ทําไม 70% ของโครงการ AI ล้มเหลว: การเข้าใจโครงการ AI ล้มเหลวอัตรา (และวิธีเป็น 30%)
ผม เคย เห็น เหตุ การณ์ นั้น เกิด ขึ้น หลาย สิบ ครั้ง. บริษัทหนึ่งลงทุนในหกตัวเลข ในเวทีการเรียนรู้ของเครื่อง นักวิทยาศาสตร์ข้อมูลสร้างโมเดล หน้าปัดดูเหลือเชื่อ งั้นก็ไม่มีอะไรเปลี่ยนแปลง โครงการจะตายบนเถาวัลย์
นั่น คือ ความ เป็น จริง อัน น่า กลัว เบื้อง หลังอัตราการล้มเหลวของโครงการ AI2523 ตามรายงานจาก พ.ศ.BCG70% ของความริเริ่มเอไอล้มเหลวในการส่งมอบมูลค่าธุรกิจใดๆ ที่วัดไม่ได้ ไม่ "มีค่า" ค่าศูนย์ เดอะGartner AI สํารวจจากปี 2021 พบว่ามีโครงการ AI เพียง 54% เท่านั้น ที่ได้ย้ายจากนักบินไปผลิต ที่เหลือก็หยุด และการศึกษา IDCเปิดเผยว่า 28% ของโครงการเอไอ ถูกละทิ้งก่อนดําเนินการ ด้วยเงินหลายพันล้านดอลลาร์ที่เสียไปทุกปี
ผม ทํา งาน ทั้ง สอง ด้าน ของ สถิติ ที่ ก่อ ความ หายนะ นั้น. ผม สร้าง AI ที่ ส่ง และ เอ ไอ ที่ ตก. ใน บทความ นี้ ผม จะ แสดง ให้ คุณ เห็น อย่าง ชัดเจน ว่า ทําไม 70% เหล่า นั้น จึง ล้ม เหลว และ อะไร คือ สิ่ง ที่ 30 เปอร์เซ็นต์ ที่ ประสบ ผล สําเร็จ ต่าง ออก ไป. ที่ สําคัญ กว่า นั้น ผม จะ ให้ โครง สร้าง ซึ่ง ช่วย ให้ องค์การ ต่าง ๆ ตัด ไม้อัตราการล้มเหลวของโครงการ AIจากค่าเฉลี่ยอุตสาหกรรมถึงต่ํากว่า 30% บ่อยครั้งที่ในน้อยกว่าสองส่วน
โครงการ AI จริง ล้ม เหลว
ขอ ให้ หมาย เลข ตรง ๆ. งานวิจัยต่าง ๆ ใช้คําจํากัดความต่าง ๆ ของ “ความอ่อนแอ" แต่ความเห็นใจนั้นน่ายกย่อง
- BBCG (2023):70% ของบริษัทไม่เห็น ROI จาก AI แม้หลังจากการลงทุนขนาดใหญ่
- Gartner (2021):มีต้นแบบ AI เพียง 54% ที่ทําให้มันผลิตได้ ที่เหลือไม่เคยออกจากแล็บ
- IDC (2022):28% ของความริเริ่ม AI ล้มเหลวอย่างสมบูรณ์ก่อนที่จะดําเนินการ; จากผู้ที่ดําเนินการ 45% ไม่ตรงกับความคาดหวัง
- MIT สโลน (2020):70% ของบริษัทรายงาน น้อยที่สุดหรือไม่มีผลกระทบจาก AI และช่องว่างระหว่างความทะเยอทะยานและการประหารชีวิต
- McKinsey (2023):เดอะสถานะ AIการสํารวจแสดงให้เห็นว่า การรับเลี้ยง AI ได้เพิ่มขึ้น และมีบริษัทแค่ 21% ที่บอกว่า AI ได้สร้างคุณค่าที่สําคัญ
เดอะอัตราการล้มเหลวของโครงการ AIครอบคลุม 60-170% ของแหล่งเหล่านี้ นั่นหมายความว่าทุก ๆ 3 โครงการ AI ที่คุณเริ่ม 2 โครงการจะเสียเวลาเปล่า เพื่อ จะ มอง ให้ ออก ว่า ถ้า บริษัท ที่ มี ขนาด กลาง ใช้ ปฏิภาณ 10 โครงการ ต่อ ปี โดย เฉลี่ย แล้ว แต่ ละ ปี มี ราคา 500,000 บาท ก็ จะ เผา เงิน ปี ละ 3.5 ล้าน ดอลลาร์ ใน โครงการ ที่ ส่ง ผล กระทบ ทาง ธุรกิจ ที่ ไม่ มี ใด เทียบ. นั่น เป็น ราคา ที่ น่า ตก ตะลึง สําหรับ การ ไม่ ลง มือ ทํา.
วิธี ที่ เรา นิยาม คํา “บริสุทธิ์ ”
ผมใช้การทดสอบง่ายๆ: โครงการเปลี่ยนแปลงวิธีการดําเนินธุรกิจหรือไม่? ถ้า รุ่น นั้น นั่ง อยู่ ใน สมุด สมุด จู ปี เตอร์ และ ไม่ เคย แตะ ต้อง ลูก ค้า, ผลิตภัณฑ์, หรือ โซ่ อุปโภค บริโภค มัน ก็ ล้ม เหลว. ถ้าโมเดลนี้มีชีวิต แต่ไม่มีใครเชื่อใจหรือใช้มัน มันล้มเหลว โครงการ AI คือ โครงการ ที่ เพิ่ม ราย ได้, ลด ราคา, หรือ ปรับ ปรุง ประสบการณ์ ของ ลูก ค้า ใน วิธี ที่ ปรากฏ ใน จํานวน ราย ได้ ของ คุณ. อะไรก็ตามที่สั้นกว่านั้น จะมีส่วนอัตราการล้มเหลวของโครงการ AI.
นั่น เป็น คํา นิยาม ที่ แท้ จริง — ไม่ ใช่ ความ ล้ม เหลว ทาง เทคนิค แต่ ความ ล้ม เหลว ของ องค์การ. แม้ แต่ แบบ จําลอง ที่ ถูก ต้อง แม่นยํา ก็ ไร้ ค่า หาก ธุรกิจ นั้น ไม่ รับ เอา.
เหตุ ผล ทั่ว ไป ที่ อยู่ เบื้อง หลัง โครงการ ไอ ซี ล้ม เหลว
ผม วิเคราะห์ โครงการ ต่าง ๆ ที่ ล้ม เหลว ตลอด หลาย สิบ บริษัท — ตั้ง แต่ บริษัท ขาย สินค้า ฟอร์จูน 500 แห่ง ไป จน ถึง บริษัท ตัด ไม้ ขนาด กลาง. รูปแบบเหมือนเดิมเสมอ นี่ คือ นัก ฆ่า คน ใหญ่ ที่ สุด ห้า คน ซึ่ง อธิบาย ราย ละเอียด มาก พอ ว่า คุณ จะ ยอม รับ องค์การ ของ ตัว เอง อย่าง น้อย หนึ่ง องค์การ.
