如今，人工智能（AI）已广泛应用于人力资源、供应链、多层次营销等各个领域。许多公司在数据科学家方面投入巨资，以领导数据团队实现业务增长。风险和困惑都是人工智能项目失败的常见原因和主要因素。这是因为更换已经熟悉工作流程的员工是一个非常困难的决定。资金、培训、时间的投入是很多企业不容易接受的一大风险。即使选择了人工智能，问题也没有解决，因为缺乏合适的数据，算法无法正确处理不良数据。因此，很多企业团队的时间都被浪费了。而且，人工智能不是一个单一的流程或技术，熟练的员工需要更高的薪水，但如果企业预算很少，那么如果没有人工智能专家，客户就不会对公司的人工智能服务感兴趣。这些是大多数移动应用程序开发公司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。在某种程度上，它也可能具有社交智能和创造力。如今，人工智能可以推荐要购买的商品、检测信用卡欺诈，甚至可以识别图片中的人脸。迄今为止，人工智能分为狭义人工智能和通用人工智能两大类。NarrowAI的一个例子可以是Apple的Siri或Microsoft的Cortana，而GeneralAI的一个例子可以是电影♂中的天网（尚未成为现实）。未来几年，人工智能可能会写论文、开车，甚至做手术。人工智能已在各种项目中取得巨大成功。某些数据咨询公司还将人工智能整合到他们的项目中，这将有助于广告和媒体机构进一步开展活动。然而，并非所有实施人工智能的公司都取得了成功，这一点已达成共识。高达85%的人表示人工智能并不成功。一些调查表明，障碍来自高层管理人员的抵制和未能打动他们。管理层首先看到的是投资回报率。这是一个很大的障碍。有时看起来不错的项目往往会遇到麻烦。DimensionalResearch的一份报告指出，10个AI项目中有8个失败，而96%的项目在数据质量、数据标签和建立模型置信度方面遇到问题。作为这种失败的另一个例子，来自Facebook、亚马逊、微软和Adob??e等公司的代表都选择使用一种名为神经机器翻译的人工智能工具，因为它能够非常快速地将72种语言的内容本地化。23%的人表示他们正在使用该技术（和工具）。这些项目失败的一些原因可能是：1.干扰2.沟通障碍3.开始前失败4.缺乏数据专业知识5.内部人才/软件6.对失业的恐惧7.简单的开始1.干扰：在AI项目实施的时候，往往会出现“我们可以实施另一个项目，成本会低很多”等干扰因素。如果企业更关注项目的投资回报率（ROI），那么需要做什么？确保企业的第一个基于AI的项目以业务为导向，实现关键绩效指标，并与组织的愿景和使命宣言保持一致。相信这样一个项目的成功对企业来说意义重大。2.沟通障碍：当数据科学家使用技术术语与企业管理层进行沟通时，这种障碍不可避免地会显现出来。在项目上企业管理层和数据科学家的交流中，管理层更注重企业管理，数据科学家无法用人工智能技术打动他们，告诉他们业务会如何发展。此外，企业的优先事项必须与其项目保持一致。管理层会很高兴听到这一消息并提供更多机会。3.开始前失败：人们会遇到一些他们可能不想做的事情，但它可以使项目受益。想象一下，一个企业在一个项目上投入了大量的金钱或精力，在实施之后，客户说这不是他想要的结果，那么它就注定要失败。因此，在实际开始其项目之前，企业需要准备一些可以呈现给客户的输出和报告，并让他们同意他们所看到的。即使客户可能不同意，企业也不会损失太多。企业现在知道客户想要的结果，因此可以从客户的需求着手。4.缺乏数据专业人员：组织通常更愿意为新手、毕业生或几乎没有工作经验的员工提供机会。这样做的原因很简单，节省成本，但这是一个大错误。他们实际上是在浪费钱。没有经验的员工会找借口不完成项目（甚至不启动项目）。该组织需要的是经验丰富的专业人士，他们已经开发了一些人工智能项目并将它们展示给了一些客户。5、内部人才/软件：在企业内部培养人才是一个不错的选择，但是如果每次都用同样的人才，如何保证内部人才有新的知识。内部人才是否与技术社区的其他人联系更紧密？如果没有，企业需要使用外部开发人员。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，人工智能可以做员工可以做的事情。人工智能可以处理从执行物理任务到做出逻辑决策的所有事情。这在其高级阶段可能会对实施组织的员工构成威胁。因此，可能会有人阻碍人工智能的实施，否则他们就会失去工作。7.从简单开始：如果不实施简单的规则，企业人工智能项目将一文不值。传言复杂的项目会成功，但过于复杂的项目会消耗大量时间。因此，该项目应该以简单的方式开始。此外，出于上述原因的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匹配而失败。对于AI技术的所有光环，某些事情可能会出错。例如，Uber驾驶的自动驾驶汽车在撞到人时出现问题，这可能表明AI算法或程序编码不当。在其他情况下，可能是作为对人工智能某些查询的回答而提供的不正确数据。人工智能系统失败的另一个原因可能是数据集不完整。每当人工智能系统需要接管时，它必须接受所有问题的训练，并且它的答案存在于数据集中。如果训练时数据集不完整，AI将无法实时应对情况。此外，算法也会出错。这是因为它们是由少数开发人员开发的。开发算法的人很可能会偏向某个特定的教派。在职位选择过程中，如果算法偏向某个部门，招聘公司可能找不到合适的候选人。有时传感器中的错误会给人工智能带来问题。在这种情况下，AI将保持其原始状态（完全回滚）。人工智能系统需要经过充分训练才能理解它们可能遇到的任何情况。请记住，如果开发人员在设计上偷工减料，或缺少正确的信息，则必然会导致失败。
