AI プロジェクトの 85% が失敗する理由は何ですか?

現在、人工知能（AI）は、人事、サプライチェーン、マルチレベルマーケティングなど、さまざまな分野で広く利用されています。多くの企業は、データチームを率いてビジネスの成長を実現するために、データ サイエンティストに多額の投資を行っています。リスクと混乱は、AI プロジェクトの失敗の一般的な理由であり、主な要因でもあります。すでに業務プロセスに精通している従業員を交代させることは非常に難しい決断だからです。お金、トレーニング、時間の投資は、多くの企業にとって受け入れがたい大きなリスクです。

[[276304]]

AI を選択した後でも、適切なデータが不足し、アルゴリズムが不良データを適切に処理できないため、問題は解決されません。そのため、エンタープライズ チームの多くの時間が無駄になります。さらに、AI は単一のプロセスやテクノロジーではなく、熟練した従業員にはより高い給与が必要ですが、企業の予算が限られている場合、AI の専門家がいなければ、顧客は企業の AI サービスに興味を持たないでしょう。これらは、ほとんどのモバイル アプリ開発企業で AI が失敗する一般的な理由です。

人工知能は、計画、学習、推論、問題解決、知識表現、知覚、移動、操作が可能なシステムです。ある程度は社会的に知的で創造的である可能性もあります。今日では、AI は購入する商品を推奨したり、クレジットカードの不正使用を検出したり、写真に写っている顔を認識したりすることもできます。現在、人工知能は狭義の人工知能と汎用人工知能の 2 つのカテゴリに分けられています。狭義の AI の例としては、Apple の Siri や Microsoft の Cortana などが挙げられますが、汎用 AI の例としては、映画「ターミネーター」のスカイネット (まだ実現されていません) が挙げられます。今後数年のうちに、人工知能は論文を書いたり、車を運転したり、さらには手術を行ったりできるようになるかもしれません。

人工知能は、導入されたあらゆるプロジェクトで大きな成功を収めています。一部のデータコンサルタント会社も AI をプロジェクトに統合しており、広告代理店やメディア代理店がキャンペーンをさらに推進するのに役立っています。しかし、AI を導入したすべての企業が成功したわけではないという意見は一致しています。なんと85%がAIは成功していないと答えました。いくつかの調査によると、これらの障害は上級管理職からの抵抗と彼らに好印象を与えられないことに起因しているとのことです。経営陣が最初に注目するのは投資収益率です。これは大きな障害です。時には、良さそうに思えるプロジェクトでも、トラブルに見舞われることがあります。

Dimensional Research のレポートによると、10 件の AI プロジェクトのうち 8 件が失敗し、そのうち 96% でデータ品質、データ ラベル付け、モデルの信頼性の構築に関する問題が発生しています。この失敗のもう一つの例として、Facebook、Amazon、Microsoft、Adobeなどの企業の代表者は、コンテンツを72の言語に非常に迅速にローカライズできるため、ニューラル機械翻訳と呼ばれる人工知能ツールを使用することを選択しました。 23% が、現在このテクノロジー (およびツール) を使用していると回答しました。

これらのプロジェクトが失敗した理由としては、次のようなことが考えられます。

1. 干渉

2. コミュニケーションの障壁

3. 始める前に失敗しよう

4. データ専門家の不足

5. 社内人材/ソフトウェア

6. 仕事を失うことへの恐怖

7. シンプルに始める

1. 干渉: AI プロジェクトを実施する際には、「コストがはるかに安い別のプロジェクトを実施できる」などの干渉がよくあります。企業がプロジェクトの投資収益率 (ROI) を重視している場合は、どうすればよいですか? 企業の最初の AI ベースのプロジェクトがビジネス指向であり、主要業績評価指標を達成し、組織のビジョンとミッション ステートメントと一致していることを確認します。このようなプロジェクトの成功は企業にとって大きな意義を持つと信じています。

