一项新的研究发现，AI 项目的失败率高达 80%，令人震惊。研究人员深入研究了数据，并将天文数字失败率的原因归结为五个主要原因，包括对新技术的过度关注、缺乏 AI 训练数据以及错误识别或错误传达问题。
在研究期间，RAND 采访了 65 位行业专家，他们在为私营实体和学术界开发 AI 和机器学习工具方面拥有超过五年的经验，并将他们的回答提炼为 AI/ML 项目失败的五个主要原因。
根据这项研究，排名第一的失败是领导失败，而不是技术失败。高管们要么不理解他们试图用 AI 解决的问题是什么，要么没有将问题传达给开发团队，要么试图将 AI 应用于它无法解决的问题。项目负责人如此专注于使用最新、最伟大的 AI 进步来解决他们的问题，以至于他们错过了不使用 AI 的更简单、更便宜的解决方案。
正如一位受访者所解释的那样，他的团队有时会被指示将 AI 技术应用于具有少数主要特征或模式的数据集，这些特征或模式可以通过一些简单的 if-then 规则快速捕获。
资源可用性也是一个重大的失败点，领导层被认为不愿意或无法分配必要的资源来处理必要的数据和充分训练 AI 系统。这通常会导致项目交付不足或交付不完整的产品——这是低估了创建和训练 AI 系统的复杂性的结果。
同样，由于最近的炒作和营销声明，许多领导者对 AI 抱有不切实际的期望，当开发团队无法在预期的时间范围内交付承诺时，这就会成为问题。
