AI プロジェクトの失敗率は 80% を超える — 研究では、問題認識が不十分であり、主要な問題の中で最新の技術トレンドに重点が置かれていることが挙げられています。

誰もが、そしてその叔母は、利益率の高騰とマーケティング上の誇大宣伝を求めて AI 列車に飛び乗っているようです。この AI 誇大広告の典型的な例として、AMD の最近の Ryzen ブランド変更を見てください。 RAND が実施した最近の調査では、この AI 中心のアプローチがすべてではない可能性があり、AI プロジェクトは通常のソフトウェア開発プロジェクトの 2 倍の頻度で失敗しているようです。

調査中に、RAND は民間団体や学術界向けに AI および機械学習ツールを開発した 5 年以上の経験を持つ 65 人の業界専門家にインタビューし、彼らの回答を AI/ML プロジェクト失敗の 5 つの主な理由に絞り込みました。

調査によると、一番の失敗は技術的な失敗ではなく、リーダーシップの失敗でした。経営陣は、AI で解決しようとしている問題が何であるかを理解できなかったか、その問題を開発チームに伝えられなかったか、解決する能力が不十分な問題に AI を適用しようとしたかのいずれかでした。プロジェクト リーダーは、最新かつ最高の AI の進歩を利用して問題を解決することに集中していたので、AI を使用しない、よりシンプルで安価なソリューションを見落としていました。

あるインタビュー対象者が説明したように、彼のチームは時々次のような状態になっていました。いくつかの単純な if-then ルールですぐに把握できたであろう少数の主要な特性やパターンを持つデータセットに AI 技術を適用するよう指示されました。

リソースの可用性も重大な障害点であり、リーダーシップを発揮しました。必要なデータを処理し、AI システムを適切にトレーニングするために必要なリソースを割り当てることに消極的であるか、割り当てられないことが挙げられます。これにより、プロジェクトの納品が不十分になったり、不完全な製品が納品されたりすることがよくあります。これは、AI システムの作成とトレーニングがどれほど複雑かを過小評価した結果です。

同様に、多くのリーダーは、最近の誇大宣伝やマーケティング上の主張の結果、AI に対して非現実的な期待を抱いていましたが、開発チームが期待された期間内に約束されたものを提供できない場合、問題が発生します。

データ、失敗の理由、研究者の推奨事項の詳細については、RAND の研究レポートをご覧ください。

以上がAI プロジェクトの失敗率は 80% を超える — 研究では、問題認識が不十分であり、主要な問題の中で最新の技術トレンドに重点が置かれていることが挙げられています。の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。