大多数人工智能投资将低于预期或失败

人们和企业都对人工智能的潜力着迷，但 80% 的人工智能项目将失败——这并不是因为缺乏热情或热忱。

虽然人工智能正在渗透到每个行业和领域，但问题在于企业没有充分准备好迎接这项技术变革。

波士顿咨询集团报告称，全球三分之一的公司计划在人工智能上花费超过 2500万美元 。因此，如果企业继续在没有规划的情况下投资人工智能解决方案，数百万美元将被浪费。

然而，通过强有力的变革管理计划和支持新创新和可衡量的KPI的系统，企业可以改变他们的人工智能成功故事的趋势。

让我们深入探讨人工智能计划失败的三个主要原因。

将技术置于业务之上

数百份报告和研究，尤其是关于 生成式人工智能 的报告，展示了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。

在人工智能上进行了大量创新，导致公司想要跳入并投资于利用最先进的原型。然而，风险在于他们可能会花费数百万美元购买一种解决方案，结果是业务目标不明确或没有可衡量的影响。

事实上，Gartner 预测，至少 30% 的生成式人工智能项目将在 2025 年底因数据质量差、风险控制不力或成本增加或业务价值不明确而被放弃。

数据质量差是一个特别的障碍，大多数企业无法克服，尤其是在最大化人工智能解决方案的效率和有效性方面。数据隔离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对战略决策至关重要的缺失信息。

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并且充满错误时无法正常运行。

为了确保对投资的正回报率，并且在任何技术工作开始之前，组织必须确定人工智能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，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。此外，业务需求本质上是人工智能和其他技术实施的骨干。

例如，一家物流公司想要利用人工智能可能会为其人工智能软件制定可衡量的目标，优化需求预测和增强车队管理，减少在前六个月内未充分利用的卡车数量 25%，并帮助他们将利润增加 5%。

企业需要可衡量的目标，以持续检查人工智能不仅提高效率，而且其改进是可量化的。这在向公司利益相关者解释昂贵的人工智能投资不仅值得，而且有数据证明这一点时至关重要。

过于雄心勃勃的人工智能实施

人工智能的承诺是革命性地改变一切，这一说法在媒体上经常被重复，通常被误解为银弹。这可能会让企业领导人产生一种虚假的信心，导致他们相信他们可以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，过于雄心勃勃地尝试一次解决一个问题通常会导致失败。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，沃尔玛已经在大规模上展示了成功，他们逐步引入机器学习算法来优化库存管理。结果是什么？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，企业应该适应一种 ‘赢得区’ 框架 ，这是一种经过验证的方法，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。人工智能不能同时破坏一切，孵化区域为实验人工智能技术而创建了一个专门的空间，而不会破坏核心业务。

例如，这就是 ‘赢得区’ 框架如何应用于一家冷藏物流公司实施人工智能：

• 绩效区： 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：这里解决内部流程以提高效率和降低成本，例如通过集成数据科学能力（如预测分析和实时分析工具）来减少滞留费用。
• 孵化区：公司专门花时间在某些仓库中试验数据驱动工具，允许团队确定哪些创新可能成为未来的收入来源。
• 转型区：这是公司将数字转型扩展到整个组织范围的区域，遵循一个综合的数字基础设施，以确保持续的业务成果。

该框架帮助领导层就资源分配之间的当前运营和投资人工智能驱动的未来能力做出决定。这种认识有助于避免当人工智能投资过于分散在太多部门和流程时不可避免的失败问题。

缺乏用户采用

公司正在急于利用人工智能和机器学习的所有好处，而没有首先考虑使用它们的人。即使是最先进的人工智能解决方案，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。

将人工智能整合到业务流程中的关键因素是使其正常运行。这意味着确保人工智能工具被集成到工作流中，并使其成为业务流程的主流。

其他工作工具，例如 CRM，优化和控制整个流程从开始到结束。这使得培训容易，因为每个步骤都可以展示和解释。然而，生成式人工智能在更细粒度的“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，每个用户可能会以不同的方式为他们的特定任务使用人工智能。

KPMG 英国的合伙人 Ruth Svensson 告诉 Forbes：“因为生成式人工智能在任务级而不是流程级运行，所以您无法轻松地看到培训差距。”因此，员工可能会在不知道人工智能工具如何融入更广泛的业务目标的情况下使用它，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，或者如何确保它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其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，公司将在人工智能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，这是一个导致低效率、错误和未能最大限度地发挥人工智能解决方案潜力的滑坡。

为了使变革管理计划发挥作用，需要一个指定的合格领导团队来领导这一运动。领导者必须识别任务级的培训差距，并根据员工将使用人工智能的特定任务为他们提供或组织定制培训。

目标是赋予员工权力，并增强他们对新系统的信心和理解。只有这样，理解和接受才会随之而来，企业将会享受到广泛的采用和更好的技术应用。

很明显，人工智能是本十年的定义技术，但如果没有使其正常运行，其影响将继续被浪费。通过升级变革管理计划，逐步实施人工智能计划，并使用可衡量的 KPI，企业不仅会在人工智能上花钱，还会从中获利。