为什么大多数人工智能投资无法实现预期甚至失败

人们和企业都痴迷于人工智能的潜力，但 80% 的人工智能项目将会失败——而这并不是因为想要失败或者热情高涨。 

尽管人工智能正在渗透到各个行业和领域，但问题在于企业还没有为这一技术变革做好充分的准备。 

波士顿咨询集团报告称，全球三分之一的公司计划在 25 百万美元 人工智能。因此，如果企业在没有提前规划的情况下继续投入人工智能解决方案，将会浪费数百万美元。 

然而，通过强有力的变革管理举措和支持新创新和可衡量的 KPI 的系统，企业可以扭转其 AI 的成功局面。

让我们深入探讨人工智能计划失败的三大原因。 

技术第一，业务第二

数百份报告和研究，特别是关于 生成式人工智能，展示人工智能算法和程序的速度和令人印象深刻的智力灵活性。 

人工智能领域涌现出大量创新，促使企业纷纷跃跃欲试，积极投资利用尖端原型。然而，风险在于，他们可能花费数百万美元，却最终导致业务目标不明确或无法衡量成效。

事实上，Gartner 预测至少 30% 到 2025 年底，由于数据质量差、风险控制不足、成本上升或商业价值不明确，生成人工智能项目将被放弃。

数据质量低劣是大多数企业难以克服的一个难题，尤其是在最大化人工智能解决方案的效率和效益方面。数据孤岛是最突出的问题之一，也是一个不容忽视的业务问题。团队最终可能会浪费大量时间去寻找对战略决策至关重要的缺失信息。 

受到削弱的不仅仅是团队，工具也同样如此。例如，当数据断线且错误百出时，机器学习模型就无法正常运行。 

为了确保投资回报率 (ROI)，在开展任何技术工作之前，组织必须确定 AI 解决方案旨在解决的具体业务问题。这包括设定可衡量的 KPI 和目标，例如降低成本、增加收入或提高效率（例如缩短数据检索时间）。

具体来说，业务战略应放在首位，技术实施则紧随其后。最终，技术解决方案应成为推动业务成果的手段。此外，业务需求本质上是人工智能和其他技术实施的支柱。 

例如，一家想要利用人工智能的物流公司可能会为其人工智能软件制定可衡量的目标，以优化需求预测并加强车队管理，在前六个月内将未充分利用的卡车数量减少 25%，并帮助他们提高 5% 的利润。 

企业需要可衡量的目标，以持续检查人工智能不仅能提升效率，而且其效果可量化。这一点至关重要，因为企业需要向利益相关者解释，这场代价高昂的人工智能之战不仅值得，而且他们有数据可以证明这一点。  

过于雄心勃勃的人工智能实施

媒体不断重申人工智能将彻底改变一切的前景，并常常将其误认为是灵丹妙药。这可能会给企业领导者灌输一种虚假的信心，使他们相信自己能够利用新的人工智能系统，并将其同时整合到业务流程中。 

然而，过于雄心勃勃地试图一举解决问题通常会导致失败。相反，企业应该从小处着手，并有策略地扩大规模，以获得更好的结果。 

例如，大规模的成功案例如下： 沃尔玛该公司逐步引入机器学习算法来优化库存管理。结果如何？积压库存减少了30%，货架库存增加了20%。

为了解决这个问题，企业应该适应 “区域制胜”框架 对于人工智能实施，一种经过验证的方法可以帮助团队了解他们必须平衡当前运营和未来创新。 

该框架将业务活动划分为四个区域：绩效、生产力、孵化和转型。人工智能无法一下子颠覆一切，而孵化区则创造了一个专门的空间，用于在不影响核心业务的情况下试验人工智能技术。

例如，“区域取胜”框架可以这样应用于实施人工智能的冷藏物流公司：

• 表演区： 该公司的核心业务运营，例如仓库调度和货物调配，是创收的关键。提高仓库效率、缩短停留时间并提高交付量是公司工作的重点。 
• 生产力区：在这里，通过整合预测分析和实时分析工具等数据科学能力，解决内部流程问题，以提高效率并降低拘留费用等成本。 
• 孵化区：该公司花时间在某些仓库中试用数据驱动工具，以便团队确定哪些创新可以成为未来的收入来源。
• 转型区：在这里，公司将数字化转型扩展到整个组织，并建立全面的数字化基础设施，确保实现持续的业务成果。 

该框架帮助领导层在维持现有运营和投资AI驱动的未来能力之间做出资源分配决策。这种意识有助于避免AI投资过于分散于过多部门和流程而导致的问题和不可避免的失败。

缺乏用户采用

企业争相利用人工智能和机器学习带来的所有优势，却没有首先考虑使用者。即使是最复杂的人工智能解决方案，如果最终用户不了解这项技术，也会失败——一切都取决于信任和全面的培训。

整合人工智能的关键在于将其投入运营。这意味着要确保人工智能工具融入工作流程，并成为业务流程的主流。 

其他工作工具，例如 CRM，可以优化和控制从始至终的整个流程。这使得培训变得简单，因为流程的每个步骤都可以展示和解释。然而，生成式人工智能在更精细的“任务级别”上运行，而不是涵盖整个流程。它可以在不同方法的不同步骤中零星使用；它并非支持完整的工作流程，而是每个用户可能会根据其特定任务略微不同地应用人工智能。 

毕马威英国合伙人 Ruth Svensson 告诉 “福布斯”“由于生成式人工智能是在任务层面而非流程层面运作，因此很难发现培训方面的差距。” 因此，员工可能在使用人工智能工具时，并不了解它如何与更广泛的业务目标相契合，从而导致隐藏的培训差距。这些差距可能包括缺乏对如何充分利用人工智能功能的理解，如何有效地与系统交互，或如何确保其生成的数据得到正确使用。

在这种情况下，有效的变更管理对于用户采用至关重要。变更管理使组织能够确保其员工不仅采用新技术，而且还能全面掌握其对其任务和业务流程的影响。 

如果没有适当的变革管理，公司在用户采用人工智能工具方面就会错失良机，同时还可能加剧技术差距，从而导致效率低下、错误增多，并无法最大限度地发挥人工智能解决方案的潜力。

为了使变革管理举措奏效，需要一支指定的合格领导团队来引领变革。领导者必须识别任务层面的培训差距，并根据员工将使用人工智能执行的具体任务，提供或组织定制培训。

这样做的目的是赋能并鼓励员工更好地理解和信任新系统。只有这样，员工才能理解和接受，从而让企业能够更广泛地采用并更好地应用这项技术。

显然，人工智能是未来十年的标志性技术，但如果不加以实际操作，其影响力将继续被浪费。通过升级变革管理计划，循序渐进地实施人工智能项目，并使用可衡量的KPI，企业不仅会在人工智能上投入资金，还能从中获利。