Несмотря на медленный прогресс и множество неудач, многие компании тратят миллиарды долларов на развитие искусственного интеллекта (ИИ) и машинного обучения. Согласно аналитике, порядка 80% проектов заканчиваются провалом.
Американская некоммерческая исследовательская организация RAND решила выявить причины такого высокого уровня провалов. Был проведен опрос среди 65 экспертов в области обработки данных и инженеров, имеющих не менее пяти лет опыта в создании моделей ИИ и ML в промышленности и науке.
В ходе опроса были выявлены ключевые факторы, которые способствуют неудачам проектов в области искусственного интеллекта. Наиболее распространенной причиной оказалось отсутствие четкого понимания со стороны заинтересованных сторон, какую именно проблему следует решать с помощью ИИ и каких результатов можно добиться с помощью технологий. Некоторые руководители полагают, что применение генеративного искусственного интеллекта сможет чудесным образом изменить компанию к лучшему. При этом они не осознают, как именно можно интегрировать технологию в свой бизнес, какие ресурсы потребуется для ее внедрения и сколько времени займет этот процесс.
Немаловажной причиной является нехватка у организаций качественных данных, необходимых для эффективного обучения рабочей модели. «80% работы с искусственным интеллектом — это рутинная задача по обработке данных. Необходимо иметь компетентных специалистов для этой работы, иначе ошибки могут негативно повлиять на работу алгоритмов», — отметил один из экспертов RAND.
Кроме того, существует проблема с тем, что специалисты по данным и инженеры часто сосредотачиваются на новейших технологиях AI, не задаваясь вопросом, решают ли они реальные проблемы пользователей. Еще одной причиной стало отсутствие у организаций подходящей инфраструктуры для управления данными и внедрения готовых AI-моделей, а также использование ИИ для решения задач, которые возникают в сложных IT-системах.