1. ไม่มีปัญหาเรื่องธุรกิจ
โครงการ AI ส่วนใหญ่เริ่มต้นด้วย ชุดความคิดเทคโนโลยีเบื้องต้น ทีมเราตื่นเต้นกับ generative AI หรือการมองเห็นของคอมพิวเตอร์ และถามว่า "เราจะทําอะไรกับมันได้บ้าง?" แทน ที่ จะ ถาม ว่า “ปัญหา การ ดําเนิน งาน ที่ แพง ที่ สุด ของ เรา คือ อะไร?McKinsey การศึกษาพบว่าบริษัทที่เชื่อมโยง AI กับผลลัพธ์ของธุรกิจโดยเฉพาะ มีความเป็นไปได้มากกว่า 1.7 เท่า ผม เคย เห็น การ โต้ กลับ ของ ความ เจ็บ ปวด. บริษัทสินค้าผู้บริโภค ใช้อาคารราคา $800,000 สร้างอุปสงค์อุปสงค์อุปราคาที่ไม่เคยใช้เลย เพราะทีมห่วงโซ่อุปทานมีกฏที่ง่ายกว่า นางแบบเป็นคนตอบคําถาม ที่ไม่มีใครถาม
เมื่อ คุณ ไม่ นิยาม ความ สําเร็จ ใน แง่ ธุรกิจ คุณ ก็ จะ รู้สึก ขนลุก. โปรเจกต์พยายามแก้ปัญหาสามข้อ ในเวลาเดียวกัน หรือไล่ตามมุมที่คลุมเครือ "วิวของลูกค้าสามแสนองศา" ผล ก็ คือ ตัว อย่าง ที่ ซับ ซ้อน เกิน กว่า จะ ทํา งาน ได้. เดอะอัตราการล้มเหลวของโครงการ AIแสดงเมื่อประโยคโจทย์เริ่มต้นคลุมเครือ 2024 ตามการสํารวจโดย O.Relly, เพียง 38% ขององค์กรกล่าวว่า พวกเขามีประโยคปัญหาที่นิยามไว้อย่างดี ก่อนที่จะเริ่มทํางาน AI ที่เหลือเป็นแค่การทดลอง
ตัวอย่างที่แท้จริง:ธนาคารยุโรปต้องการ "พิสูจน์การหมั้นลูกค้ากับเอไอ" หก เดือน ต่อ มา โครงการ นี้ ก็ สิ้น สุด ลง เพราะ การ ตลาด ต้องการ ให้ มี การ ทํานาย, การ ดําเนิน การ ต้องการ ให้ มี การ ตรวจ พบ การ ฉ้อ โกง, และ การ ปฏิบัติ ตาม คํา สั่ง ของ ค.ศ. ทุกคนดึงไปคนละทิศกัน เป้า หมาย ที่ รวม จุด อยู่ ที่ การ ใช้ บัตร เครดิต — คือ ลด การ ใช้ บัตร เครดิต 8% — คง จะ ช่วย รักษา โครงการ นั้น ไว้.
2. ข้อมูลไม่ดี
โมเดล AI ต้องการข้อมูลที่สะอาด ป้ายสี ข้อมูลที่เกี่ยวข้อง บริษัทส่วนใหญ่มีข้อมูลที่กระจัดกระจายอยู่ในระบบมรดก 10 ระบบ แต่ละระบบมีคําจํากัดความของตัวเองว่า "ผู้ติดตาม" หรือ "ปฏิบัติการ" เดอะรายงาน IDCบอกว่าคุณภาพข้อมูลไม่ดี เป็นอุปสรรคที่ใหญ่เป็นอันดับสอง ของ AI การรับเลี้ยงทั่วโลก ผม แย้ง ว่า มัน ใหญ่ ที่ สุด. ขยะใน, ขยะออกไม่ได้เป็นเพียงคําโบราณ; มันเป็นเหตุผลทางเทคนิคจํานวนหนึ่งอัตราการล้มเหลวของโครงการ AIอยู่สูงอย่างดื้อรั้น
โครงการ AI ทั่ว ไป ใช้ เวลา 80% ใน การ เตรียม ข้อมูล — แต่ หลาย ทีม ลัด ขั้น ตอน นี้. พวกเขาคิดว่าข้อมูลนั้นดี มันไม่เคยมี ผมเคยทํางานกับผู้จัดหาบริการสุขภาพ ซึ่งโมเดลทํานายล่วงหน้าของคนไข้ มีค่าหาย 40% ในสาขาวิกฤติ ทีมวิทยาศาสตร์ข้อมูลให้ค่าพวกมันด้วยค่ามัธยฐาน และโมเดลได้ค่าถูกต้อง 8% ในการทดสอบ แต่ ใน การ ผลิต การ คาด การณ์ เหล่า นั้น ไม่ ใช่ เรื่อง ผิด ปกติ เพราะ ค่า นิยม ที่ ขาด ไป ไม่ ใช่ อย่าง สุ่ม — พวก เขา ขาด ไป สําหรับ ผู้ ป่วย ซึ่ง มี อาการ แทรก ซ้อน เฉพาะ อย่าง ที่ ไม่ ได้ มี การ บันทึก ไว้. โปรเจกต์ถูกรื้อถอน หลังจากทะเลาะกัน 3 เดือน
“ ข้อมูล ที่ ไม่ ดี ” ดู เหมือน:
- บันทึกหมด:30% ของสถิติการขายขาดสนามแบ่งส่วนลูกค้า
- ป้ายที่ไม่สอดคล้องกัน:"CA" และ "คาลิฟอร์เนีย" ใช้แทนในสาขาที่อยู่
- เลเยอร์ถัดไปลูกค้าคนเดียวกันปรากฏ 4 ครั้ง โดยมีบัตรประจําตัวต่างกัน
- ระยะห่าง:การปรับปรุงข้อมูลรายสัปดาห์ แต่การตัดสินใจตามเวลาจําเป็น
- ข้อมูลการละลาย:ข้อมูลการปฏิสัมพันธ์ของลูกค้า อยู่ใน CRM ข้อมูลการทําธุรกรรมใน ERP และสนับสนุนตั๋วในเครื่องช่วยเหลือแยก
ถ้า ข้อมูล ของ คุณ ไม่ เป็น อัน หนึ่ง อัน เดียว กัน, ไม่ ซับ ซ้อน, และ มี การ ตรวจ สอบ ข้อ ความ AI ของ คุณ ก็ จะ ดู เหมือน ว่า เป็น ไป ไม่ ได้. เดอะอัตราการล้มเหลวของโครงการ AIสําหรับ องค์กร ที่ ไม่ มี โครง สร้าง ด้าน การ จัด การ ข้อมูล ก็ มี การ สํารวจ แบบ นี้ เพิ่ม ขึ้น เกือบ สอง เท่า.