2. コミュニケーション障壁: データ サイエンティストが経営幹部とコミュニケーションをとる際に専門用語を使用する場合、この障壁が必ず発生します。プロジェクトにおける企業経営陣とデータ サイエンティストとのコミュニケーションでは、経営陣は企業経営に重点を置きます。データ サイエンティストは、人工知能技術を通じて経営陣を感動させたり、ビジネスがどのように発展するかを伝えたりすることはできません。さらに、ビジネスの優先順位はプロジェクトと一致する必要があります。経営陣はこれを喜んで聞き、さらなる機会を提供してくれるでしょう。

3. 始める前に失敗する: 人はやりたくないことに遭遇するかもしれませんが、それがプロジェクトにとって有益なこともあります。企業がプロジェクトに多額の資金や労力を費やしたが、実装後に顧客が期待した結果ではないと言った場合、その企業は失敗する運命にあると想像してください。したがって、実際にプロジェクトを開始する前に、企業は顧客に提示して同意を得られる出力とレポートをいくつか準備する必要があります。たとえ顧客が同意しなかったとしても、ビジネスはそれほど損失を被りません。企業が顧客が何を望んでいるかを把握したら、顧客のニーズに応えることから始めることができます。

4. データ専門家の不足: 組織は通常、新入社員、卒業生、またはほとんど職務経験のない従業員に機会を与えることに積極的です。理由は単純で、コストを節約できるからですが、これは大きな間違いです。彼らは実際にお金を無駄にしているのです。経験の浅い従業員は、プロジェクトを完了しない（あるいは開始しない）言い訳をするでしょう。組織に必要なのは、いくつかの AI プロジェクトを開発し、それをいくつかのクライアントに提供する豊富な経験を持つ専門家です。

5. 社内の人材/ソフトウェア: 企業内で人材を育成するのは良い選択ですが、毎回同じ人材が使用される場合、社内の人材が新しい知識を習得することをどのように保証すればよいでしょうか?社内の人材と他の技術コミュニティとの交流は増えていますか? そうでない場合、会社は社外の開発者を活用する必要があります。

6. 仕事を失うことへの恐怖: AI は組織に大きな変化と利益をもたらす可能性がありますが、理解していない人にとっては、AI は働く人間と同じことができるのです。物理的なタスクの実行から論理的な意思決定まで、AI はすべてを処理できます。これが進行すると、実施組織の従業員にとって脅威となる可能性があります。そのため、AIが導入されないと仕事を失うことになるとして、AIの導入を阻む人もいるかもしれません。

7. シンプルに始める: 実装するルールがシンプルでないと、AI プロジェクトは無価値になります。複雑なプロジェクトは成功につながるという噂がありますが、複雑すぎるプロジェクトは多くの時間がかかります。したがって、プロジェクトは簡単な方法で開始する必要があります。

さらに、上記の理由により、実際の期間内での期待とプロジェクトの現実の不一致により、プロジェクトが失敗する可能性もあります。人工知能技術を取り巻くあらゆる誇大宣伝にもかかわらず、いくつかのことはうまくいかない可能性があります。例えば、Uber の自動運転車が操縦中にトラブルに遭遇し、人をはねてしまった場合、AI アルゴリズムやプログラムが正しくコーディングされていなかったことが原因であると言えます。他のケースでは、AI の特定のクエリに対する回答として誤ったデータが提供される可能性があります。

AI システムが失敗するもう一つの理由は、データセットが不完全であることによる可能性があります。 AI システムが引き継ぐ必要があるときはいつでも、すべての質問についてトレーニングする必要があり、その回答はデータセット内に存在します。トレーニング中にデータセットが不完全な場合、AIは状況にリアルタイムで対応できなくなります。

さらに、アルゴリズムは間違いを犯す可能性があります。これは、一部の開発者によって開発されているためです。アルゴリズムを開発する人々は、特定の思想流派に偏っている可能性が高い。求職プロセスにおいて、アルゴリズムが特定の分野に偏っていると、採用企業は適切な候補者を見つけられない可能性があります。

場合によっては、センサーのエラーが AI に問題を引き起こすことがあります。この場合、AIは元の状態（完全ロールバック）のままになります。 AI システムは、遭遇する可能性のあるあらゆる状況を理解できるように徹底的にトレーニングする必要があります。開発者が設計を省略したり、適切な情報が不足していたり​​すると、失敗は避けられないことを覚えておいてください。