CTI論壇(ctiforum.com)（編譯/老秦）:如今，人工智能（AI）應用于人力資源，供應鏈，多層次營銷等各個領域。公司在數據科學家身上投入了大量資金，以引領數據團隊實現業務增長。風險和混亂都是人工智能項目失敗的常見原因和主要因素。這是因為替代現有流程和已熟悉工作流程的員工是一個非常困難的決定。金錢，培訓和時間的投入是公司不容易接受的一大風險。 　　即使在選擇AI之后，由于缺乏合適的數據，問題也無法解決。對于不好的數據，算法無法正常工作。所以，團隊的大量時間浪費了。此外，AI不是一個單一的過程或技術。熟練的員工需要高薪，如果您的預算不多，那么在沒有AI專家的情況下，客戶就不會對您公司的AI服務感興趣。這些是大多數移動應用開發公司中AI失敗的常見原因。

　　人工智能是一個能夠規劃，學習，推理，解決問題，知識表示，感知，運動和操縱的系統。它在某種程度上也可能具有社會智慧和創造力。今天，AI能夠推薦購買什么，娛樂用戶，檢測信用卡欺詐，甚至識別圖片中的面孔。截至目前，AI已被分為兩類——窄AI和一般AI。窄AI的示例可以是Apple的SIRI或Microsoft的Cortana，而一般AI示例可以被引用為終結者中的SKYNET（之后尚未成為現實）。在未來幾年，人工智能可能能夠撰寫論文，駕駛車輛，甚至可以進行手術。

　　人工智能已經在其實施的各種項目中取得了很大的成功。某些數據咨詢公司還將AI整合到他們的項目中，這將有助于廣告和媒體機構推進他們的活動。但是，并非所有實施人工智能的公司都取得了成功，高達85％的公司位于成功的另一邊。根據一些調查，來自高級管理層的阻力和未能給他們留下深刻印象是原因之一。管理層首先關注投資回報。這是一個很大的障礙。看起來很棒的項目有時經常會發現灰塵。

　　維度研究（Dimensional Research）報告指出，10個AI項目中有8個失敗了，而96％遇到了數據質量，數據標記和建立模型置信度等問題。作為這種失敗的另一個例子，Facebook，亞馬遜，微軟和Adobe都選擇使用名為神經機器翻譯（Neural Machine Translation）的人工智能工具，因為它能夠非常快速地以72種語言本地化內容。然而，僅僅23％的實際使用。

　　這些項目失敗的部分原因可能是：

　　1.詐騙者

　　2.溝通障礙

　　3.項目啟動前失敗

　　4.缺少數據戰士

　　5.內部人才/軟件

　　6.害怕失去工作

　　7.開始時太簡單了

　　1、詐騙者：當提到人工智能項目的實施時，首先會有詐騙者破壞，就像讓我們繼續（不同項目的名稱），它的成本要低得多。問題不在于項目的類型，而是從最能吸引他們的項目中獲得投資回報（ROI）。那你做什么呢？確保您的第一個基于AI的項目面向業務，實現KPIs，并與組織的愿景和使命保持一致。相信這樣一個項目的成功對你和企業意義重大。管理層會為此愛上你。

　　2、溝通障礙：當您是數據科學家并使用技術術語與您的管理層溝通時，這個障礙必然會顯示出來。管理層不關心您如何進行項目。他們已經有足夠多的事情需要關照了。不要用AI教育他們，告訴他們如何促使公司發展。用美元而不是千兆字節說話。此外，公司的優先事項必須與您的項目保持一致。他們會很高興聽你的并且給你一個機會。

　　3、項目啟動前失敗：是的。你可能不會做的事情，但它卻是一個救生員。想象一下，在你的項目上花了大量的錢，然后聽到客戶告訴你規格不是他想要的。你注定要失敗。因此，在您實際開始項目之前，準備一些輸出和報告，您可以向客戶展示并讓他同意他剛才看到的內容。即使客戶可能不同意，您也沒有丟失任何東西。您現在知道客戶愿意擁有什么，并且您可以從客戶規范開始。

　　4、缺少數據戰士：組織通常更愿意給新手，剛剛畢業的孩子或幾乎沒有任何工作經驗的機會。原因很簡單——省錢。這就是最大的錯誤。以節省美元的名義，他們實際上被浪費掉了。沒有經驗的家伙會想出一些沒有完成項目（甚至開始）的新借口。該組織需要的是具有豐富經驗的人，開發了AI項目，并將其成功實施到一些客戶組織。

　　5、內部人才/軟件：在內部培養人才是一個不錯的選擇，但如果組織每次使用相同的人才，他們如何確保內部人才掌握最新知識。內部人才是否與其他社區混在一起？如果不是，公司需要從外部找到開發人員。

　　6、害怕失去工作：雖然人工智能可以為組織帶來巨大的變化和利潤，但對于那些不知道的人來說，人工智能有能力做我們人類今天做的事情。從執行物理任務到做出邏輯決策，AI可以處理所有問題。這在最高級階段可能對實施它的組織的員工構成威脅。因此，可能會有人阻礙實施AI，否則他們會失去工作。

　　7、適當開始：在沒有實施簡單規則的情況下，您的AI項目將獲得0％的價值。有傳言說復雜的項目會獲得成功，但過于復雜的項目會花費很多時間。因此，應該以一種適當的方式啟動項目。

　　此外，上述原因項目也可能由于預期與項目在實際時間范圍內的實際情況不一致而失敗。盡管有關于人工智能的所有光環，但某些事情可能會出錯。可以是算法或程序沒有正確編碼，也可能是作為AI的某些查詢的答案是由不正確數據提供的。

　　AI系統失敗的另一個原因可能是不完整的數據集。每當AI系統需要接管時，必須對所有問題進行訓練，并將其答案存在于數據集中。如果在培訓期間數據集不完整，AI將無法實時響應情況。

　　此外，算法可能會出錯。這是因為它們是由一些人開發的。開發算法的人很可能偏向某個特定的教派。在工作選擇過程中，如果算法偏向某個特定部門，招聘公司可能會找不到最合適的候選人。

　　有時傳感器可能無法工作導致AI出現問題。在這種情況下，AI必須優雅地失敗，保持原始狀態。需要對AI系統進行全面培訓，以了解可能遇到的任何情況。請記住，無論何時您在設計上偷工減料，或者缺少正確的信息，都必然會發生失敗。

　　聲明:版權所有 非合作媒體謝絕轉載

　　作者：Krunal Vyas

　　原文網址：http://customerthink.com/why-85-of-the-artificial-intelligence-projects-fail/