3. การขาดการจัดการการเปลี่ยนแปลง
คุณสร้างโมเดลที่ทํานายด้วยความถูกต้อง 95% ทีมขายไม่สนใจมัน ทําไม? เพราะ เหตุ ใด? นี่คือนักฆ่าผู้เงียบขรึมของปัญญาประดิษฐ์เอไอ เดอะอัตราการล้มเหลวของโครงการ AIเมื่อ ผู้ นํา ลืม ว่า เอไอ ไม่ มี อยู่ ใน เครื่อง ดูด ฝุ่น มัน ก็ เปลี่ยน วิธี ที่ ผู้ คน ทํา งาน.
แมคคินซีย์พบว่า 70% ของความล้มเหลวในการแปลงแบบดิจิตอลนั้น เนื่องมาจากวัฒนธรรมและการเปลี่ยนแปลงการจัดการ ไม่ใช่เทคโนโลยี ตัว อย่าง ของ เอ ไอ ที่ ทํา ให้ อัตโนมัติ เป็น ตัว ตัดสิน ใจ ของ ผู้ จัด การ อาวุโส ก่อน หน้า นี้ เป็น อันตราย ต่อ สถานภาพ ของ ผู้ จัด การ คน นั้น. ถ้า คุณ ไม่ พูด ถึง ความ กลัว ของ มนุษย์ โครงการ นั้น จะ ถูก ทําลาย — อย่าง แยบยล หรือ อย่าง เปิด เผย. ผมเห็นนี่ที่ห่วงโซ่ของปลีก ซึ่งโมเดลการเก็บสินค้าดีหรู ถูกม้วนออกด้วยพัดลมที่ดี อย่างไรก็ตามผู้จัดการร้านค้ายังคงสั่งซื้อหุ้นด้วยตนเอง เพราะพวกเขา "ย้ายตลาดท้องถิ่นของพวกเขาดีกว่า". มี การ เพิก เฉย ต่อ คํา แนะ นํา ของ ตัว อย่าง นี้ เป็น เวลา หก เดือน จน กระทั่ง บริษัท ได้ ผูก โบนัส เล็ก ๆ ของ ผู้ จัด การ เพื่อ รับ เป็น บุตร บุญธรรม. ภาย ใน หนึ่ง ใน สี่ ราคา ของ สิ่ง ของ ต่าง ๆ ลด ลง 14%.
ทําไมการเปลี่ยนแปลงการจัดการล้มเหลวสําหรับ AI:
- ไม่มีผู้สนับสนุนผู้บริหารนอก IT
- ไม่ เคย มี การ ปรึกษา กับ ผู้ ใช้ ปลาย ใน ระหว่าง การ ออก แบบ.
- การฝึกซ้อมประกอบด้วย การซ้อมแบบวีเนอร์ 1 ชั่วโมง ไม่ใช่ซ้อมแบบตัวต่อตัว
- ไม่มีกลไกป้อนกลับที่จะรายงานข้อผิดพลาดของโมเดล ดังนั้นความไว้วางใจถูกกัดเซาะ
- ปัญหา: ผู้ ใช้ ไม่ เข้าใจ ว่า ทําไม เจ้า หน้าที่ เอ ไอ จึง ตัดสิน ใจ อย่าง นั้น พวก เขา จึง ปฏิเสธ.
Aรายงานการ์ทเนอร์พบว่าองค์กรที่มีงบประมาณสําหรับการจัดการที่อุทิศตัว เพื่อโครงการ AI มีอัตราความสําเร็จเพิ่มขึ้น 45% แต่ มี ไม่ ถึง 20% ของ บริษัท ที่ จัด งบ ประมาณ สําหรับ บริษัท นั้น.
4. ความ คาด หวัง ที่ ไม่ ตรง กับ ความ เป็น จริง
AI ไม่ใช่เวทมนตร์ มัน ไม่ ใช่ กระสุน เงิน. และ แน่นอน มัน ไม่ ส่ง 10x ROI ใน เดือน ที่ หนึ่ง. ผู้ นํา ที่ ซื้อ เข้า ไป ใน วัฏจักร ไฮป์ — ซึ่ง เคย เห็น การ เปลี่ยน แปลง ขนาน ใหญ่ มาก เกิน ไป — มัก จะ คาด หมาย การ เปลี่ยน แปลง ขนาน ใหญ่ ทันที ทันใด. เมื่อความเป็นจริงเกิดขึ้นพวกเขาฆ่าโครงการก่อนที่จะมีโอกาสที่จะเป็นผู้ใหญ่ขยายอัตราการล้มเหลวของโครงการ AI.
เดอะบทความของ MIT สโลนโปรดสังเกตว่าบริษัทประเมินค่าต่ําไป ในสิ่งที่เอไอทําได้ในระยะสั้นๆ และประเมินค่างานระยะยาวต่ําไป ผมได้เห็นการเริ่มโครงการ Financy Techch ใช้เงิน $300,000 กับระบบตรวจสอบการทุจริตของ AI โดยคาดหวังว่ามันจะตัดค่าใช้จ่ายได้ถึง 50% ภายในปี ค.ศ. เมื่อ ค่า ใช้ จ่าย ลด ลง เหลือ แค่ 12% CFO ได้ ถอน เงิน อุดหนุน — แม้ ว่า เงิน เก็บ 12% ต่อ เดือน จะ มี มูลค่า แค่ 1.2 ล้าน ดอลลาร์ ต่อ ปี. ช่องว่างที่คาดหวังฆ่า โครงการที่ใช้งานได้สมบูรณ์แบบ
Gartner's Hype Cycyle for Association gency play place play place place place place place place place like like in frest and AI ที่ "ความคาดหวังที่ครอบงํา" ตามด้วย "ความผิดหวัง". โครงการ เอ ไอ หลาย โครงการ เสีย ชีวิต ใน ราง รถไฟ นั้น เพราะ ผู้ สนับสนุน ไม่ ได้ วาง แผน สําหรับ ความ โค้ง งอ ใน การ เรียน รู้. เดอะอัตราการล้มเหลวของโครงการ AIบ่อย ครั้ง ความ อด ทน ล้ม เหลว มาก เท่า กับ เทคโนโลยี.
5. ไม่มีการวัดเฟรมเวิร์ก
คุณ ไม่ สามารถ ปรับ ปรุง สิ่ง ที่ คุณ ไม่ ได้ วัด. แต่จํานวนมหาศาลของการปล่อย AI เกิดขึ้นโดยไม่ระบุข้อมูล เป้าหมายคือลดค่าใช้จ่ายลง 10% เพิ่มการแปลงด้วย 5%? เวลาสั้น 3 วันถึง 4 ชั่วโมง โดยไม่ต้องระบุเป้าหมายที่ใกล้เวลา ผลใด ๆ ที่สามารถปั่นเป็นชัยชนะ หรือโดยทั่วไปไม่มีใครสามารถพิสูจน์ AI อะไร ความ ไม่ แยแส นี้ ทํา ให้ เกิด ความ ไม่ แยแส ใน องค์การ และ โครงการ นั้น ก็ ค่อย ๆ ตาย ไป.
