在企業(yè)中的某個(gè)領(lǐng)域，或許正有一個(gè)AI項(xiàng)目正在走向失敗，可能它是一個(gè)旨在將銷售額提升30%的推薦引擎，可能它是一個(gè)旨在大幅減少停機(jī)時(shí)間的預(yù)測(cè)性維護(hù)系統(tǒng)，又可能是一個(gè)本打算徹底改變響應(yīng)時(shí)間的客戶服務(wù)聊天機(jī)器人。這些雄心勃勃的計(jì)劃上落滿的灰塵，代表的不僅僅是資源的浪費(fèi)，還有期望的破滅，這讓未來推動(dòng)創(chuàng)新變得更加困難。

期望與現(xiàn)實(shí)之間的差距

把AI項(xiàng)目想象成冰山。高管們?cè)诠?yīng)商演示和技術(shù)雜志上看到的，是閃閃發(fā)光、露出水面的尖端——那些已經(jīng)完成、被打磨得光彩照人的成功案例，而隱藏在水面之下的，是使這些成功成為可能的數(shù)據(jù)準(zhǔn)備、基礎(chǔ)設(shè)施要求、人才需求和企業(yè)變革管理等龐大的底層結(jié)構(gòu)。

這種期望與現(xiàn)實(shí)之間的差距，或許是AI項(xiàng)目失敗最根本的原因。有一種持續(xù)存在的神話，認(rèn)為AI是一種神奇的技術(shù)，你可以像貼高科技創(chuàng)可貼一樣，簡(jiǎn)單地將其“應(yīng)用”到商業(yè)問題上，而真相則更加復(fù)雜。

以我曾提供咨詢的一家全球消費(fèi)品公司為例。他們的高管團(tuán)隊(duì)受到演示文稿的啟發(fā)，演示文稿展示了AI如何優(yōu)化供應(yīng)鏈，于是他們斥資250萬美元啟動(dòng)了一項(xiàng)旨在實(shí)現(xiàn)這一目標(biāo)的計(jì)劃。12個(gè)月后，他們擁有了復(fù)雜的算法，但這些算法根本無法使用，因?yàn)闆]有人解決其27個(gè)遺留系統(tǒng)中支離破碎、不一致的數(shù)據(jù)問題。這個(gè)AI解決方案就像是你只有土路可走，卻買了一輛一級(jí)方程式賽車。

數(shù)據(jù)困境

如果說有一個(gè)因素比任何其他因素都更能導(dǎo)致AI項(xiàng)目失敗，那就是數(shù)據(jù)質(zhì)量差和治理不善。企業(yè)往往低估了AI有效運(yùn)行所需的數(shù)據(jù)數(shù)量和質(zhì)量。

事實(shí)是，AI系統(tǒng)從根本上來說是數(shù)據(jù)處理引擎。向它們提供劣質(zhì)數(shù)據(jù)，你將得到糟糕的結(jié)果——這是自20世紀(jì)50年代以來就存在的原則，計(jì)算機(jī)科學(xué)家稱之為“垃圾進(jìn)，垃圾出”，但不知為何，這總是讓高管們感到驚訝。

我曾與一家醫(yī)療系統(tǒng)合作，他們想使用機(jī)器學(xué)習(xí)來預(yù)測(cè)患者再入院情況。在開發(fā)進(jìn)行到六個(gè)月時(shí)，團(tuán)隊(duì)發(fā)現(xiàn)他們的歷史患者記錄(即他們用來訓(xùn)練AI的數(shù)據(jù))在不同設(shè)施中對(duì)各種疾病的編碼方式存在顯著偏差。AI正在學(xué)習(xí)這些不一致之處，而不是真正的醫(yī)學(xué)模式。這就像試圖用一本有一半定義錯(cuò)誤的字典來教某人一種語言。

忽視人的因素

另一個(gè)致命錯(cuò)誤是將AI的實(shí)施視為純粹的技術(shù)挑戰(zhàn)，而不是需要人類采用和整合的社會(huì)技術(shù)挑戰(zhàn)。

我記得有一家制造公司花費(fèi)了180萬美元購(gòu)買了一套AI系統(tǒng)來優(yōu)化生產(chǎn)計(jì)劃。該技術(shù)在測(cè)試中運(yùn)行得完美無缺，但在工廠車間，主管們繼續(xù)使用他們的傳統(tǒng)方法，完全忽略了AI的建議。為什么?因?yàn)闆]有人讓他們參與開發(fā)過程，向他們解釋系統(tǒng)的工作原理，或解決他們關(guān)于系統(tǒng)如何影響他們角色的合理擔(dān)憂。

AI項(xiàng)目并不是孤立地失敗的;它們是在抗拒變革的人類系統(tǒng)中失敗的。如果人們不使用，那么世界上最好的技術(shù)也一文不值。

戰(zhàn)略脫節(jié)

許多AI項(xiàng)目從一開始就存在一個(gè)關(guān)鍵缺陷：它們與真正的商業(yè)問題和戰(zhàn)略目標(biāo)缺乏明確的聯(lián)系。它們是尋找問題的解決方案，而不是相反。

我曾目睹一些企業(yè)因?yàn)楦?jìng)爭(zhēng)對(duì)手正在這樣做，或者因?yàn)楦吖軐釉谏虡I(yè)雜志上讀到了這項(xiàng)技術(shù)，而啟動(dòng)AI計(jì)劃。這些項(xiàng)目注定會(huì)失敗，因?yàn)樗鼈儧]有與具體、可衡量的商業(yè)成果掛鉤。

