80 proc. dirbtinio intelekto projektų žlunga, o tai dvigubai viršija įprastus IT projektų žlugimo rodiklius

Įmonės investuoja milijardus dolerių į dirbtinį intelektą ir mašininį mokymąsi, nepaisant lėtos grąžos ir daugybės nesėkmių. Korporacija „RAND Corporation“ norėjo išsiaiškinti, kas lemia tokį aukštą 80 proc. nesėkmių lygį, todėl apklausė 65 duomenų mokslininkus ir inžinierius, turinčius bent penkerių metų patirtį kuriant dirbtinio intelekto ir (arba) matematinio mokymosi modelius pramonėje arba akademinėje srityje.

Tyrimo metu nustatytos penkios pagrindinės dirbtinio intelekto projektų nesėkmių priežastys. Pirmoji ir dažniausia iš jų buvo ta, kad pramonės suinteresuotosios šalys dažnai nesupranta arba neteisingai supranta, kokią problemą reikia išspręsti naudojant dirbtinį intelektą ir ką ši technologija gali pasiekti.

Dėl apie generatyvinį dirbtinį intelektą keliamo triukšmo kai kurie vadovai mano, kad jo naudojimas gali stebuklingai pakeisti įmonę į gerąją pusę. Jie nesupranta, kaip šią technologiją galima pritaikyti jų versle, kokių išteklių reikia jai įdiegti ir kiek laiko užtruks šis procesas.

Vienas iš apklaustųjų sakė: „Dažnai dėl kintančių prioritetų ir nerealių terminų modeliai pristatomi kaip 50 proc. to, kas galėjo būti“.

Kitas svarbus nesėkmės taškas dirbtinio intelekto projektuose yra tai, kad organizacijoms trūksta duomenų, reikalingų efektyviam dirbtinio intelekto modeliui tinkamai apmokyti. „80 proc. dirbtinio intelekto yra nešvarus duomenų inžinerijos darbas“, – sakė vienas iš apklaustųjų. „Jums reikia gerų žmonių, kurie dirbtų šį juodą darbą – kitaip jų klaidos užnuodys algoritmus.“

Taip pat kyla problema, kad duomenų tyrėjai ir inžinieriai daugiausia dėmesio skiria naujausios ir geriausios dirbtinio intelekto technologijos versijos naudojimui, užuot klausę, ar jos naudojimas padėtų išspręsti kokias nors realias problemas, su kuriomis susiduria naudotojai.

Kiti du nustatyti veiksniai – organizacijoms trūksta tinkamos infrastruktūros duomenims tvarkyti ir užbaigtiems DI modeliams diegti, o DI taikomas problemoms, kurias išspręsti jam per sunku.