ผมเคยทบทวนโครงการหนึ่ง ที่อ้างว่า "พัฒนา 70% ในประสิทธิภาพ" เมื่อผมขุดลงไป "ความเหมาะสม" ถูกนิยามว่าเป็นจํานวนข้อมูล ที่แก้ไขได้ต่อวัน แต่ค่าใช้จ่ายโดยรวมไม่ได้ลดลง AI ได้ทํางานสับไม่ได้ลดลง นั่น เป็น ความ ล้ม เหลว แบบ คลาส สิก. เดอะอัตราการล้มเหลวของโครงการ AIลดลงอย่างมากเมื่อคุณกําหนดชุดการทํางานขนาดเล็กของ KPIs ขึ้นด้านหน้าผูกโดยตรงกับประโยคปัญหา
ตัวอย่าง KPI ที่ทํางาน:
- ลดเวลาสั่งซื้อเฉลี่ยลง 20% ใน 6 เดือน
- เพิ่มอัตราการแปลงจาก 4.2% เป็น 6.0% เมื่อจบ Q3
- พิมพ์คู่มือการประมวลผลใบแจ้งหนี้ ด้วยค่าใช้จ่าย 35% ของปี
- ปรับปรุงความแม่นยําในการพยากรณ์ (MAPE) จาก 22% ถึง 12% ภายใน 1 ไตรมาส
ถ้า ไม่ มี ตัว เลข เหล่า นี้ คุณ ก็ ตา บอด และ จะ เข้า ร่วม 70%.
วิธี ลด อัตรา การ ล้ม เหลว ของ โครงการ AI
ผม ได้ ช่วย องค์การ ตัด ขาดอัตราการล้มเหลวของโครงการ AIจาก 70% ถึงต่ํากว่า 30% วิธีนี้ไม่เซ็กซี่ เป็น ระเบียบ. วารสาร ฉบับ นี้ สร้าง ขึ้น บน พื้น ฐาน ของ การ กําหนด ล่วง หน้า ที่ ไร้ ความ ปรานี, สุข อนามัย ข้อมูล, การ ออก กําลัง กาย อย่าง รวด เร็ว, และ การ ออก กําลัง กาย ของ มนุษย์. นี่ คือ แบบ พิมพ์ เขียว ที่ แน่นอน.
ตาราง เทียบ เคียง: ล้มเหลว vs. ประสบความสําเร็จโครงการ AI
| ขนาด | โครงการล้มเหลว (70%) | สําเร็จโครงการ (30%) |
|---|---|---|
| ความชัดเจนของปัญหา | เป้า หมาย หลาย อย่าง | ปัญหาธุรกิจแบบซิงเกิล |
| พร้อมใช้ข้อมูล | ยังไม่มีการตรวจสอบข้อมูลก่อนพิมพ์ | 90%+ ความแม่นยําของข้อมูลและการระบุเสร็จสิ้น |
| ผู้ถือหุ้นซื้อเข้ามา | คําสั่งจัดการเท่านั้น | ทีมประสานงานที่เกี่ยวข้องตั้งแต่วันที่หนึ่ง |
| วัด RRI | ยังไม่มีการกําหนด KPI | 3-5 ที่ระบุ, ตัววัดเวลา |
| การแบ่งงาน | เปิดตัวบิ๊กแบง | ตัวแยก, กลิ้งแบบ MVP |
| เปลี่ยนการจัดการ | ไม่มีแผนฝึก | การ ฝึก อบรม ผู้ ใช้, การ ทดสอบ นัก บิน, และ วงจร การ ตอบ รับ |
เลือก ปัญหา หนึ่ง ที่ จะ แก้ ก่อน
เลิกพยายามต้มมหาสมุทรได้แล้ว ผมได้เห็นความริเริ่มของ AI 2 ล้านครั้งล้มเหลว เพราะพวกเขาพยายามที่จะ “เปลี่ยนแปลงการเดินทางของลูกค้าทั้งหมด" องค์กรที่เอาชนะอัตราการล้มเหลวของโครงการ AIเลือก หนึ่ง ขั้น ตอน เล็ก ๆ, เจ็บ ปวด, แพง และ โจมตี อย่าง ไม่ หยุด ยั้ง.
เริ่มจากร้านหาปัญหา นําเบาะแสธุรกิจ ผู้จัดการปฏิบัติการ และนักวิเคราะห์ข้อมูลมารวมกัน ลอง ถาม ตัว เอง ว่า “ถ้า คุณ สามารถ โบก ไม้ มนต์ และ แก้ไข ซ้ํา ๆ ได้ งาน ที่ ต้อง ใช้ เวลา นอน มาก ขนาด ไหน? แล้วจัดอันดับความคิดเหล่านั้นบนแกนสามแกน ผลกระทบที่อาจเกิดขึ้นของธุรกิจ ความสามารถของข้อมูล เลือกไอเดียที่ติดอันดับสูงสุด อย่าเลือกใครตามชื่อของเขา
กรณีที่ใช้อย่างมีขอบเขตสูง, กรณีที่ง่ายในการพิจารณา:
- ลูกค้ากวนการคาดการณ์ (สร้างการปั่นโดย 5% สามารถเพิ่มกําไร 25-85%)
- การ พยากรณ์ ล่วง หน้า เรื่อง ความ ต้องการ ทาง การ เงิน (เพิ่ม จํานวน หุ้น ขึ้น ถึง 30%).
- อัตโนมัติในการประมวลผลใบแจ้งหนี้ (ลดค่าข้อมูลด้วยตนเองด้วย 50%).
- การบํารุงรักษาก่อนกําหนด สําหรับคลาสเครื่องจักรเฉพาะ
- การจัดอันดับผลิตภัณฑ์แบบไม่ตายตัว
Aการวิเคราะห์ BCGพบว่าบริษัทพุ่งเป้าไปที่กรณีที่ใช้ค่าสูงเดียว มีโอกาสมากกว่า 2.3 เท่า ที่จะเห็น ROI ในปีแรก โฟกัสนั้นยังทําให้การเตรียมการและการเปลี่ยนแปลง การจัดการง่ายขึ้น เพราะทุกคนรู้ว่าความสําเร็จเป็นอย่างไร
จง ทํา ความ สะอาด ข้อมูล ของ คุณ ก่อน ที่ คุณ จะ สัมผัส AI
ผมใช้เวลา 80% ในการเตรียมข้อมูล คุณก็ควรด้วย ถ้า คุณ ข้าม ขั้น ตอน นี้ ไป คุณ จะ สร้าง บ้าน บน ทราย. เดอะอัตราการล้มเหลวของโครงการ AIเกี่ยวข้องกับความยุ่งเหยิงของทรัพย์สินของคุณ
ก่อน ที่ การ ทํา แบบ จะ เริ่ม ต้น จง ตรวจ สอบ ข้อมูล อย่าง ละเอียด. ทําแผนที่แหล่งข้อมูลของคุณ ประเมินความสมบูรณ์ ความแม่นยํา และความสอดคล้องกัน ใช้เครื่องมือวิเคราะห์ข้อมูล หรือแม้กระทั่งสคริปต์ Python แบบธรรมดา ๆ เพื่อสรุปค่าที่หายไป, ค่าที่มากกว่า, และบันทึกซ้ํา งั้นแก้ปัญหาที่แหล่งกําเนิด ไม่ใช่ในท่อส่งน้ํามัน
รายการพร้อมข้อมูลที่ผมใช้กับลูกค้าทุกคน
- จัดกึ่งกลาง:ข้อมูล ที่ จําเป็น สําหรับ การ ใช้ กรณี นั้น มี อยู่ ใน สอง ระบบ ไหม? ถ้า ใช่ จง สร้าง แหล่ง แห่ง ความ จริง เพียง แหล่ง เดียว (คลัง ข้อมูล หรือ ทะเลสาบ ข้อมูล ที่ มี ราย ชื่อ). ถ้า ปราศจาก สิ่ง นี้ ข้อมูล ที่ คุณ ใส่ เข้า ไป จะ แตก ต่าง และ ไม่ น่า เชื่อ ถือ.
