В современных условиях искусственный интеллект (ИИ) стал одной из самых热点 тем в технологическом мире. Крупные компании, работающие как в области аппаратного обеспечения, так и в секторах программного обеспечения, конкурируют друг с другом, стремясь внедрить новейшие решения на базе ИИ, чтобы не оказаться в роли аутсайдеров. Однако, за этой гонкой и активным стремлением к инновациям в ряде случаев скрываются серьезные проблемы и неудачи. Исследование, проведенное RAND Corporation, выявило достаточно тревожные факты: 80% всех проектов, связанных с искусственным интеллектом, заканчиваются неудачей, что в два раза больше, чем в других сегментах ИТ.
В ходе исследования была проведена серия опросов среди 65 профессионалов, работающих в области данных и имеющих более 5 лет опыта в разработке моделей ИИ и машинного обучения в различных отраслях, включая как промышленные, так и академические сферы. На основе полученных ответов, были выделены пять ключевых причин, способствующих сбоям в проектах искусственного интеллекта. Первая из причин заключается в неправильном понимании заинтересованными сторонами целей, которые они хотят достичь с помощью ИИ. Многие считают, что внедрение искусственного интеллекта сможет значительно улучшить бизнес процесс, как будто это волшебное средство. В результате, руководители часто не осознают, каким образом ИИ может быть интегрирован в их бизнес-модель, не задумываются над необходимыми ресурсами и временными затратами на его реализацию.
Вторая проблема заключается в недостатке данных, необходимых для обучения эффективных ИИ-моделей. Один из специалистов, участвовавших в опросе, отметил, что 80% работы с ИИ связано именно с обработкой данных. Это требует участия высококвалифицированных специалистов, которые не всегда есть в распоряжении организаций. В дополнение к этому, аналитики и инженеры часто стремятся использовать самые современные технологии ИИ без учета реальных проблем, которые они призваны решить. Таким образом, отсутствие четкого понимания задач, для которых нужен ИИ, становится значительным барьером для успешного внедрения.
Среди других факторов, способствующих провалу, можно выделить отсутствие у организаций хорошо структурированного подхода к управлению данными и развертыванию завершённых ИИ-моделей. Ещё одной актуальной проблемой является применение ИИ к задачам, которые он не в состоянии решить. Даже такие крупные компании, как Microsoft, иногда не задумываются о целесообразности применения ИИ в том или ином аспекте своего бизнеса. Примером может послужить функционал Recall, который был встречен пользователями с явным недовольством. Недавние исследования также показывают, что наличие уменьшенного логотипа ИИ в названии продукта вызывает у потребителей меньше желания его приобретать. Более того, большинство пользователей не готовы платить повышенную цену за продукты, даже если они основаны на технологиях ИИ.
С точки зрения бизнеса, наиболее критически важным аспектом остается вопрос возврата инвестиций от внедрения ИИ. Как показывают исследования, ожидание финансовой отдачи может существенно превышать ожидаемые сроки, а в наихудших сценариях такая отдача может и вовсе не наступить. Это делает необходимость более тщательной подготовки и анализа потребностей организаций крайне актуальной. Методы, с помощью которых компании интегрируют ИИ, должны быть проработаны до мельчайших деталей, чтобы избежать ненужных затрат и временных задержек. Успех проектов начинается с правильного определения целей, задач и обеспечения доступа к качественным данным. Как показывает практика, прозорливый подход в этом вопросе способен существенно повысить вероятность успешного внедрения ИИ в бизнес-процессы, тем самым способствуя не только внедрению инновационных технологий, но и укреплению позиций компании на рынке.