企业正在AI工具、服务和内部战略上投入大量资金。但遗憾的是，大额支出并不能保证成功。
“AI无处不在——正在改变行业，重塑工作流程，并承诺带来无限可能的未来，”技术咨询公司Searce的应用AI副总裁Paul Pallath说。“但每一个AI成功案例背后，都有一个默默无闻的失败案例：那些从未扩大规模的昂贵试点项目、加剧偏见的模型，以及几个月内就变得过时的系统。”
Pallath表示，成功与失败之间的差异在于如何实施、管理和维持AI。“要让AI发挥作用，企业必须避免最常见也最昂贵的错误。”
以下是企业在AI方面失败的11种方式，以及避免这些陷阱的建议。
未将用户纳入AI规划
“让AI计划失败的最快方式?就是把它当作一个技术项目，而不是业务转型。”Pallath说。“AI不是孤立存在的——它依赖于人类的洞察力、信任和协作。”
Pallath表示，认为只要提供工具就能自动吸引用户的想法是一个昂贵的谬误。“这导致无数失败的案例，其中AI解决方案未被使用，与实际工作流程不符，或遭到质疑。”“AI必须无缝融入工作流程，与员工的职责相一致，并得到明确治理的支持。如果没有得到认可，AI就有可能被低效利用或直接被拒绝，从而使投资无效。”
Pallath说，要从一开始就吸引员工参与，让他们参与到AI的开发中，并促进透明度。“共同创建治理框架，确保AI与业务现实保持一致，使团队能够信任、改进并最大限度地发挥AI的潜力。”“关键是与员工一起构建AI，而不是不顾他们。”
忽视培训和教育
AI的声誉不佳，员工担心自己的工作会被机器取代。领导层有责任确保人们了解他们的企业如何使用AI工具和数据。
专业服务和解决方案公司Genpact的AI/ML全球负责人Sreekanth Menon表示，如果没有一支接受AI的员工队伍，“实现真正的业务影响将具有挑战性”。“这就要求领导层优先考虑数字优先的文化，并积极支持员工度过转型期。”
Menon说，为了减轻员工对AI的担忧，领导者应该提供跨部门的全面AI培训。“通过教育员工了解AI如何改进他们的工作，而不仅仅是让工作更快，企业可以培养一种对AI的好奇和接受文化，这对成功至关重要。”
技术研究和开发公司MITRE的工程与原型开发副总裁Douglas Robbins表示：“并非所有接触AI的员工都适合接受同一种类型的培训。”“例如，亲身参与的开发人员将需要对AI有不同于采购人员的理解水平。”
根据在线学习平台Pluralsight最近的一项调查，95%的IT领导者认为，如果没有能够有效使用AI工具的员工，AI项目就会失败。只不过只有40%的IT领导者表示，他们的企业为员工提供了正式的AI培训。
低估切实可行的AI路线图的重要性
Robbins说，每个企业走向AI成熟的道路都会略有不同。“制定一个AI路线图，记录与任务相一致的价值主张，以及何时、由谁以及如何开发、测试、部署和维持能力。”虽然他是在评论联邦政府机构，但这一建议也适用于任何企业。
Robbins说，达到实现目标所需的AI成熟度将是一个多步骤的过程。“关注哪些可行以及还存在哪些障碍，对于指导未来的工作以及确定在哪里投入资源来解决可能存在长期滞后的问题(如政策或招聘)至关重要。”
Robbins说，AI成熟度路线图应包括的广泛类别有：战略和资源;企业和劳动力;技术推动者;数据管理;合乎道德、公平和负责任的使用;以及性能和应用。
轻视数据管理
高质量数据对AI的成功至关重要。“没有坚实的数据基础，AI的采用几乎是不可能的，”Genpact的Menon说。Genpact和HFS Research对550名高级管理人员进行的一项最新调查显示，42%的人认为数据质量或战略缺乏是采用AI的最大障碍。Menon说，数据卫生状况不佳会破坏AI的成功。
“构建一个集中式数据平台，以企业和管理来自多个来源的数据，”Menon说。“这确保了高质量、精心策划的数据，以成功驱动AI模型。”
Clearwater Analytics金融软件公司的首席产品和技术官Souvik Das补充道：“质量低劣和不准确的数据不仅威胁到决策;还可能导致监管失误。”