想象一下建造一座橋。你不會(huì)在沒有確切知道你要連接哪兩個(gè)河岸，以及為什么人們需要過河的情況下就開始建造，然而，公司卻經(jīng)常在沒有明確成功的樣子或如何衡量它的情況下就開始實(shí)施AI項(xiàng)目。

人才和治理短缺

AI人才缺口仍然巨大。數(shù)據(jù)科學(xué)家供不應(yīng)求，而那些同時(shí)具備技術(shù)專長(zhǎng)和商業(yè)敏銳度的人才更是鳳毛麟角。

除了人才問題，許多企業(yè)還缺乏AI計(jì)劃的適當(dāng)治理結(jié)構(gòu)。誰負(fù)責(zé)這個(gè)項(xiàng)目?當(dāng)速度、成本和質(zhì)量之間需要權(quán)衡時(shí)，由誰來做出決策?沒有明確的責(zé)任制和決策框架，AI項(xiàng)目就會(huì)陷入模糊，最終失敗。

我曾與一家電信公司合作，他們有七個(gè)不同的部門各自獨(dú)立開發(fā)AI解決方案，沒有任何協(xié)調(diào)。這導(dǎo)致了重復(fù)的努力、不兼容的系統(tǒng)，以及最終花費(fèi)了數(shù)百萬美元后多個(gè)項(xiàng)目的取消。這是數(shù)字達(dá)爾文主義最糟糕的表現(xiàn)——各個(gè)計(jì)劃爭(zhēng)奪資源，而不是為實(shí)現(xiàn)共同目標(biāo)而協(xié)作。

跳過基礎(chǔ)工作

把企業(yè)AI想象成一棟房子。你不能在還沒有鋪設(shè)地基和搭建墻壁之前就建造屋頂，然而，企業(yè)卻經(jīng)常試圖在建立基本數(shù)據(jù)基礎(chǔ)設(shè)施和分析能力之前實(shí)施先進(jìn)的AI功能。

AI不是技術(shù)上的飛躍，它是在現(xiàn)有能力基礎(chǔ)上發(fā)展起來的演變。在涉足機(jī)器學(xué)習(xí)和其他AI技術(shù)之前，成功應(yīng)用AI的公司通常已經(jīng)掌握了數(shù)據(jù)倉(cāng)庫、商業(yè)智能和傳統(tǒng)分析。

我曾為一家零售商提供咨詢，他們想實(shí)施基于AI的個(gè)性化實(shí)時(shí)定價(jià)。但他們甚至無法在其各門店之間提供一致的每周銷售報(bào)告。他們?cè)噲D在學(xué)會(huì)走路之前就奔跑，不出所料，這個(gè)項(xiàng)目因其野心而崩潰。

前進(jìn)的道路：讓AI項(xiàng)目取得成功

AI計(jì)劃的高失敗率并不是不可避免的。以適當(dāng)?shù)囊?guī)劃、資源和期望來對(duì)待AI的企業(yè)，可以顯著提高成功的幾率。

從問題出發(fā)，而不是從技術(shù)出發(fā)。確定AI可能提供解決方案的具體商業(yè)挑戰(zhàn)，并明確清晰、可衡量的目標(biāo)。這將項(xiàng)目錨定在商業(yè)現(xiàn)實(shí)中，而不是技術(shù)可能性中。

在算法開發(fā)之前投資于數(shù)據(jù)質(zhì)量和基礎(chǔ)設(shè)施。請(qǐng)記住，AI系統(tǒng)的質(zhì)量只與其消耗的數(shù)據(jù)一樣好。在嘗試在其上構(gòu)建復(fù)雜的AI功能之前，先創(chuàng)建一個(gè)堅(jiān)實(shí)的數(shù)據(jù)基礎(chǔ)。

將AI的實(shí)施視為企業(yè)變革，而不僅僅是技術(shù)部署。盡早并經(jīng)常讓最終用戶參與進(jìn)來，并考慮AI將如何與現(xiàn)有工作流程和人為判斷相結(jié)合。

采取漸進(jìn)的方法，而不是孤注一擲。從提供快速勝利、建立企業(yè)信心并提供學(xué)習(xí)機(jī)會(huì)的適度試點(diǎn)項(xiàng)目開始，然后再進(jìn)行擴(kuò)展。

建立明確的治理機(jī)制，包括所有權(quán)、決策框架和成功指標(biāo)。明確當(dāng)(而不是如果)需要權(quán)衡時(shí)，誰有權(quán)做出關(guān)鍵決策。

超越炒作周期

AI不是魔法——它是一系列強(qiáng)大的技術(shù)，當(dāng)?shù)玫酵咨茖?shí)施時(shí)，可以帶來非凡的商業(yè)價(jià)值，然而，這種實(shí)施需要許多企業(yè)低估的嚴(yán)謹(jǐn)性、現(xiàn)實(shí)主義和資源。

在AI方面取得成功的公司，不一定是那些擁有最大預(yù)算或最先進(jìn)技術(shù)的公司。它們是那些對(duì)AI能做什么和不能做什么有清醒認(rèn)識(shí)的公司，是在追求復(fù)雜功能之前建立適當(dāng)基礎(chǔ)的公司，也是理解技術(shù)變革不可避免地也是人類變革的公司。

通過從這些常見錯(cuò)誤中吸取教訓(xùn)，企業(yè)可以確保其AI計(jì)劃兌現(xiàn)承諾，而不是成為昂貴數(shù)字失望的行列中的一員。