- แถบกํากับที่ถูกต้อง:สําหรับการเรียนรู้ของผู้ดูแล คุณภาพของป้ายคือ การสร้างหรือเลิกกัน ผม เคย เห็น พวก รุ่น ไม่ ประสบ ความ สําเร็จ เพราะ ป้าย “จุลภาค ” ถูก นิยาม อย่าง ไม่ เสมอ ต้น เสมอ ปลาย (ทีม หนึ่ง นับ ลูก ค้า ว่า เป็น ผู้ ปั่น จักรยาน หลัง จาก 60 วัน, อีก แห่ง หลัง จาก ปี 90). นิยามฉลากกับเจ้าของธุรกิจ ไม่ใช่วิศวกรข้อมูล
- ค่าที่ขาดไปอย่างชาญฉลาด:อย่า เพียง แค่ หย่อน แถว ลง หรือ เติม ความ หมาย ให้ เต็ม. เข้าใจทําไมข้อมูลหายไป เป็น การ สุ่ม หรือ เป็น การ บ่ง ชี้ ถึง ประเด็น ที่ เป็น ระบบ? ผมเคยทํางานกับบริษัทตัดไม้ ที่สถิติน้ําหนักหายไป 20% แต่ปรากฏว่าของเหล่านั้นมีมูลค่าสูง การปล่อยแถวเหล่านั้น จะทําให้แบบจําลองมีอคติ
- ความหนา:ข้อมูลประจําตัวลูกค้า,ผลิตภัณฑ์ SKUs และรูปแบบวันที่จะสอดคล้องกัน 5-10% สามารถปรับปรุงการทํางานจําลองได้
- ลําดับของข้อมูลเอกสาร:เมื่อเดือนต่อมาบางอย่างแตก คุณรู้ว่าข้อมูลมาจากไหน
เดอะการศึกษา IDCแสดงให้เห็นว่าองค์กรที่มีทีมวิศวกรรมข้อมูลทุ่มเทอัตราการล้มเหลวของโครงการ AI40% ในประสบการณ์ของผม บริษัทที่ลงทุนใน 4-6 สัปดาห์ ทําความสะอาดการวิ่งวิ่งเพื่อล้างข้อมูล ก่อนที่จะทําการจําลอง ดูอัตราการล้มเหลวอย่างน้อย 60%
สร้างโมเดลที่เล็กที่สุด
ความสมบูรณ์แบบคือศัตรูของปัญญาประดิษฐ์ อย่า ตั้ง เป้า ที่ จะ มี ความ เที่ยง ตรง 99 เปอร์เซ็นต์ ใน วัน เดียว. ตั้งเป้าสําหรับรุ่นที่ "ดีพอ" ที่คุณสามารถส่งได้ใน 4–6 สัปดาห์ หาเสียงตอบรับจากผู้ใช้ที่แท้จริง งั้นก็ลงมือซะ
โมเดล MVP ไม่จําเป็นที่จะต้องสร้างพลังงานจากระบบประสาท ผม เคย เห็น ต้น ไม้ ที่ ใช้ ไม้ ตัด ไม้ แก้ ปัญหา ได้ ดี กว่า ต้น ไม้ ที่ ถูก ตัด แล้ว เพราะ มัน อธิบาย และ ใช้ ง่าย กว่า. เป้าหมายคือทดสอบสมมุติฐานว่า ถ้าเราใช้โมเดลนี้ช่วยในการตัดสินใจ มันจะย้ายเข็มไหม ถ้าสมมติฐานพิสูจน์เป็นจริง คุณสามารถเพิ่มความซับซ้อนในภายหลัง
เส้นเวลา MVP ของโลกแห่งความจริง:
- สัปดาห์ที่ 1-2. การรวมข้อมูลและการระบุ (80% ของความพยายาม).
- สัปดาห์ ที่ 3: สร้าง แบบ จําลอง ง่าย ๆ (ความ ถดถอย ทาง เส้นตรง, ต้น ไม้ ใน การ ตัดสิน ใจ, หรือ XGBOEST).
- สัปดาห์ 4: ตัดโมเดลในโปรแกรม API พื้นฐาน แล้วเสียบมันลงในกรอบหน้าต่าง หรือเว็บง่ายๆ
- สัปดาห์ที่ 5-6: นักบินที่มีผู้ใช้ที่เป็นมิตร 3-5 คน, เก็บเสียงตอบรับ, วัดรุ่น KPIs
ผม เห็น ทีม งาน ใช้ เวลา หก เดือน เพื่อ ทํา ให้ แบบ ที่ ไม่ มี ใคร ต้องการ นั้น สมบูรณ์. ผู้ ป่วย เอ็ม วี พี คน หนึ่ง ทํา ให้ คุณ ล้ม เหลว — และ ถ้า มัน ล้ม เหลว คุณ อยาก รู้ ก่อน ที่ คุณ จะ ใช้ เงิน ไป สอง แสน ดอลลาร์. เดอะอัตราการล้มเหลวของโครงการ AIสูงสุดในหมู่ทีมที่ไม่เคยส่ง MVP; พวกเขาเพียงแค่ ticker ไม่สิ้นสุด
ลงทุนในการจัดการการเปลี่ยนแปลง
ข้อ แนะ ของ คุณ ไม่ มี ประโยชน์ ถ้า ผู้ ใช้ ไม่ ไว้ ใจ. นี่คือด้านของมนุษย์อัตราการล้มเหลวของโครงการ AIและ เป็น ที่ ที่ ทีม เทคนิค ส่วน ใหญ่ ล้ม เหลว. คุณต้องมีแผนที่จะเปลี่ยน จากนักบินมาเป็นบุตรบุญธรรมเต็มตัว
อย่าง น้อย ที่ สุด จง ทํา ดัง ต่อ ไป นี้:
- ชื่อแชมป์:Retribuit 2-3 ผู้ใช้ที่มีอิทธิพลจากฝ่ายธุรกิจที่จะทดสอบ MVP และส่งเสริมเครื่องมือ ให้พวกเขาเข้าถึงก่อน และฟังเสียงตอบรับของพวกเขา
- ออกแบบการไหลของงาน:อย่า บังคับ เครื่อง มือ ใหม่. ฝัง ผล งาน ของ เอ ไอ ไว้ ใน การ ตัดสิน ใจ ที่ มี อยู่. ตัว อย่าง เช่น แทน ที่ จะ แยก แผ่น หนัง ให้ ดู คะแนน ความ เสี่ยง ของ ตัว จําลอง ที่ ทํา ให้ เกิด การ ปั่น ป่วน โดย ตรง ใน CRM ถัด จาก ชื่อ ลูก ค้า.
