CTI论坛(ctiforum.com)（编译/老秦）:如今，人工智能（AI）应用于人力资源，供应链，多层次营销等各个领域。公司在数据科学家身上投入了大量资金，以引领数据团队实现业务增长。风险和混乱都是人工智能项目失败的常见原因和主要因素。这是因为替代现有流程和已熟悉工作流程的员工是一个非常困难的决定。金钱，培训和时间的投入是公司不容易接受的一大风险。
即使在选择AI之后，由于缺乏合适的数据，问题也无法解决。对于不好的数据，算法无法正常工作。所以，团队的大量时间浪费了。此外，AI不是一个单一的过程或技术。熟练的员工需要高薪，如果您的预算不多，那么在没有AI专家的情况下，客户就不会对您公司的AI服务感兴趣。这些是大多数移动应用开发公司中AI失败的常见原因。
人工智能是一个能够规划，学习，推理，解决问题，知识表示，感知，运动和操纵的系统。它在某种程度上也可能具有社会智慧和创造力。今天，AI能够推荐购买什么，娱乐用户，检测信用卡欺诈，甚至识别图片中的面孔。截至目前，AI已被分为两类——窄AI和一般AI。窄AI的示例可以是Apple的SIRI或Microsoft的Cortana，而一般AI示例可以被引用为终结者中的SKYNET（之后尚未成为现实）。在未来几年，人工智能可能能够撰写论文，驾驶车辆，甚至可以进行手术。
人工智能已经在其实施的各种项目中取得了很大的成功。某些数据咨询公司还将AI整合到他们的项目中，这将有助于广告和媒体机构推进他们的活动。但是，并非所有实施人工智能的公司都取得了成功，高达85％的公司位于成功的另一边。根据一些调查，来自高级管理层的阻力和未能给他们留下深刻印象是原因之一。管理层首先关注投资回报。这是一个很大的障碍。看起来很棒的项目有时经常会发现灰尘。
维度研究（Dimensional Research）报告指出，10个AI项目中有8个失败了，而96％遇到了数据质量，数据标记和建立模型置信度等问题。作为这种失败的另一个例子，Facebook，亚马逊，微软和Adobe都选择使用名为神经机器翻译（Neural Machine Translation）的人工智能工具，因为它能够非常快速地以72种语言本地化内容。然而，仅仅23％的实际使用。
这些项目失败的部分原因可能是：
1.诈骗者
2.沟通障碍
3.项目启动前失败
4.缺少数据战士
5.内部人才/软件
6.害怕失去工作
7.开始时太简单了
1、诈骗者：当提到人工智能项目的实施时，首先会有诈骗者破坏，就像让我们继续（不同项目的名称），它的成本要低得多。问题不在于项目的类型，而是从最能吸引他们的项目中获得投资回报（ROI）。那你做什么呢？确保您的第一个基于AI的项目面向业务，实现KPIs，并与组织的愿景和使命保持一致。相信这样一个项目的成功对你和企业意义重大。管理层会为此爱上你。
2、沟通障碍：当您是数据科学家并使用技术术语与您的管理层沟通时，这个障碍必然会显示出来。管理层不关心您如何进行项目。他们已经有足够多的事情需要关照了。不要用AI教育他们，告诉他们如何促使公司发展。用美元而不是千兆字节说话。此外，公司的优先事项必须与您的项目保持一致。他们会很高兴听你的并且给你一个机会。
3、项目启动前失败：是的。你可能不会做的事情，但它却是一个救生员。想象一下，在你的项目上花了大量的钱，然后听到客户告诉你规格不是他想要的。你注定要失败。因此，在您实际开始项目之前，准备一些输出和报告，您可以向客户展示并让他同意他刚才看到的内容。即使客户可能不同意，您也没有丢失任何东西。您现在知道客户愿意拥有什么，并且您可以从客户规范开始。
4、缺少数据战士：组织通常更愿意给新手，刚刚毕业的孩子或几乎没有任何工作经验的机会。原因很简单——省钱。这就是最大的错误。以节省美元的名义，他们实际上被浪费掉了。没有经验的家伙会想出一些没有完成项目（甚至开始）的新借口。该组织需要的是具有丰富经验的人，开发了AI项目，并将其成功实施到一些客户组织。
5、内部人才/软件：在内部培养人才是一个不错的选择，但如果组织每次使用相同的人才，他们如何确保内部人才掌握最新知识。内部人才是否与其他社区混在一起？如果不是，公司需要从外部找到开发人员。
6、害怕失去工作：虽然人工智能可以为组织带来巨大的变化和利润，但对于那些不知道的人来说，人工智能有能力做我们人类今天做的事情。从执行物理任务到做出逻辑决策，AI可以处理所有问题。这在最高级阶段可能对实施它的组织的员工构成威胁。因此，可能会有人阻碍实施AI，否则他们会失去工作。
7、适当开始：在没有实施简单规则的情况下，您的AI项目将获得0％的价值。有传言说复杂的项目会获得成功，但过于复杂的项目会花费很多时间。因此，应该以一种适当的方式启动项目。
此外，上述原因项目也可能由于预期与项目在实际时间范围内的实际情况不一致而失败。尽管有关于人工智能的所有光环，但某些事情可能会出错。可以是算法或程序没有正确编码，也可能是作为AI的某些查询的答案是由不正确数据提供的。
AI系统失败的另一个原因可能是不完整的数据集。每当AI系统需要接管时，必须对所有问题进行训练，并将其答案存在于数据集中。如果在培训期间数据集不完整，AI将无法实时响应情况。
此外，算法可能会出错。这是因为它们是由一些人开发的。开发算法的人很可能偏向某个特定的教派。在工作选择过程中，如果算法偏向某个特定部门，招聘公司可能会找不到最合适的候选人。
有时传感器可能无法工作导致AI出现问题。在这种情况下，AI必须优雅地失败，保持原始状态。需要对AI系统进行全面培训，以了解可能遇到的任何情况。请记住，无论何时您在设计上偷工减料，或者缺少正确的信息，都必然会发生失败。
声明:版权所有 非合作媒体谢绝转载
作者：Krunal Vyas
原文网址：http://customerthink.com/why-85-of-the-artificial-intelligence-projects-fail/
