การศึกษาล่าสุดจาก MIT ได้เปิดเผยความจริงที่น่าตกใจเกี่ยวกับปัญญาประดิษฐ์ในธุรกิจ: โครงการนำร่อง AI ในองค์กร 95% ล้มเหลวในการส่งมอบผลลัพธ์ที่วัดผลได้ สถิตินี้ได้จุดประกายการอภิปรายอย่างเข้มข้นในชุมชนเทคโนโลยี โดยหลายคนได้แบ่งปันประสบการณ์ของตนเองในการเห็นโครงการ AI ที่มีแนวโน้มดีพังทลายลงแม้จะมีการลงทุนอย่างมีนัยสำคัญ
สстатิสติกความล้มเหลวของโครงการ AI
- 95% ของโครงการนำร่อง AI ในองค์กรล้มเหลวในการสร้างผลกระทบทางธุรกิจที่วัดผลได้ (การศึกษาจาก MIT )
- การรักษาผู้ใช้งานสามารถลดลงจาก 80% เหลือ 11% ภายใน 4 เดือนสำหรับเครื่องมือ AI ที่ถูกนำไปใช้งานอย่างไม่เหมาะสม
- โซลูชันทางเลือกที่ประสบความสำเร็จสามารถมีต้นทุนเพียง $70 USD ต่อเดือนต่อผู้ใช้ เมื่อเทียบกับการดำเนินการที่ล้มเหลวซึ่งมีต้นทุน $450,000 USD
ปัญหาที่แท้จริงไม่ได้อยู่ที่เทคโนโลยี
ความล้มเหลวของโครงการ AI ไม่ค่อยเกิดจากข้อจำกัดทางเทคนิค แต่องค์กรกำลังทำผิดพลาดพื้นฐานในวิธีการเข้าหาโครงการเหล่านี้ การอภิปรายในชุมชนเผยให้เห็นรูปแบบที่ผู้บริหารสั่งการให้นำ AI มาใช้โดยไม่มีวัตถุประสงค์ที่ชัดเจน นำไปสู่การทดลองที่มีราคาแพงแต่ไม่ได้แก้ปัญหาที่แท้จริง
เรื่องราวที่น่าสนใจอย่างหนึ่งบรรยายถึงบริษัทที่ใช้เงิน 450,000 ดอลลาร์สหรัฐ เป็นเวลา 18 เดือนกับเครื่องมือ AI ที่เริ่มต้นด้วยการใช้งาน 80% แต่ลดลงเหลือเพียง 11% ภายในสี่เดือน องค์กรเดียวกันนี้ภายหลังพบความสำเร็จกับเครื่องมือที่เรียบง่ายกว่าซึ่งมีค่าใช้จ่าย 70 ดอลลาร์สหรัฐ ต่อเดือนต่อผู้ใช้ โดยสามารถรักษาผู้ใช้ได้ 90% ที่หกเดือน ความแตกต่างอย่างมากนี้แสดงให้เห็นว่าแนวทางที่ผิดสามารถสูญเสียทรัพยากรมหาศาลในขณะที่โซลูชันที่ถูกต้องอาจมีราคาที่น่าประหลาดใจ
ทุกการประชุมโครงการที่ผมเข้าร่วมเริ่มต้นด้วยผู้บริหารที่ไม่ใช่สายเทคนิคถามว่า เราสามารถใช้ AI เพื่ออะไรได้บ้าง พวกเขามีโซลูชันแล้วจึงไปหาปัญหาเพื่อที่จะได้พูดได้ว่าพวกเขาใช้ AI
สาเหตุหลักของความล้มเหลวในโครงการ AI
- ปัญหาความพร้อมของข้อมูล: ข้อมูลที่กระจัดกระจาย ไม่สอดคล้องกัน หรือเข้าถึงไม่ได้
- แนวทางที่เริ่มจากโซลูชันก่อน: มองหาปัญหาที่จะแก้ไขด้วย AI แทนที่จะใช้ AI มาแก้ไขปัญหาที่มีอยู่แล้ว
- กลยุทธ์การขยายขนาดที่ไม่ดี: ไม่มีแผนงานสำหรับการขยายขนาดเกินกว่าโปรแกรมนำร่อง
- ช่องว่างในการกำกับดูแล: ขาดนโยบายที่ชัดเจนเกี่ยวกับความเสี่ยง การปฏิบัติตามกฎระเบียบ และความรับผิดชอบ
- ความท้าทายในการบูรณาการ: ความยากลำบากในการนำ AI เข้ามาผสานกับขั้นตอนการทำงานที่มีอยู่
ปัญหาข้อมูลสร้างอุปสรรคที่มีราคาแพง