- รถไฟเป็นกลุ่มย่อย:ดําเนินการ 30 นาที มือในการประชุมที่ผู้ใช้สามารถถามคําถามและดูตัวอย่างที่แท้จริง ของการคาดการณ์โมเดลกับผลลัพธ์จริง อธิบายทําไมตัว อย่าง นี้ ให้ คํา แนะ นํา บาง อย่าง ถึง แม้ เป็น คํา อธิบาย ง่าย ๆ ก็ ตาม.
- สร้างวนแสดงความคิดเห็น:บอกวิธีง่ายๆให้ผู้ใช้ ทําคดีที่ปัญญาประดิษฐ์ผิด สิ่งนี้ทําหน้าที่สองวัตถุประสงค์ มันช่วยปรับปรุงแบบจําลองเมื่อเวลาผ่านไป และทําให้ผู้ใช้รู้สึกว่าได้ยิน ความ ไว้ วางใจ เพิ่ม ขึ้น เรื่อย ๆ.
- แรงจูงใจของการรับเลี้ยงเด็กถ้า เป็น ไป ได้ ให้ ปรับ วิธี การ ดู แล ให้ เป็น ประโยชน์. ไม่ จําเป็น ต้อง พูด เหน็บ แนม อาจ เป็น ที่ ยอม รับ. ณ โรง งาน แห่ง หนึ่ง ที่ ผม ทํา งาน ด้วย ผู้ จัด การ โรง งาน ซึ่ง ได้ รับ การ รับ เป็น บุตร แบบ จําลอง 90 เปอร์เซ็นต์ ได้ รับ การ ร้อง ออก มา ใน การ ทบทวน รอบ เดือน — การ รับ เป็น บุตร บุญธรรม แพร่ อย่าง รวด เร็ว.
Aรายงานการ์ทเนอร์พบว่าองค์กรที่มีงบประมาณสําหรับการจัดการที่อุทิศตัว เพื่อโครงการ AI มีอัตราความสําเร็จเพิ่มขึ้น 45% นั่น ไม่ ใช่ เรื่อง บังเอิญ. เดอะอัตราการล้มเหลวของโครงการ AIคนเรามีปัญหาในการปลอมตัว
ตัว อย่าง ที่ แท้ จริง ของ โลก ที่ ประสบ ความ สําเร็จ
ผม เคย เห็น โครง สร้าง ข้าง บน เปลี่ยน โรง งาน ที่ ประสบ ความ ล้ม เหลว ให้ เป็น เรื่อง ราว ที่ ประสบ ความ สําเร็จ. นี่คืองานวิจัยสามกรณี ที่พิสูจน์ว่าคุณสามารถเอาชนะอัตราการล้มเหลวของโครงการ AI.
การ ศึกษา คดี ที่ 1: บริษัท ล็อก ติก บันทึก 12% ใน การ ขน ส่ง
- ปัญหา:ค่าขนส่งเกินเวลา ได้กินขอบ 15% สําหรับบริษัทตัดไม้ขนาดกลางขนาดสามส่วน
- ข้อมูล:พวก เขา มี บันทึก การ เดิน เรือ เป็น เวลา สาม ปี ใน หนังสือ ขาย ฟอร์ซ ซึ่ง รวม ถึง จุด เริ่ม ต้น, จุด หมาย ปลาย ทาง, น้ํา หนัก, เรือ บรรทุก สินค้า, และ ค่า ใช้ จ่าย ขั้น สุด ท้าย. ข้อมูลสมบูรณ์ 90% หลังจากทําความสะอาด 1 สัปดาห์
- รุ่น:การเพิ่มรุ่นเกรเดียน ทํานายการให้บริการที่ถูกที่สุดต่อเส้นทาง พิจารณาความต้องการระดับบริการ
- การ ว่าง งาน:ตัว อย่าง นี้ ถูก บรรจุ ไว้ ใน กระดาษ ที่ มี อยู่ แล้ว โดย ตรง. บุคลากรได้รับการฝึกในการประชุม 45 นาที
- ผลลัพธ์:ค่าใช้จ่ายลดลง 12% ใน 6 เดือน เอาคืนภายใน 4 เดือน โครงการนี้ประสบความสําเร็จเพราะมันแคบ เก็บข้อมูลพร้อม และเน้นผู้ใช้ เดอะอัตราการล้มเหลวของโครงการ AIสําหรับบริษัทนี้ตอนนี้เป็นศูนย์
การศึกษากรณี 2: E-commerce Recailer floss โดย 18%
- ปัญหา:นักค้าปลีกทางออนไลน์คนหนึ่ง ต้องการเพิ่มปริมาณสินค้าเฉลี่ย ผ่านการแนะนําส่วนบุคคล
- ข้อมูล:แคตตาล็อกโปรดักต์และคลิ๊กสตรีม ถูกรวบรวมไว้ในฐานข้อมูล 3 แห่ง พวกเขาใช้เวลา 3 เดือน สร้างตารางปฏิสัมพันธ์ของลูกค้ารวมกัน
- รุ่น:การกรองแบบซับซ้อน กับความคล้ายคลึงของสิ่งของ ต่อมาได้เพิ่มความคล้ายคลึงกับเครือข่ายประสาทเบา
- การ ว่าง งาน:วิดเจ็ตที่แนะนํานี้ จะแทนที่ "products ที่ถูกปรับปรุงใหม่" ในส่วนของผลิตภัณฑ์ A/B ทดสอบกับระบบบังคับเดิม
- ผลลัพธ์:อัตราการเปลี่ยนแปลงเพิ่มขึ้น 18% และค่าลําดับเฉลี่ยเพิ่มขึ้น 11% เดอะอัตราการล้มเหลวของโครงการ AIคง จะ ฆ่า โครงการ นี้ ถ้า พวก เขา ไม่ ได้ ทํา การ ประสาน ข้อมูล ก่อน. รุ่นเริ่มต้นที่สร้างขึ้นบนข้อมูลแยก มีอัตราคลิกผ่าน น้อยกว่ากลุ่มควบคุม
การ ศึกษา กรณี ที่ 3: ผู้ผลิต ลด เวลา ลง 22%
- ปัญหา:ผู้ ผลิต หีบ ห่อ ประสบ กับ ช่วง เวลา ที่ ลด ลง ใน สาย การ ผลิต หลัก เส้น หนึ่ง ซึ่ง ทํา ให้ ต้อง เสีย เงิน ถึง 50,000 ดอลลาร์ ต่อ ชั่วโมง.