企业需要为数据管理建立治理框架。“临时数据管理已经过时，结构化框架正在兴起，它为角色、责任和流程(如确保数据得到彻底清理，访问受到控制和合规)提供了清晰性和一致性，”Das说。
数据治理既复杂又至关重要，其中有很多陷阱需要避免。
认为AI是“设置好就忘记”的解决方案
AI不是一次性部署。“它是一个需要不断监控、调整和优化的活系统，”Searce的Pallath说。“然而，许多企业将AI视为即插即用的工具，结果却发现它变得过时了。如果没有专门的团队来维护和改进模型，AI很快就会失去相关性、准确性和业务影响力。”
市场变迁、客户行为演变以及监管变化都可能使曾经强大的AI工具变成一种负担，Pallath表示。如果不加以控制，AI可能会产生过时甚至有害的结果，从而侵蚀信任、收入和竞争优势，他说。
“建立专门团队来监测AI性能、自动化更新以及不断精炼模型，”Pallath说。“将AI视为一个动态系统——一个依赖迭代、学习和主动治理来持续提供价值的系统。成功不仅关乎部署——还关乎对卓越的长期承诺。”
忽视负责任的AI框架
Pallath表示，AI实施中最危险的疏忽之一就是没有建立强大的道德框架。“如果没有明确的负责任AI使用指南，企业就有可能部署带有偏见的算法、错误处理敏感数据，或追求可能引发监管处罚和声誉损害的问题用例，”他说。
Pallath表示，强大的道德框架不是束缚，而是推动AI计划与企业价值和利益相关者信任相一致的助力。“从一开始就建立全面的负责任AI框架，”他说。“在每一项AI计划中优先考虑道德、合规和透明度。负责任的AI不仅仅是减轻风险——它还能建立信任、提高信誉和业务韧性，成为一种竞争优势。”
忽视风险
AI部署与任何其他IT计划一样，都存在风险。其中一些涉及网络安全，其他则与数据完整性和隐私有关。
“缺乏标准化的道德AI考量，会给管理AI可能带来的潜在风险(如有偏见的算法和安全漏洞)带来挑战，”Menon说。“这些问题造成的后果可能很严重，导致声誉受损和法律责任。”
企业需要采取措施保护AI数据，确保数据隐私和完整性。
“根据负责任AI的原则以及企业的信仰和战略，尽早建立保护机制，企业就能够缓解风险、赢得客户信任、从竞争对手中脱颖而出，并为长期创新铺平道路。”
过快地大规模部署AI
如果不在少数几个特定领域先测试AI的概念和应用，就在整个企业中大规模应用AI，可能会导致失败。
“采取分阶段的方法，”MITRE的Robbins说。“从更简单、低侵入性的应用开始，然后逐步发展到更复杂和潜在更具侵入性的应用。早期的AI应用可以协助完成数据分析、实时语言翻译和行政自动化等任务。”
Robbins表示，随着时间的推移，在建立了治理框架的前提下，可以采用更多先进用途，如识别以前无法检测到的模式。
未考虑现有流程
“随着AI执行的开始，至关重要的是，要同样重视重新思考工作完成方式的流程，”IT和专业服务公司埃森哲的首席AI官Lan Guan说。
“企业领导者对‘让事情发生’有更高的紧迫感，但如果忽视流程，就会损害长期扩大通用AI的努力。我们必须避免仅仅使用AI来放大已经出错的东西。”
随着决策导向的代理AI越来越多地进入企业，预计这个问题会加剧。
未建立可证明的投资回报率
不考虑购买的投资回报率，而大量购买AI解决方案，是毁掉AI战略的好方法。
“许多企业在没有将战略与明确的业务目标相结合的情况下急于实施AI，这使得很难衡量成功，”Menon说。“这种缺乏结合的情况会阻碍长期影响和资源优化。”
Menon说，领导层必须先确定AI的预期效益，确保战略支持长期增长。“AI耗电量大。不能只是向问题投入更多资源，然后寄希望于最好的结果。相反，领导者应该仔细研究每个AI驱动的工作流程的成本影响。”
低估衡量成果的重要性
Pallath表示，没有衡量的AI就是没有问责制的AI。“企业犯的一个基本错误是，在没有明确成功指标的情况下启动AI计划。”他说。“如果没有强大的衡量框架，就不可能验证AI系统是在提供真正的业务价值，还是在制造技术债务。”
无法量化影响会削弱当前业绩和未来投资，Pallath说。企业需要在部署前建立明确的指标。“同时跟踪技术性能和业务影响，”他说。“记住，只有衡量的东西才会得到改进，而且只有衡量了AI的成功，才能复制和扩展。”
还没有评论，来说两句吧...