โครงการ AI หลายโครงการล้มเหลวก่อนที่จะเริ่มต้นเนื่องจากการจัดการข้อมูลที่ไม่ดี องค์กรมักจะค้นพบว่าข้อมูลของพวกเขากระจัดกระจายอยู่ในระบบต่างๆ มีคุณภาพไม่สม่ำเสมอ หรือเข้าถึงไม่ได้ในระดับที่จำเป็นสำหรับการใช้งาน AI นี่เป็นปัญหาโดยเฉพาะสำหรับบริษัทที่ต้องจัดการกับข้อมูลการดำเนินงานจำนวนมากเช่น network logs และ system metrics
ชุมชนได้สังเกตว่าโมเดลภาษาแบบดั้งเดิมไม่ได้ถูกออกแบบมาเพื่อจัดการกับกระแสข้อมูลทางเทคนิคจำนวนมหาศาลที่หลายธุรกิจสร้างขึ้น หากไม่มีรากฐานข้อมูลที่สะอาดและบูรณาการ แม้แต่โมเดล AI ที่ซับซ้อนที่สุดก็ไม่สามารถส่งมอบคุณค่าได้
ปัญหาการสร้างประวัติ
ปัญหาสำคัญที่ขับเคลื่อนความล้มเหลวของโครงการ AI คือแรงจูงใจเบื้องหลัง โครงการหลายโครงการถูกเปิดตัวไม่ใช่เพื่อแก้ปัญหาทางธุรกิจ แต่เพื่อช่วยให้ผู้จัดการเพิ่มประสบการณ์ AI ในประวัติของพวกเขา สิ่งนี้สร้างวงจรที่โครงการถูกออกแบบเพื่อความก้าวหน้าส่วนบุคคลมากกว่าผลประโยชน์ขององค์กร
ชุมชนเทคโนโลยีได้สังเกตเห็นรูปแบบนี้มาก่อนกับ blockchain, big data, cloud computing และ microservices แต่ละคลื่นเทคโนโลยีดึงดูดบุคคลที่มุ่งเน้นอาชีพซึ่งผลักดันให้มีการนำมาใช้โดยไม่คำนึงถึงความต้องการทางธุรกิจที่แท้จริง มักนำไปสู่ความล้มเหลวที่มีราคาแพงซึ่งถูกเก็บไว้อย่างเงียบๆ
ปัจจัยแห่งความสำเร็จสำหรับการนำ AI มาใช้งาน
- เริ่มต้นด้วยผลลัพธ์ทางธุรกิจที่ชัดเจนและปัญหาที่ต้องแก้ไข
- วางแผนสำหรับการยอมรับของผู้ใช้ การฝึกอบรม และการจัดการการเปลี่ยนแปลงตั้งแต่วันแรก
- ลงทุนในความพร้อมและคุณภาพของข้อมูลก่อนที่จะนำโซลูชัน AI มาใช้
- ร่วมมือกับผู้ขายที่มีประสบการณ์แทนที่จะสร้างทุกอย่างภายในองค์กร
- มอง AI เป็นความสามารถทางธุรกิจมากกว่าการทดลองทางเทคโนโลยี
สิ่งที่ได้ผลจริง
เปอร์เซ็นต์เล็กๆ ของการนำ AI มาใช้ที่ประสบความสำเร็จมีลักษณะร่วมกัน พวกเขาเริ่มต้นด้วยปัญหาทางธุรกิจที่ชัดเจนมากกว่าโซลูชันเทคโนโลยี พวกเขาวางแผนสำหรับการยอมรับของผู้ใช้ตั้งแต่วันแรก รวมถึงการฝึกอบรมและการบูรณาการเวิร์กโฟลว์ สิ่งสำคัญที่สุดคือพวกเขาปฏิบัติต่อ AI เป็นเครื่องมือทางธุรกิจมากกว่าการทดลองทางวิทยาศาสตร์
องค์กรที่ประสบความสำเร็จยังมีแนวโน้มที่จะเป็นพันธมิตรกับผู้ขายที่มีประสบการณ์มากกว่าพยายามสร้างทุกอย่างภายใน สิ่งนี้ช่วยให้พวกเขามุ่งเน้นไปที่ธุรกิจหลักของตนในขณะที่ใช้ประโยชน์จากแพลตฟอร์ม AI และความเชี่ยวชาญที่พิสูจน์แล้ว
การศึกษาจาก MIT ทำหน้าที่เป็นสัญญาณเตือนสำหรับธุรกิจที่รีบเร่งเข้าสู่การนำ AI มาใช้ ในขณะที่เทคโนโลยีเองยังคงพัฒนาอย่างรวดเร็ว ความพร้อมขององค์กรยังคงเป็นอุปสรรคที่ใหญ่ที่สุดต่อความสำเร็จ บริษัทที่แก้ไขปัญหาพื้นฐานเช่นคุณภาพข้อมูล วัตถุประสงค์ที่ชัดเจน และการจัดการการเปลี่ยนแปลงที่เหมาะสมจะมีตำแหน่งที่ดีกว่าในการเข้าร่วม 5% ที่ประสบความสำเร็จมากกว่าการสูญเสียทรัพยากรกับการทดลองที่ล้มเหลว