- ข้อมูล:2 ปีของข้อมูลเซ็นเซอร์ (การหายใจ, อุณหภูมิ, การเจาะผ่าน) จากเครื่อง 50 เครื่อง รวมทั้งบันทึกการบํารุงรักษา
- รุ่น:นักจัดหมวดหมู่ป่าไม้ คาดการณ์การยุบตัวด้วยเวลา 48 ชั่วโมง แบบ จําลอง นี้ จงใจ ทํา ให้ ง่าย เพื่อ ให้ พนักงาน บํารุง รักษา เข้าใจ สัญญาณ บน.
- การ ว่าง งาน:มี การ ส่ง สัญญาณ เตือน ให้ ส่ง โทรศัพท์ ไป ยัง ผู้ ดู แล ผ่าน ทาง เอ็ม เอส และ เชื่อม ต่อ เข้า กับ ระบบ จัด การ พืช. คน งาน ได้ รับ การ ฝึก อบรม ใน เรื่อง วิธี แปล ความ หมาย และ การ เตือน ล่วง หน้า.
- ผลลัพธ์:2561 เวลาว่างลดลง 22% ในไตรมาสแรก ประหยัดเงิน 1.3 ล้านบาท หลัง จาก นั้น ทีม งาน ก็ เพิ่ม ชั้น ที่ อธิบาย ได้ เพื่อ สร้าง ความ ไว้ วางใจ. เดอะอัตราการล้มเหลวของโครงการ AIเพราะ การ ริเริ่ม นี้ เป็น ศูนย์ เพราะ พวก เขา เกี่ยว ข้อง กับ ผู้ รับ ใช้ ตั้ง แต่ วัน แรก.
การศึกษาเหล่านี้มีคุณลักษณะร่วมกัน: ปัญหาที่มีเลเซอร์พุ่งเป้า ข้อมูลที่สะอาด นั่น คือ หนังสือ เล่น.
บรรทัด ล่าง: อยู่ ใน 30 เปอร์เซ็นต์
เดอะอัตราการล้มเหลวของโครงการ AIมันไม่ใช่กฎของธรรมชาติ นั่น เป็น อาการ ของ การ วาง แผน ที่ ไม่ ดี, ข้อมูล ไม่ ดี, และ การ จัด การ ที่ อ่อนแอ. คุณเอาชนะมันได้ องค์การ ต่าง ๆ ใน 30 เปอร์เซ็นต์ ไม่ มี นัก วิทยาศาสตร์ ด้าน ข้อมูล ที่ ฉลาด กว่า — พวก เขา มี วินัย ที่ ดี กว่า. พวกเขาเลือกหนึ่งปัญหาทําความสะอาดข้อมูลของพวกเขา เรืออย่างรวดเร็วและนําคนของพวกเขาไปด้วย
นี่ คือ สิ่ง ที่ ผม อยาก ให้ คุณ ทํา ต่อ ไป คือ แผนการ ปฏิบัติ การ ห้า ขั้น ตอน ที่ คุณ จะ เริ่ม ได้ ใน วัน พรุ่ง นี้:
- ตรวจสอบข้อมูลของคุณใช้เวลา 1 สัปดาห์วิเคราะห์ แหล่งที่มาของข้อมูล สําหรับคดีที่ใช้ครั้งแรก ระบุ ค่า นิยม ที่ ขาด ไป, ค่า ซ้ํา กัน, และ ความ ไม่ เสมอ ต้น เสมอ ปลาย. ถ้า ข้อมูล ของ คุณ ยัง ไม่ เสร็จ จง ทํา แบบ ชักช้า จน กว่า จะ เสร็จ.
- เลือกหนึ่งปัญหาเขียนประโยคปัญหาเพียงเรื่องเดียว และ ROI ที่คาดหวังไว้ รับลงนามปิดทั้ง ผู้สนับสนุนธุรกิจและเจ้าของข้อมูล
- สร้าง MVPใช้แบบจําลองที่ง่ายที่สุดที่ใช้ได้ เรือ ใน 4 สัปดาห์ แม้ ว่า จะ ไม่ สมบูรณ์. วัดผลเริ่มต้นกับ KPI ที่คุณกําหนด
- ฝึกคนของนายทํางานในการประชุมมือรับผลตอบรับ และแต่งตั้งแชมป์ภายใน ที่อยู่หวาดกลัวอย่างเปิดเผย
- จงตวงและการชั่งตั้งวงจรทบทวน 30 วัน ถ้า MVP แสดงให้เห็นสัญญา ลงทุนในการปรับปรุงคุณภาพข้อมูล และโครงสร้างแบบจําลอง ถ้า ไม่ ฆ่า เร็ว และ เรียน รู้.
ถ้า คุณ ติด ตาม โครง สร้าง นั้น คุณ จะ ร่วม กับ 30% ที่ ประสบ ผล สําเร็จ. ผม รู้ เพราะ ผม ทํา ไป แล้ว. ผม ได้ ช่วย หลาย สิบ บริษัท — ตั้ง แต่ การ ดู แล สุขภาพ จน ถึง อุตสาหกรรม หนัก — ทํา ให้ บริษัท เหล่า นั้น เสีย หายอัตราการล้มเหลวของโครงการ AIและในที่สุดก็ดึงค่าจริงจากข้อมูล
ความ แตก ต่าง ระหว่าง 70% กับ 30% ไม่ ใช่ มายา การ. วิธี การ นี้.
FAQs เกี่ยวกับอัตราการล้มเหลวของโครงการ AI
อัตราการตกของโครงการเอไอคืออะไร
เดอะอัตราการล้มเหลวของโครงการ AIอ้างอิงถึงเปอร์เซ็นต์ของความคิดริเริ่มปัญญาประดิษฐ์ ที่ไม่ส่งมอบมูลค่าทางธุรกิจที่วัดได้ หรือล้มเหลวในการย้ายจากนักบินไปยังการผลิต BBCG(2023). 70% ของบริษัทไม่พบ ROI จาก AI.(Sourcess ที่อ้างถึง; Bootbarks ล้มเหลวอีกครั้ง การตรวจสอบเมื่อ 20 กันยายน 2026 — ยืนยันรุ่นปัจจุบันก่อนที่จะอ้างถึง)Gartner (2021) รายงานว่า มีเพียง 54% ของต้นแบบ AI ที่เข้าถึงการผลิต หมายถึงอัตราการล้มเหลวโดยนิยามดังกล่าวเป็น 46% IDC (2022) พบความล้มเหลว 28% ก่อนการใช้งานและมีประสิทธิภาพต่ํากว่า ความ เห็น พ้อง กัน คือ โครงการ AI 60-70% ล้ม เหลว ใน บาง วิธี ที่ มี ความ หมาย.
ทําไมโครงการ AI ถึง 70% ล้มเหลว?
