2024年8月13日，兰德发布报告《AI项目失败的五大根本原因》，深入分析了AI项目为何失败，并提出了相应的解决策略。报告指出，尽管人们广泛认为，AI技术极有可能改变组织机构的运作模式，但在实施有效的AI应用方面仍遇到了诸多困难。根据调查，只有14%的组织表示已完全准备好采用AI技术，而84%的商业领袖认为AI将对业务产生重大影响。然而，AI项目的失败率却高达80%，是非AI信息技术项目的两倍之多。
报告强调，持续沟通非常重要，强调了如何在技术团队和业务利益相关者之间建立信任，从而提高项目的成功率。报告的发现和建议对美国国防部等正在积极寻求使用AI的政府部门，以及其他考虑使用AI/机器学习（ML）的私营部门领导者具有重要意义。通过学习早期构建和应用AI/ML的努力中的经验教训，有助于避免后人重蹈覆辙。
整体而言，报告为组织机构提供了实用建议，避免AI项目失败，同时强调了在实施AI项目时需要考虑的技术、流程和人员等多方面因素。报告通过深入分析和具体建议，旨在帮助组织深入理解和应对AI项目实施过程中可能遇到的挑战。
报告下载，请点击原文链接。
报告目录
背景介绍
人工智能的潜力和当前应用
行业对AI的采纳情况
AI项目失败的统计数据和影响
研究方法
访谈对象的选择和背景
访谈的方法和实施
主要发现
导致AI项目失败的五大主要原因
行业利益相关者对AI问题的误解
数据不足和质量问题
技术误用和基础设施不足
AI技术应用的局限性
行业建议
确保技术团队理解项目目标和领域背景
选择持久性问题
专注于问题而非技术
投资基础设施
理解AI的局限性
学术界建议
通过与政府合作克服数据收集障碍
扩展数据科学博士项目，为实践者提供新思路
研究方法细节
对行业参与者的访谈方法
对学术界参与者的访谈方法
行业访谈要点
领导层导致的失败
数据驱动的失败
技术误用和基础设施不足
AI技术的不成熟
学术界访谈要点
学术研究中的活动声望
数据结构不当
发表研究面临的压力
其他发现
计算资源和人才可用性问题
敏捷软件开发与AI项目的适应性
结论和建议
避免AI项目失败的策略
对政府和私营部门的建议
附录A和B
行业和学术界访谈模板
AI项目失败的五大主要原因
研究人员采访了65位在工业界或学术界拥有至少五年构建AI/ML模型经验的资深数据科学家和工程师，总结了AI项目失败的五大主要原因：
问题设定不准确：行业利益相关方常常误解或错误传达使用AI所需解决的问题，导致AI模型优化了错误的指标或不符合整体业务流程和背景。
数据不足：许多组织的AI项目因缺乏足够的数据，无法充分训练有效的AI模型，从而导致项目失败。
技术误用：部分情况下，组织更关注使用最新技术，而非解决实际问题，导致项目偏离了真正的业务需求。
基础设施不足：组织可能缺乏相应基础设施来管理数据和部署AI模型，导致项目更有可能失败。
问题难度超出AI能力：AI并非万能，有些问题对AI来说过于复杂，即使是最先进的AI模型也无法自动解决。
报告提出了五个成功原则，旨在解决上述问题：
确保技术团队理解项目目标和领域背景，避免因误解或沟通不畅导致项目失败。
选择持久性问题，承诺至少一年的长期解决方案，确保项目能够持续并取得实质性进展。
专注于问题而非技术，避免因过于追求最新技术而忽视了解决实际问题的重要性。
投资基础设施，包括数据治理和模型部署，以期减少完成AI项目所需的时间并提高数据质量。
理解AI的局限性，与技术专家合作评估项目的可行性，确保所选项目适合AI技术并能够为组织带来实际价值。
失败的其他因素
报告还讨论了AI项目失败的其他因素，如计算能力、人才可用性、敏捷软件开发与AI的适应性等。报告指出，尽管云计算供应商提供了大量的计算能力，但某些行业如金融或医疗保健，由于数据敏感性，可能不愿将数据上传到云。此外，报告还指出，AI人才对该领域也存在一定影响，虽然近年来随着数据科学和编程训练营不断兴起，AI人才的总体规模有所提高，但筛选高质量的人才仍然任重道远。
报告原文已在联合作战情报参考网分享，请点击原文链接下载。
联参智库现有全球军事领域情报资料80万份，纵向贯穿战略规划、条令法规、指南手册、标准报告，横向覆盖全球主要50个防务智库报告。
资料专题，作战概念、指挥控制、无人系统、人工智能，试验鉴定等；
数据产品，如全球武装力量数据、军用无人机数据等；
软件产品，如全球装备参数数据库、全球现代军用飞机数据库等；
译文产品，如参联会系列文件、联合部队作战与条令等；
研究报告，如世界无人作战力量建设、星链反制等。
