Более 80% АІ-проектов терпят крах

Искусственный интеллект (ИИ) остается одной из самых привлекательных сфер для инвестиций, однако большинство проектов в этой области терпят неудачу из-за ряда критических факторов, таких как несоответствие ожиданий, недостаток ресурсов и чрезмерный фокус на академических публикациях.

Основной причиной провалов ИИ-проектов является разрыв между ожиданиями руководства и реальными возможностями технологии. Руководство под влиянием медийного хайпа и стереотипов часто формирует нереалистичные ожидания относительно возможностей ИИ, что приводит к недостаточному ресурсному обеспечению и в конечном итоге — к провалу проектов. Этот разрыв в понимании оказывает существенное влияние на стратегию разработки и внедрения ИИ.

Инженеры и исследователи, работающие непосредственно с ИИ, также сталкиваются с проблемами, связанными с так называемым «синдромом блестящего объекта». Они часто внедряют новые технологии, руководствуясь их новизной, а не соответствием конкретным задачам проекта. Это приводит к усложнению процесса разработки и снижению эффективности решения поставленных задач.

Дополнительные проблемы возникают из-за отсутствия качественных данных и ограниченных вычислительных ресурсов, которые являются критическими для успешного функционирования ИИ. Эти проблемы присущи не только коммерческим проектам, но и академическим исследованиям, где часто больше внимания уделяется публикациям, чем практическому применению разработок. Этот дисбаланс между теорией и практикой оказывает негативное влияние на общий прогресс в отрасли.

Исследование также осветило проблемы в индустрии ИИ, связанные с переоценкой количества научных публикаций и патентов, не всегда коррелирующих с качеством и практической ценностью разработок. Китай, например, является лидером по количеству поданных патентов в области ИИ, но только одна организация из этой страны попала в число самых цитируемых в мире. Это свидетельствует о дисбалансе между количеством проведенных исследований и их влиятельностью на глобальном уровне.

В заключение, погоня за лидерством в гонках ИИ побуждает многие компании к поспешным действиям, что повышает риск провала. Изучение ошибок других проектов может помочь избежать повторения тех же ошибок и повысить шансы на успех в этой динамичной и конкурентной области.