最近，行業研究公司Gartner做出了一個大膽的預測：85%的AI項目無法交付給CIO。 該聲明暗示，每20個人工智能項目將成功3個，其中17個將達不到預期。

借助所有嗡嗡聲和大量的AI提示，這是一個非常出色的解決方案。

除了可能不是。 讓我們看一下正在加劇這種情況以及AI項目的未來是否光明。

人工智能項目為何失敗?

維度R的一份報告顯示，十分之八的AI失敗了，而96%的AI則在標注，標明和建立模型置信度方面遇到了問題。

以下是人工智能項目失敗的7個常見原因：

1. 鯊魚

當需要進行AI項目中的所有任務時，將有可能會犧牲質量并試圖偷工減料。 這些鯊魚可能會說"讓我們一起選擇其他選項"。 它也很簡單。 "

從這個意義上說，這不是真正的類型，但是它的回報率(ROI)絕對不會吸引他們的。 那你怎么辦?

確保您第一個基于AI的業務是真實的，沒有KPI，并且也要與該版本中的最新任務說明保持一致。 相信成功完成一個項目可能會給您和企業帶來損失。 為此，你可能會非常感激和珍惜。

2. 溝通故障

[[328267]]

當您不定期地使用自己的專業術語與專家打交道時，有時您會被誤解。

在您實施項目時，維護人員很少或根本沒有。 您需要在盤子上擺放足夠的東西。 對他們不了解AI。 取而代之的是，您的項目將繼續進行下去。 以美元而不是千兆字節的價格購買。 另外，您必須先與您的росер保持聯系。 您將有足夠的錢給您機會。

3. 開始之前先

是。 您可能不會這么做，但這是救命的。 想象一下，在您的資金上花費了巨額資金，然后聽到客戶的說法是無法接受的，您將不得不從頭開始并重新開始。

在您開始存儲之前，重要的是要確保輸出并重新設置輸出，然后再確保您不同意特定的條款和條件。 即使客戶可能不同意，您也沒有。 您現在知道自己是否愿意接受，并且您可以根據自己的意愿來建立您的項目。

4. 數據戰士的缺席

通常情況下，您應該會與一些新手合作，因為他們幾乎沒有經驗。 答案是：省錢。 這就是最可能的了。

以節省金錢的名義，他們實際上是在失敗的人工智能項目上浪費金錢。 迫不及待的人們會遇到無休止的新挑戰，這些新挑戰不會使項目取得任何進展。 組織所關心的是一個在數據科學領域擁有深厚經驗的人，已經開發了AI理想(理想情況下是多個)，并且還實施了解決方案以產生積極的，切實的結果。

5. 內部人才/軟件

這是一個根本沒有真正要解決的問題，但是在每一個被S所使用的消息中，每個人都可以找到，并且他們可以訪問嗎?

您的數據團隊是否與專業社區共享想法和資源? 他們是否掌握了機器學習的所有當前趨勢和工具? 如果沒有，公司應尋求雇用新的經理，咨詢公正的第三方或許可外部軟件。

6. 從簡單開始

要記住的最重要的要點之一就是從簡單開始。 如果沒有簡單規則的實施，您的AI項目將獲得0%的價值。 有傳言說可能會成功，但過于復雜的項目可能要花很多時間。 因此，該項目應以明確的目標從一個簡單的過程開始。

原因還可能是因為它們在給定框架內的現實狀況。 盡管受到AI控制的世界的概念得到了積極的評論和好評，但事情還是有可能發生的。 例如，一種自動駕駛汽車，因為它是第一個最嚴重的問題，而后者并沒有導致致命傷。 一個人可能會提到所有算法或рrоgram的編碼不正確。 在其他情況下，可能無法提供任何數據的結果，以作為對AI機器中某些問題的解答。

7. 除了上述原因之外，還有很多AI可能會被毀壞。

每當需要對AI進行統計時，都必須先解決所有問題，然后再回答所有問題。 在所有階段的所有階段中，AI機器都將無法重新啟動。

另外，算法本身可能會出錯。 這是由于嗡嗡作響而采用的算法。 開發該算法的人不經意間將自己的偏見注入了算法，這在很大程度上是有道理的。

最后，人工智能項目失敗的原因有很多。 人工智能有必要經過充分的驗證，以至于它們可能會被評估。 因此，如果您通過設計感到困難，或者由于缺乏足夠的信息，那么可能會發生很多事情。

我們都會犯錯，并從中汲取教訓，從而變得更強。 您在人工智能項目中遇到的最常見錯誤是什么? 讓我們在下面發表評論吧!