Компании тратят миллиарды долларов на развитие искусственного интеллекта и машинного обучения, несмотря на медленный прогресс и множество неудач. Организация RAND решила выяснить причины такого высокого уровня провалов, составляющего 80%, и провела опрос среди 65 экспертов в области обработки данных и инженеров, имеющих не менее пяти лет опыта в создании моделей ИИ и ML в промышленности и науке.

  В ходе исследования были выявлены пять ключевых факторов, способствующих неудачам проектов в области искусственного интеллекта. Наиболее распространенной причиной оказалось отсутствие четкого понимания со стороны заинтересованных сторон, какую именно проблему следует решать с помощью ИИ и каких результатов можно добиться с помощью технологий. Разговоры о генеративном искусственном интеллекте заставляют некоторых руководителей полагать, что применение данной технологии сможет чудесным образом изменить компанию к лучшему. При этом они не осознают, как именно можно интегрировать технологию в свой бизнес, какие ресурсы потребуется для её внедрения и сколько времени займет этот процесс.

  Еще одной важной причиной отказа в проектах по искусственному интеллекту является нехватка у организаций качественных данных, необходимых для эффективного обучения рабочей модели. 

  "80% работы с искусственным интеллектом — это рутинная задача по обработке данных. Необходимо иметь компетентных специалистов для этой грязной работы, иначе ошибки могут негативно повлиять на работу алгоритмов", — отметил один из экспертов.

  Кроме того, существует проблема с тем, что специалисты по данным и инженеры часто сосредотачиваются на новейших технологиях AI, не задаваясь вопросом, решают ли они реальные проблемы пользователей. Также выявленными факторами стали отсутствие у организаций подходящей инфраструктуры для управления данными и внедрения готовых AI-моделей, а также использование искусственного интеллекта для решения задач, которые возникают в сложных IT-системах.