沃卡惠眾所周知，人工智能模型訓練和實施之間的差距很大：大約80%的項目未能成功。
根據(jù)姊妹研究公司Omdia的報告《AI觀點：實施的挑戰(zhàn)》，“AI模型得到訓練但從未部署，或者在成功驗證后證明在生產(chǎn)中令人失望的現(xiàn)象很常見”。
報告作者、Omdia高級計算和人工智能高級分析師Alexander Harrowell表示，未能啟動的原因可能包括模型漂移、捷徑學習、偏見以及更廣泛的業(yè)務問題，例如數(shù)據(jù)管理不善或未能設(shè)計高效的業(yè)務流程。
公司不僅迫切需要投資于數(shù)據(jù)分析、治理和技能，而且需要改變衡量成功的方式。一些最常見的指標是“軟”KPI——例如“客戶參與度”——但比投資回報率更無定形。
“結(jié)論可能是，縮小實施差距的最佳方法是通過實施更嚴格的KPI來過濾更上游的不良項目，”分析師說。
以下是報告的要點：
實施差距仍然存在，甚至可能會越來越大。人工智能項目從戰(zhàn)略研討會或新聞稿通過開發(fā)和驗證階段進入生產(chǎn)的速度仍然很低，并且存在大量未交付項目的庫存。這些有助于提高硬件供應商的數(shù)量和客戶的形象，但最終會被發(fā)現(xiàn)。
差距的一個關(guān)鍵驅(qū)動因素可能是由“軟”KPI證明合理的項目。零售和更廣泛的消費領(lǐng)域是最大的人工智能增長領(lǐng)域，在過去幾年中，他們經(jīng)歷了對聊天機器人、VDA和產(chǎn)品推薦的大量投資。諸如“客戶參與度”之類的KPI在這里很常見，但其定義遠不如收入等。
盡管那些報告它的企業(yè)已經(jīng)看到了令人印象深刻的ROI結(jié)果，但令人驚訝的是，很少有企業(yè)選擇將其用作KPI。這可能是由于所謂的文件抽屜效應，沒有人愿意討論沒有獲得回報的項目。作為一般規(guī)則，收入、投資回報率或生產(chǎn)力等最終目標KPI很少見。此類KPI的紀律可能是縮小差距的重要手段。
在不同的行業(yè)中，有一個共同的人工智能準備模式。所研究的所有行業(yè)的企業(yè)在制定戰(zhàn)略和調(diào)整組織方面都取得了進展，一部分企業(yè)具備了技術(shù)和運營能力。然而，在數(shù)據(jù)方面，很少有人能超越二檔。
由于不同的原因，金融服務(finserv)和零售在人工智能準備方面表現(xiàn)相對較好。Finserv至少在數(shù)據(jù)類別上“不那么糟糕”，可能是因為他們已經(jīng)在信用評分和欺詐檢測等流程方面擁有豐富的經(jīng)驗。與此同時，零售商(包括電子商務)因開發(fā)出更強大的內(nèi)部技術(shù)和運營技能而脫穎而出。
ICP備案：鄂ICP備18031228號-2
鄂公網(wǎng)安備42280102001149
增值電信業(yè)務經(jīng)營許可證號：鄂B2-20200242
中國聯(lián)通合作伙伴：沃卡惠（湖北）通信有限公司
