人工智慧需要吸取數位轉型容易失敗的教訓

今年1月，IBM發布了一份詳盡的研究報告，解釋了數位轉型只能提供-5%到10%的投資報酬率，而非預期的150%。這種差距與過去幾十年在客戶端/伺服器實施、作業系統遷移、大數據應用和技術實現方面累積的經驗有關。

並非所有技術實作都未達成目標，但大多數實作卻未成功。主要問題在於技術尚不成熟，技術提供者和部署公司往往透過推銷來吸引買方，但卻缺乏後續跟進，以確保所承諾的價值得以實現。

同樣的事情也可能發生在人工智慧上。

當客戶端/伺服器趨勢興起時，技術尚未做好準備，導致IBM陷入困境，市場急於轉變至尚未成熟的領域。

銷售通常能夠超越產品本身，這是因為銷售往往強調的是產品的附加價值和服務。在人工智慧等新技術興起的時代，許多公司都希望能夠在這一領域獲得一席之地。然而，除了像IBM和英偉達這樣在人工智慧領域研究了幾十年的公司之外，沒有其他公司（包括谷歌在內）宣布已經準備好全面進軍人工智慧領域。

IBM之所以如此興奮是因為它擁有watsonx，這是市場上最成熟的人工智慧解決方案之一。在企業級生成式人工智慧領域，IBM是最成熟的，而其他公司則依賴少量或根本沒有基礎的銷售和行銷承諾生存。

購買者在銷售領先於技術的情況下可能會受到損失。數據表明，許多人未能做好盡職調查，因此導致了這種情況。

解決方法:做好功課，遵循流程

在這種情況下，一個成功的策略是採用「試驗先行」方法。在確保供應商提供的解決方案成熟和完整後，透過試點計畫驗證其可行性。即使產品成熟，也需根據實際情況逐步部署，以避免可能的大規模失敗。試點計畫的失敗是可以接受和糾正的，有助於在生產階段做出更明智的決策。

在試點之前，確保供應商的收益和投資回報率要求是可實現的，並且可以向​​已成功部署技術的公司尋求參考。詢問供應商是否內部部署過該技術，並與使用該技術的公司的IT人員溝通，以獲得真實回饋。

與其他正在嘗試相同任務的人一起研究並獲得最佳實踐，要意識到並非每種解決方案都適用於每個公司甚至每個部門。

混合多雲是在正常運作時間、成本、可用性和可靠性之間提供最佳平衡的實踐。需要一個理解這個概念的供應商，與你信任的雲端運算供應商有著深厚的關係，並且已經獲得了足夠的經驗，所以它不應該是在服務你的過程中學習的。

特別是對於人工智慧數據，品質是至關重要的，你需要很多幫助來確保它。不想要一個有偏見或產生幻覺的AI，就像你不想要一個總是提供不準確答案的分析一樣。

這些新的人工智慧功能預計將是多模式的，包括自然語言、圖像、音頻、視頻，甚至是關鍵的時間元素。人工智慧的使用往往傾向於針對其中一種資料類型進行最佳化，而在其他資料類型上表現不佳，所以你需要了解其中的差異，並讓供應商知道在它不具備能力的領域，另一家供應商可能是更好的選擇。

最後，你需要度量標準和里程碑方面的幫助，這樣，如果供應商的性能不佳，你就可以及早確定問題所在，要么更換供應商，要么更換團隊。如果與你合作的供應商無法幫助你為專案設定度量標準和目標，那麼你就找錯供應商了。

從20世紀80年代的客戶端/伺服器到今天的人工智慧，我們在最近的大型技術中經常遇到的問題是，銷售遠遠超過產品和支援結構。其結果是部署不能滿足目標和期望。在許多情況下，更明智的做法是等到合適的合作夥伴、合適的團隊和合適的解決方案出現後，再行動。

#

以上是人工智慧需要吸取數位轉型容易失敗的教訓的詳細內容。更多資訊請關注PHP中文網其他相關文章！