AI对人类生活和市场的影响是非同寻常的。据世界经济统计，到2030年，人工智能可贡献约15.7万亿美元。如果我们把这个前景算进去，那就是几家公司的综合经济。我们都一次又一次地看到每个人都应该采用人工智能。这是真的;没有人否认这一点——尽管没有人谈论AI中失败的项目。当一些企业领导者考虑将AI实施到他们现有的技术堆栈中或将其用于下面鼓舞人心的项目时，他们不断地让自己失败而不是实现他们的计划。2020年进行的另一项研究表明，约有28%的人工智能项目无法开展。专家认为，企业人工智能失败的原因在于企业自身缺乏有效的人工智能战略。制定蓬勃发展的AI战略需要精心准备、建立明确的目标并培养强大的管理团队。换句话说，如果我们部署人工智能系统，就意味着业务的数字化转型。在机器学习中，它可能会增加您的业务运营——但在人工智能中，它并不总是会发生。以下是最常见的可以预测人工智能项目失败的错误和误判：1.失败算法的改进人工智能算法的开发可能会出现一些问题。这种类型的系统受到其生产者的影响，因为它的创建要求它为人类做同样的事情。这是经常出现的问题的症结所在。开发人员的工作可能会注意到人工智能。失败的另一个原因是开发人员可能需要通过排除一些数据删除过程并添加手册来分析程序。它可能会弄乱数据并得出错误的结论。另一方面，该算法对于预期目的来说可能太具有挑战性。2.数据策略不足获取AI项目最大的问题之一就是缺乏数据策略。在开始形成之前制定可靠的数据策略至关重要。您需要指出您拥有的数据，制定如何将来自不同来源的所有数据集中在一起的策略，估计需要多少数据，最后计划如何提取和修改数据。一些组织要么从没有项目开始，要么根本不启动AI项目，因为他们觉得自己没有足够的数据，或者没有足够的数据。但阻碍人工智能发展的最重要的数据障碍是在启动人工智能项目之前没有一个团队范围的数据系统。有效的AI数据计划必须涵盖您所有的数据问题，并提供一种主动的方法来实践和试验您的设计，以发挥数据的最大潜力。3.投资不足人工智能和机器学习是现代先进技术；最新的技术需要资金来开发。由于开发和生产AI项目的巨大成本，一些公司不愿意投资于交付有前途的AI所需的团队和软件。这会影响您让数据科学家完成工作的第一部分。即使在企业中有了新的自动化机器，数据科学家也经常需要维护和验证这些自动化方法生成的模型，因为大量的数据无法为模型的运行提供证据。当提供数据和使用模式时，需要额外的软件和人员来源。4.错误的数据科学家要经营任何企业，您都需要该领域的专家来处理和管理所有事情。然而，一些从事数据分析工作的人在参加在线课程后以数据科学家的身份声名鹊起。事实是，需要熟练的数据科学家来管理大多数机器学习和人工智能项目。缺乏经验的数据科学家经常指出无效的开始、看起来不错的小设计以及大量的时间消耗。尽管如此，鉴于当前的经济环境，聘请数据科学家并非易事。这些熟练的资源是有限的，而且非常昂贵。数据科学是一项复杂的工作，需要多年的统计、数学和编程技能才能成为专家。5.部署规则不够长期以来，模型无法扩展的原因是支持。这种切换可能包含错误，并且需要在部署之前对模型进行有效的重新测试和检查。这种方法可能需要时间，并且当模式可用于创建时它可能不合适。6.项目过于复杂企业都知道人工智能项目在时间和资源方面都很昂贵。人工智能的价值创造了一种趋势，即专注于最终将改变业务并带来巨大投资回报的雄心勃勃的项目。最终，涉及人工智能的公司需要最大的投资。结语拥有AI很棒，但以适当的策略部署它将是一个巨大的失败。牢记上述因素，减少失败的AI项目的数量。
