理工酷

2021年09月16日发布

为什么大约一半的AI 项目以失败告终？ 一言蔽之，数据使然。

要点

要从AI 中获得最大价值，就一定要从业务问题入手。然后寻找多种数据类型 — 结构化和非结构化数据、内部和外部数据、定性和定量数据，以解决问题并丰富解决方案。

融入基于权限的强有力治理，建立数据溯源能力，以形成对数据和AI 洞察的信任。

制定计划，应对严格的数据准备挑战以及合并不同数据源带来的复杂性。复用数据，自动执行流程并采用适当的工具。

AI 的独特数据挑战

人工智能(AI) 不再是新生事物 — 量子计算才是。AI 正广泛应用于各种商业和社会用途。在疫情初期，84% 的组织预计将保持或提高对AI 的关注度，近三分之一的组织因疫情直接增加AI 投资。

最近的一项调研表明，AI、物联网(IoT) 和云计算是受访CEO 们认为最有助于实现成果的3 项技术。

43% 的IT 专业人员表示，他们的企业受疫情影响而加快部署AI 解决方案。这转化为企业对建立战略性AI 能力（包括战略、运营模式、人才）以及将该能力整合到企业的迫切需求。

但即使在完成有前景的概念验证(PoC) 阶段之后，许多AI 项目仍处于停滞状态。90% 的企业难以在整个企业中扩大AI 的应用范围。大约一半的AI 项目归于失败也就不足为奇了。 为什么？一言蔽之，数据使然。超过半数的AI 战略负责人承认，他们不清楚自己的AI 数据需求。

39% 的IT 专业人员表示，分析数据以建立和扩展可信的AI 是组织AI 之旅中最困难的部分，32% 表示数据复杂性和数据孤岛是采用AI 的最大障碍。