Naveen Gattu, 联合创始人兼 Gramener 首席运营官，Gramener 是一家 Straive 公司 Naveen Gattu 联合创始人兼 Gramener 首席运营官，Gramener 是一家 Straive 公司

为什么大多数对AI的投资都会低于预期或失败

人们和企业都对AI的潜力着迷，但80%的AI项目将会失败——这并不是因为缺乏热情或愿望。虽然AI正在渗透到每个行业和部门，但问题在于企业没有充分地为这一技术变化做好准备。波士顿咨询集团报告称，全球每三家公司中就有一家计划在AI上花费超过2500万美元。因此，如果企业继续在没有规划的情况下投资AI解决方案，数百万美元将会被浪费。然而，通过强有力的变革管理计划和支持新创新以及可衡量的KPI，企业可以扭转AI成功故事的局面。让我们深入探讨AI项目失败的三个主要原因。将技术放在业务之前众多报告和研究，尤其是关于生成式AI的研究，展示了AI算法和程序的速度和令人印象深刻的智力灵活性。在AI领域投入了大量的创新，导致公司想要立即投资于利用尖端原型。但是，风险在于他们可能会花费数百万美元来解决一个问题，却没有明确的业务目标或可衡量的影响。事实上，Gartner预测，至少30%的生成式AI项目将会在2025年底被放弃，原因是数据质量差、风险控制不力或成本增加或业务价值不明确。数据质量差是一个特别的障碍，大多数企业无法克服，尤其是在最大化AI解决方案的效率和有效性方面。数据孤岛是最突出的问题之一，这是一个不能被忽视的业务问题。团队可能会浪费数小时来追踪缺失的信息，这些信息对于战略决策至关重要。并且，不仅仅是团队受到影响，工具也受到影响。例如，机器学习模型在数据断开和错误的情况下无法正常运行。为了确保对AI投资的正回报率，在任何技术工作开始之前，组织必须确定AI解决方案旨在解决的具体业务问题。这包括设置可衡量的KPI和目标，例如成本降低、收入增加或效率改进，例如减少检索数据所需的时间。具体来说，业务策略应该首先，然后技术实施按照业务策略进行。最终，技术解决方案应该作为推动业务成果的手段。另外，业务需求是AI和其他技术实施的基础。例如，一家物流公司可能会为其AI软件制定可衡量的目标，优化需求预测和增强车队管理，减少闲置卡车数量25%和增加利润5%。企业需要可衡量的目标来持续检查AI是否不仅提高了效率，而且具有可量化的价值。这在向公司利益相关者解释昂贵的AI投资是值得的，并且有数据支持这一点时至关重要。过于雄心勃勃的AI实施AI的承诺是彻底改变一切，这一观点经常被媒体重复和误导，人们认为AI是万能的解决方案。这可能会让企业领导人产生一种虚假的自信，导致他们相信可以利用新AI系统并同时将其集成到业务流程中。然而，过于雄心勃勃的尝试通常会导致失败。相反，企业应该从小开始，战略性地扩大规模以获得更好的结果。例如，沃尔玛通过逐步引入机器学习算法来优化库存管理，取得了成功。结果是过量库存减少了30%，货架可用性增加了20%。为了帮助实现这一目标，企业应该采用“胜利区”框架，这是一种经过验证的方法，帮助团队了解必须平衡当前运营和未来创新。该框架将业务活动分为四个区域：性能、生产力、孵化和转型。AI不能同时破坏一切，孵化区域为实验AI技术提供了一个专门的空间，而不会破坏核心业务。例如，这是“胜利区”框架如何应用于冷藏物流公司实施AI的例子： 性能区域： 公司的核心业务运营，例如仓库调度和货物部署，对于产生收入至关重要。提高仓库效率、减少滞留时间和增加交货量的KPI是优先考虑的。 生产力区域： 在这里，内部流程得到解决，以提高效率和降低成本，例如通过集成数据科学能力，例如预测分析和实时分析工具，来减少滞留费用。 孵化区域： 公司专门分配时间来试验数据驱动工具，在某些仓库中，允许团队确定哪些创新可能成为未来的收入来源。 转型区域： 这是公司将数字转型扩展到整个组织范围的区域，遵循一个全面的数字基础设施，以确保持续的业务成果。 该框架帮助领导层在维持当前运营和投资于AI驱动的未来能力之间分配资源时做出决定。这有助于避免当AI投资过于分散在太多部门和流程时必然导致的失败问题。缺乏用户采用公司正在急于利用AI和机器学习的所有好处，而没有首先考虑使用它们的人。即使是最先进的AI解决方案，如果最终用户不理解技术，也会失败——一切都取决于信任和全面培训。将AI整合的关键因素是使其变得可操作。这意味着确保AI工具被集成到工作流程中，并使其成为业务流程的主流。其他工具，例如CRM，优化和控制整个流程，从开始到结束。这使得培训变得容易，因为每个步骤都可以展示和解释。然而，生成式AI在更细粒度的“任务级”上运行，而不是涵盖整个流程。它可以在不同方法的各个步骤中间歇性地使用；而不是支持整个工作流程，每个用户可能会为其特定任务以略微不同的方式应用AI。KPMG UK的合伙人Ruth Svensson告诉福布斯：“由于生成式AI在任务级上运行，而不是在流程级上运行，因此训练缺口不容易被发现。”因此，员工可能会在不知道AI如何融入更广泛的业务目标的情况下使用AI工具，从而导致隐藏的训练缺口。这些缺口可能包括缺乏了解如何充分利用AI的功能、如何有效地与系统交互以及如何确保AI生成的数据被正确使用。在这种情况下，有效的变革管理对于用户采用至关重要。变革管理使组织能够确保员工不仅采用新技术，还理解其对任务和业务流程的全部影响。如果没有适当的变革管理，公司将会在AI工具的用户采用方面错失目标，同时冒着加剧技术差距的风险，这将导致更多的低效率、错误和未能最大化AI解决方案的潜力。为了使变革管理计划奏效，需要有一个指定的合格领导团队来领导这一变革。领导者必须在任务级别识别训练缺口，并为员工提供或组织针对他们将使用AI的特定任务的定制培训。目标是赋予员工更大的理解和信心，让他们能够更好地理解和接受新系统。只有这样，企业才能享受到广泛的采用和更好的技术应用。很明显，AI是本十年的定义性技术，但如果没有使其变得可操作，其影响将继续被浪费。通过升级变革管理计划，逐步实施AI计划，并使用可衡量的KPI，企业不仅会在AI上花费钱，还会从中获利。