Die Misserfolgsquote bei KI-Projekten liegt bei über 80 % – die Studie nennt eine schlechte Problemerkennung und einen Fokus auf die neuesten Technologietrends unter den Hauptproblemen

Jeder und seine Tante scheinen auf der Suche nach überhöhten Gewinnspannen und einem Marketing-Hype auf den KI-Zug aufzuspringen – schauen Sie sich nur AMDs jüngstes Ryzen-Rebranding als Paradebeispiel für diesen KI-Hype an. Eine kürzlich von RAND durchgeführte Studie hat ergeben, dass dieser KI-zentrierte Ansatz möglicherweise nicht das ist, was er behauptet: KI-Projekte scheitern offenbar doppelt so oft wie normale Softwareentwicklungsprojekte.

Während der Studie befragte RAND 65 Branchenexperten mit über fünf Jahren Erfahrung in der Entwicklung von KI- und maschinellen Lerntools für Privatunternehmen und Hochschulen und fasste ihre Antworten auf fünf Hauptgründe für das Scheitern von KI/ML-Projekten zusammen.

Der Studie zufolge war das Versagen Nummer eins eher ein Führungsversagen als ein technisches Versagen. Entweder verstanden die Führungskräfte nicht, welches Problem sie mit KI zu lösen versuchten, sie versäumten es, das Problem den Entwicklungsteams mitzuteilen, oder sie versuchten, KI auf ein Problem anzuwenden, für dessen Lösung sie schlecht gerüstet waren. Projektleiter waren so darauf konzentriert, die neuesten und besten KI-Fortschritte zur Lösung ihrer Probleme zu nutzen, dass sie einfachere, günstigere Lösungen ohne KI übersahen.

Wie ein Interviewpartner erklärte, waren seine Teams manchmal so angewiesen, KI-Techniken auf Datensätze mit einer Handvoll dominanter Merkmale oder Muster anzuwenden, die mit ein paar einfachen Wenn-Dann-Regeln schnell hätten erfasst werden können.

Die Ressourcenverfügbarkeit war ebenfalls ein wesentlicher Fehlerpunkt bei der Führung Es wird angegeben, dass sie nicht bereit oder nicht in der Lage sind, die erforderlichen Ressourcen bereitzustellen, um die erforderlichen Daten zu verarbeiten und KI-Systeme angemessen zu trainieren. Dies führt häufig dazu, dass ein Projekt zu wenig liefert oder ein Produkt unvollständig liefert – eine Folge der Unterschätzung, wie komplex es ist, ein KI-System zu erstellen und zu trainieren.

In ähnlicher Weise hatten viele Führungskräfte aufgrund der jüngsten Hype- und Marketing-Behauptungen unrealistische Erwartungen an KI, was problematisch wird, wenn Entwicklungsteams nicht in der Lage sind, das Versprechen innerhalb des von ihnen erwarteten Zeitrahmens zu liefern.

Einen detaillierteren Blick auf die Daten, Gründe für das Scheitern und die Empfehlungen der Forscher finden Sie im Forschungsbericht von RAND.

Das obige ist der detaillierte Inhalt vonDie Misserfolgsquote bei KI-Projekten liegt bei über 80 % – die Studie nennt eine schlechte Problemerkennung und einen Fokus auf die neuesten Technologietrends unter den Hauptproblemen. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!