企業AI專案失敗率恐攀升至八成 領導力及數據質量成關鍵

商傳媒｜記者許方達／綜合報導

AI熱潮席捲全球，正當各行各業都對AI應用充滿期待之際，全球政策智庫蘭德公司(RAND Corporation)最新研究卻顯示，儘管多數企業對AI技術的投資正快速增長，預計高達80%的AI專案將以失敗告終，這樣的比例是非AI資訊科技專案失敗率的兩倍。

蘭德公司與在AI領域工作的65名科學家和工程師進行交談，歸納出「企業領導人對AI能力的誤解及專案目標的溝通不佳」，是AI專案失敗的主要原因之一。報告指出，許多高層管理者對AI的潛力抱有過高期望，這些期望往往受到令人驚艷的展示和銷售話術所影響，同時低估成功實施AI所需的時間和資源。此外，商業領導人與技術團隊之間的嚴重脫節，也會導致專案目標錯誤定位；加上組織往往缺乏耐心，難以持之以恆地推動AI專案，最終可能導致計畫胎死腹中。

至於「數據質量不佳」是AI專案的第二大障礙，目前許多組織缺乏足夠且正確的數據來訓練有效的AI模型；舊有數據集通常為了符合法規或是為了紀錄目的而收集，可能不適合AI訓練。加上數據工程師嚴重短缺，AI團隊內部缺乏領域專業知識，都導致對數據的誤解和模型設計的錯誤。

AI專案的第三大障礙則是所謂的「技術迷戀」，由於工程師對追求「新奇技術」的傾向，常導致不必要的複雜性和資源浪費，許多數據科學家和工程師，容易被最新的技術進展所吸引，即便簡單的解決方案已足夠運用。組織本身需在創新與實際操作間取得平衡，應專注在優先解決問題而非技術本身。

基礎設施投資也至關重要，對數據管理和模型部署系統的投資不足，都與AI專案成功與否有重大關聯。許多公司在進行AI專案時急於求成，卻忽略必要的基礎設施建設，導致原型擴展困難、數據品質不一致，對於維護已完成部署的模型造成諸多挑戰。

對於成就AI專案，蘭德公司提出以下建議：

一、確保技術人員了解專案目的及業務背景。

二、選擇具有持久性的問題，並承諾至少解決一年。

三、專注於問題本身，而非技術，選擇適合的工具來解決問題。

四、投資於支持數據治理和模型部署的基礎設施。

五、理解AI的局限性，並保持現實的期望。

報告並強調，AI實施中的主要挑戰往往不是技術上的，而是在於人性的考驗。成功的AI應用需要在創新與實際操作之間取得平衡，在技術卓越與商業敏銳度之間找到交集。能夠駕馭這些人性挑戰的組織，將在AI產業成熟時發揮其絕佳潛力。