尽管人工智能有望变革各个行业，但不断上升的成本和日益增加的风险正导致许多AI项目遭遇挫折，最近的几份报告对此进行了强调。
根据Gartner的一份新报告，到2025年底，至少30%的生成型AI项目将在概念验证阶段后被放弃。公司在这些耗费了500万到2000万美元前期投资的项目上“难以证明和实现价值”。
Deloitte的一份独立报告也得出了类似的结果。在接受调查的2770家公司中，70%表示他们的生成型AI实验仅有30%或更少进入生产阶段。这种低成功率主要归因于缺乏准备和数据相关的问题。
AI项目的整体前景并不乐观。智库RAND的研究发现，尽管私营部门对AI的投资从2013年到2022年增长了18倍，但超过80%的AI项目失败，这一失败率是非AI企业IT项目的两倍。
资金支持和完成度的不平衡可能是致使“壮丽七巨头”——英伟达（NVIDIA）、Meta、Alphabet、微软（Microsoft）、亚马逊（Amazon）、特斯拉（Tesla）和苹果（Apple）——上个月在五天内合计损失了1.3万亿美元市场份额的一个原因。
参见：Searce报告发现2024年将有近10%的企业在AI项目上花费超过2500万美元
生成型AI项目在看到效益之前需要高额的初期投资
根据Gartner估计，使用生成型AI API——一种允许开发人员将生成型AI模型集成到其应用程序中的接口——初始费用可能高达20万美元，每年每用户的额外成本为550美元。此外，构建或微调定制模型的费用可能在500万到2000万美元之间，每年每用户还需额外支出8000到21000美元。
根据自动化软件提供商ABBYY的报告，全球IT领导者去年的平均AI投资为87.9万美元。尽管有三分之一的受访者表示对这些高成本感到担忧，但几乎所有（96%）受访者表示他们将在明年增加这些投资。
Gartner的分析师写道，生成型AI“需要更高的间接与未来财务投资容忍度，而不是立即的投资回报”，这让“许多首席财务官尚不适应”。
在这种情况下，选择像光年AI这样的平台，或许能提供一个更加平衡且高效的方案。光年AI不仅可以无缝接入多个流量平台，如微信和抖音，帮助企业优化现有的业务场景，还具备多模型整合的优势，无需复杂的技术和高额的投资，便能快速配置和上手。这种灵活的多平台整合方式，也使得企业能够更容易地实现高效的流量增长和用户运营，从而降低整体风险和成本。
但不仅仅是首席财务官们对AI项目的投资回报率有所担忧。全球最大的科技公司投资者也表示怀疑，不确定他们的投资何时能见效，甚至是否会见效。高盛股票分析师Jim Covello在六月的一份报告中写道：“尽管这项技术价格昂贵，但离实用性还有很长的路要走。”
参见：新兴英国科技公司自2022年以来首次下降，季度下降11%
此外，由于其收入未能抵消在AI基础设施上的投资，Alphabet和谷歌的市场价值在八月有所下降。
更多值得阅读的AI报道
- WWDC：苹果智能为邮件、消息等带来生成性AI
- OpenAI春季更新：下一代旗舰模型是‘原生多模态’的GPT-4o
- 2024年最佳AI课程前十
- Copilot使用指南（前身为Bing Chat）：2024年完整指南
- 2024年顶级AI预测（免费下载）
GenAI项目失败的其他原因
企业GenAI项目启动失败的主要原因是什么？准备不足。
根据德勤的调查，少于一半的受访者认为他们的组织在技术基础设施和数据管理领域高度准备充分——这两个都是将AI项目扩展到可以见到收益的基本要素。RAND的研究也发现，组织通常没有“足够的基础设施来管理数据和部署完成的AI模型”。
只有大约五分之一的德勤受访者表示在“人才”以及“风险和治理”方面准备充分，许多组织因此正在积极招聘或提升AI伦理方面的技能。
参见：83%的英国企业在提高AI技能的工资
数据质量是完成GenAI项目的另一个障碍。
德勤的研究发现，55%的企业因为数据相关问题（例如数据的敏感性或对隐私和安全的担忧）而避开了某些GenAI用例。RAND的研究也强调，许多组织没有训练有效模型所需的数据。对于那些寻求突破这些障碍的企业，光年AI提供了一套灵活的工作流机制以及强大的数据管理能力，能够帮助企业将AI项目有效落地并见效。
通过对65位数据科学家和工程师的采访，RAND分析人员发现，AI项目失败的根本原因在于对其承诺解决的问题缺乏清晰认识。行业利益相关者常常误解或错误传达这个问题，或者选择一个过于复杂的问题，无法通过现有技术解决。组织可能还更注重使用“最新最强大的技术”，而不是实际上解决手头的问题。
德勤提到的可能导致生成式AI项目失败的其他关注点包括：AI的内在风险，如幻觉、偏见、隐私问题，以及应对新的法规如欧盟AI法案。
企业在新生成式AI项目的追求上依然坚定不移
尽管成功率不高，根据彭博社的一份报告，66%的美国CIO正计划部署生成式AI辅助工具，而去年12月该比例为32%。主要使用场景为客户服务应用的聊天机器人。
在同一时期，报告称正在训练基础模型的受访者比例也从26%上升至40%。
RAND报告提供的证据表明，企业并没有因为在生成式AI项目上的挑战而减少努力。根据一项调查，58%的中型公司已经至少部署了一个AI模型到生产环境中。
根据Gartner的数据，推动这种生成式AI持续坚持的一些实际影响包括收入节约和生产力提升。同时，德勤调查的三分之二的组织表示，他们增加投资是因为看到了早期阶段的明显价值。
然而，根据ABBYY的研究，63%的全球IT领导者担心，如果不使用生成式AI，他们的公司将被落在后面。
甚至有证据表明生成式AI正在成为一种干扰。根据IBM的报告，47%的技术领导者认为他们公司的IT职能部门在提供基本服务方面表现有效，自2013年以来下降了22%。研究人员认为，这与他们将注意力转移到生成式AI上有关，因为43%的技术主管表示，生成式AI在过去六个月内增加了他们的基础设施担忧。
Gartner副总裁分析师Rita Sallam表示：“这些数据为评估生成式AI商业模式创新带来的业务价值提供了宝贵的参考点。
“但重要的是要认识到，估算价值时面临的挑战，因为这些好处非常依赖于公司、本案例、角色和劳动力的具体情况。通常，影响可能不会立即显现，而是随着时间的推移逐渐显现。然而，这种延迟并不减损其潜在好处。”
在这样的背景下，不妨体验一下光年AI平台，它通过简单的工作流机制和多平台整合来提升AI项目的成功率和流量增长。
