企業中人工智能項目的失敗引人深思。一個令人擔憂的數字浮現：95 % 的倡議從未能將熱情轉化為切實的成果。*為什麼這種持續的失望？* 原因不在於技術本身，而在於戰略方法上的錯誤。*隨著整合成為挑戰*，大多數解決方案仍停留在實驗階段。經濟實體必須重新思考整合人工智能的方式。
令人擔憂的失敗率
麻省理工學院最近的研究顯示，95 % 的企業生成式人工智能項目失敗。這一失敗率引發了對這些理論上被廣泛讚賞的高級技術的實施和管理方法的重大關注。只有 5 % 的倡議成功地在商業運營中得到功能性的整合。
不適合的工具
大多數測試過的解決方案缺乏基本功能，如記憶和自適應能力。研究指出它們不保留上下文，這導致重複錯誤和停滯不前的學習。這些缺陷使解決方案迅速過時，並且導致其在專業環境中被放棄。
工作流整合的問題
人工智能項目的成功在很大程度上依賴於它們與現有工作環境的和諧整合。通常，試點項目未能完全融入流程。團隊提到工作流碎片化和界面被認為不靈活，從而妨礙了人工智能工具的普遍採用。
與個人應用的劣勢比較
員工在個人環境中使用像 ChatGPT 這樣的工具，享有更大的靈活性和更友好的界面。這與官方的企業解決方案之間的不利比較，促使很大一部分員工拒絕其公司提供的工具。研究指出，這種現實的一部分可以被利用來更好地根據用戶需求調整解決方案。
組織和人力的障礙
團隊的採納障礙在人工智能項目失敗中扮演了重要角色。缺乏高層贊助、對變革的抵制和被認為不可靠的結果形成了對人工智能技術的不信任氛圍。成功的企業從一開始就整合團隊，並將其供應商視為戰略轉型夥伴。
投資偏見
專用於人工智能的預算往往集中於那些容易衡量的項目，特別是在市場推廣和銷售領域。這一策略忽視了在財務或客戶服務等不太明顯職能中取得重大影響的潛力。重新平衡投資優先級可能會導致長期可觀的收益。
內部開發或外部合作的選擇
選擇內部解決方案開發的企業失敗的概率是與專家外部合作的企業的兩倍。與專門供應商建立夥伴關係可以確保工具的個性化和持續發展。這些合作在人工智能項目的實際部署中顯示出更高的效率。
近未來需要迎接的挑戰
“GenAI Divide”可以被縮小，但時間緊迫。接下來的步驟需要更深思熟慮和分析的方式。企業必須重新思考其採納和實施方法，以避免成為市場的邊緣化參與者。
有關企業人工智能項目失敗的常見問題解答
為什麼 95 % 的人工智能項目在企業中失敗？
大多數項目失敗的原因是操作性因素，如缺乏與現有工作流的整合及工具選擇上的不當方法。
成功採用人工智能的主要障礙是什麼？
障礙包括缺乏高層支持、變革抵制，以及用戶認為不可靠的工具，這使得人工智能解決方案的整合變得困難。
經常失敗的生成式人工智能工具具備哪些特徵？
失敗的工具通常缺乏記憶和自適應能力，並未能保留用戶的反饋，這限制了其效率和採用。
企業如何改善人工智能項目在其流程中的整合？
企業應專注於那些易於與現有系統整合、需求少量配置並能迅速展現價值的解決方案。
為什麼人工智能項目應專注於特定用例？
針對特定用例有助於企業快速證明人工智能解決方案的附加價值，從而促進團隊的採用。
預算在企業人工智能項目失敗中扮演什麼角色？
預算通常集中於可見的項目，如市場推廣，而對後台服務的投資可能產生更好的投資回報，卻不那麼明顯。
企業應該開發自己的人工智能解決方案還是選擇第三方解決方案？
開發自己解決方案的企業失敗的可能性是選擇與外部供應商合作以獲得定制解決方案的企業的兩倍。
企業如何克服內部對人工智能採納的抵制？
在項目初期就讓團隊參與，將人工智能供應商視為轉型夥伴，並提供持續的支持，有助於克服這些抵制。
為了保證人工智能項目回報正增長，可以採取哪些措施？
將投資優先級重新平衡至影響力強的職能、持續整合用戶反饋以及選擇可測量範圍的項目是至關重要的。
什麼是“GenAI Divide”，它如何影響人工智能項目？
“GenAI Divide”是指生成式人工智能技術的廣泛採用與企業內部實際轉型的低下之間的鴻溝，突顯了在人工智能整合過程中戰略方法的重要性。
