.
Pro podnikání je zásadní pochopit, že návratnost investic do AI může trvat déle, než se očekává, a v nejhorším případě k ní nemusí dojít vůbec.
Studie RAND Corporation zdůrazňuje potřebu realistického přístupu k implementaci AI. Společnosti by měly pečlivě zhodnotit své možnosti a potřeby, než se ponoří do světa umělé inteligence.
