贴纸冲击：企业对人工智能的幻想是否越来越幻灭？

首席分析师和作者警告说，企业正在认识到他们还没有为大规模人工智能部署做好准备。

人工智能 (AI) 已经取得了非凡的成就——至少在较小的范围内，如个人助理、机器人和移动设备中所体现的那样。然而，对于大型企业项目，目前还没有定论。高管和专业人士可能会意识到他们对人工智能的希望可能比计划的更复杂。人工智能技术越来越昂贵，企业还没有做好准备，投资回报率（ROI）仍然是一个很大的问号。

这是 David Linthicum 发出的警告，他是一位备受推崇的分析师，他确实写了一本关于企业集成、云和许多其他内容的书。但现在他对人工智能项目的成功并不乐观——至少现在是这样。他认为企业人工智能购买的“低迷”即将到来，因为企业意识到现实并不符合炒作，并陷入幻灭的低谷。然而，一两年后将会出现可靠的人工智能用例和实施，更贴近业务。

Linthicum 解释说，企业对人工智能幻灭的原因有四个：

• 撞上“数据墙”：企业遇到的主要问题是“不是因为生成式人工智能技术不好，而是因为他们的数据不好，”他解释道。挑战是“没有简单的解决办法，你必须停止正在做的事情，返回并修复你的数据。对于许多这样的组织来说，这个特定的问题在过去一段时间里还没有得到解决[此外]，这是一笔巨大的开支和风险，必须有人参加董事会会议并告诉他们我们将花费 3000 万美元来修复我们的数据，然后才能进入。那些是人工智能。进行艰难的对话。”
• 财务费用冲击：构建、实施和维持人工智能需要比云或移动等之前的技术浪潮更多的资源。 “这些东西非常昂贵，”他说。 “它们的成本至少是传统环境的两到三倍，它们需要 GPU 等专用处理器，它们需要大量资源，它们需要大量基于生态系统的组件，它们需要训练数据，即数据调整、模型训练、模型调整，以及人工智能带来的所有事情。”
• 缺乏战略方向：“企业需要更好地进行规划，”Linthicum 表示。 “在从事新一代人工智能项目之前不了解数据的状态，[这]不是正确的方法。它正在战略性地考虑您的数据需要如何与您对这项新技术的利用保持一致。”
• 缺乏技能：人工智能的成功需要训练有素的人员——“我不是在谈论围绕学习某个云提供商的人工智能平台进行的认证培训，”Linthicum 说。 “我说的是理解架构、理解数据科学、理解人工智能伦理、理解模型调整、理解性能基准测试和理解合成数据。”这“与传统的软件开发非常不同”。

没有任何历史性的技术能够与支持人工智能所需的努力相提并论，“这将更加复杂，更加昂贵，”林西库姆详细介绍道。

这需要“清理和管理他们的数据，获得他们需要的技能，进行战略规划，规划用例，并规划投资回报率。”然后，“您将达到使用人工智能作为业务战略差异化因素的状态。您能够做竞争对手做不到的事情 - 提供更好的客户体验、更高的生产力、更低的价格以及更好的效率。”