สาเหตุห้าประการหลักคือ: ไม่มีปัญหาธุรกิจที่ชัดเจน (วิธีการเทคโนโลยีเบื้องต้น), ข้อมูลที่ไม่ดี (ไม่สมบูรณ์, ไม่สมบูรณ์, หรือป้ายสีผิดๆ), การขาดการจัดการการเปลี่ยนแปลง (ผู้ใช้มักไม่เคยรับ) ความคาดหวังที่สมจริง (ROI ชั่วคราว), และไม่มีกรอบวัด (ไม่มี KPI ที่จะพิสูจน์คุณค่า). ปัญหาทางวัฒนธรรมและข้อมูลทําให้เกิดความล้มเหลวมากที่สุด ไม่ใช่ความผิดปกติทางเทคนิค
ฉันจะลดอัตราการล้มเหลวของโครงการ AI ในบริษัทได้ยังไง
เริ่มเล็ก ๆ ด้วยกรณีใช้งานสูง ลงทุนในคุณภาพข้อมูลและการผนวกรวม ก่อนที่จะสร้างโมเดล สร้างโมเดลที่ใช้งานได้น้อยที่สุด และใช้ร่วมกับผลตอบรับของผู้ใช้ การ วาง งบ ประมาณ โดย ตรง สําหรับ การ จัด การ เรื่อง การ เปลี่ยน แปลง — การ ฝึก อบรม, การ สื่อ ความ, และ การ ทดสอบ ผู้ ใช้. กําหนด 3-5 โดยระบุ เวลา KPIs ที่เชื่อมเข้ากับผลลัพธ์ทางธุรกิจ ขั้นตอนเหล่านี้ได้แสดงให้เห็นว่าลดอัตราการล้มเหลว จาก 70% เหลือไม่ถึง 30% ในการทํางานลูกค้าของตัวเอง
อัตรา ความ สําเร็จ ของ การ ผลิต เอ ไอ คือ อะไร?
แกร์ต เนอ ร์ พบ ว่า มี เพียง 54% ของ โครงการ AI ที่ ย้าย จาก นัก บิน ไป ยัง การ ผลิต. ใน บรรดา สิ่ง ที่ นํา ไป ใช้ มี เพียง เศษ เสี้ยว หนึ่ง เท่า นั้น ที่ ส่ง RI ที่ มี ความ หมาย — อัตรา การ ประสบ ผล สําเร็จ 30 เปอร์เซ็นต์ ของ BCG เรียง ตาม จํานวน นั้น. ดังนั้นประมาณครึ่งหนึ่งไม่เคยออกจากห้องทดลอง และจากผู้ที่ทํา ประมาณครึ่งหนึ่งภายใต้การส่งมอบ
โปรเจกต์เอไอที่ล้มเหลว โดยเฉลี่ยเท่าไหร่?
ค่า ใช้ จ่าย มี หลาก หลาย. โปรเจกต์กลางเอไออาจจะราคา $300,000-800,000 รวมการเตรียมข้อมูล ซอฟต์แวร์ และความสามารถ การริเริ่มกิจการขนาดใหญ่ เข้าถึงเงิน 2-5 ล้านบาท ถ้าล้มเหลว 70% บริษัทที่ดําเนินโครงการ 5 โครงการต่อปี อาจเสียเงินไป 1.5-3 ล้านบาทต่อปี
อัตราการล้มเหลวของโครงการ AI สูงกว่าอุตสาหกรรมบางชนิดหรือเปล่า?
เดอะอัตราการล้มเหลวของโครงการ AIระดับสูงในอุตสาหกรรมที่มีข้อจํากัดการกํากับดูแลอย่างหนัก (การดูแลสุขภาพ, การเงิน) หรือการแยกองค์ประกอบของข้อมูล (การจัดจําหน่าย, ร้านค้าปลีก) เนื่องจากการจัดการข้อมูลและการจัดการการเปลี่ยนแปลงนั้นยากกว่า อย่างไรก็ตาม ตัวเลข 70% ก็สอดคล้องกัน บริษัทเทคโนโลยี มีแนวโน้มจะมี อัตราการล้มเหลวน้อยลงเล็กน้อย เนื่องจากพวกเขามักจะมี
generative AI มีอัตราการล้มเหลวที่แตกต่างกันหรือไม่
โครงการ AI ที่มีประสิทธิภาพนี้ยังเป็นโครงการใหม่ แต่ตัวบ่งชี้ในยุคแรกๆ แสดงให้เห็นว่าอัตราการล้มเหลวเพิ่มขึ้นอีก เนื่องจากความคาดหวังที่มากเกินไป ความเสี่ยงด้านจริยธรรม และความยากลําบากในการวัดโรคติดต่อที่เกินขอบเขตเนื้อหา 2024 การสํารวจโดย Deloitte ระบุว่ามีเพียง 22% ของบริษัทได้ย้าย GenAI จากนักบินไปยังการผลิต โดยระบุว่ามีอัตราการล้มเหลวร้อยละ 78 โดยวัดการผลิตของนักบิน พ.ศ.
จะ กู้ โครงการ AI ที่ ล้ม เหลว ได้ ไหม?
แน่นอน โครงการส่วนใหญ่ "ล้มเหลว" ล้มเหลวในองค์กร ไม่ใช่ในทางเทคนิค ผม ได้ ฟื้น โครงการ ที่ ตาย แล้ว ขึ้น มา ใหม่ โดย เริ่ม ต้น ด้วย คํา นิยาม ที่ ชัดเจน ของ ปัญหา, การ ทํา ความ สะอาด ข้อมูล, และ การ ตั้ง กระบวนการ จัด การ ที่ เหมาะ สม. ตัว อย่าง นี้ มัก จะ ยัง ใช้ ได้ อยู่ แต่ ก็ ต้อง มี สภาพ แวด ล้อม ที่ เหมาะ สม เพื่อ จะ เจริญ เติบโต.
พร้อมจะเอาชนะอัตรา เอไอ แล้วหรือยัง
เลิกเสียเวลากับ AI ที่ไม่เคยเรือ ที่DG10 Agencyเราช่วยบริษัทออกแบบ สร้าง และใช้ AI ที่ทํางานจริง ๆ ไม่ใช่ในห้องทดลอง แต่ในโลกแห่งความเป็นจริง
เรา ตัดอัตราการล้มเหลวของโครงการ AIสําหรับลูกค้าของเรา โดยโดยเฉลี่ย 40% เราเริ่มด้วยข้อมูลของคุณ เรานิยามเมตริกที่ชัดเจน เราสร้างโมเดลที่ทีมของคุณจะใช้ และเราจะอยู่กับคุณ ผ่านการรับเลี้ยงบุตรบุญธรรมจนกระทั่ง ROI ปรากฏในบัญชีรายได้ของคุณ
พูด กับ เรา ใน ทุก วัน นี้เกี่ยวกับเป้าหมายของคุณ ขอ ให้ คุณ ลด ลง เป็น 30%.
อ่านต่อไป
ถ้าไกด์นี้ช่วย อิเล็กตรอนเหล่านี้จะไปลึก ในระบบด้านหลังของมัน