La gran mayoría (80%) de los proyectos basados en IA fracasan, lo que supone el doble de la tasa de fracaso normal para las propuestas de tecnología que no son de IA, según afirma una nueva investigación.
Un estudio que realizó Corporación RAND Un estudio reciente encontró que solo el 14% de las organizaciones se sentían completamente preparadas para adoptar la IA, aunque el 84% de los líderes empresariales informaron que creían que la tecnología tendría un impacto significativo en sus organizaciones.
La principal razón del fracaso del proyecto se identificó como la falta de comprensión y comunicación entre las partes interesadas y el personal técnico sobre la intención y el objetivo del proyecto. Esto significa que los gerentes a menudo no dan a los equipos el tiempo y los recursos necesarios, y es importante garantizar que los líderes y los equipos técnicos tengan los mismos objetivos.
síndrome de urraca
No tener los datos para entrenar adecuadamente el modelo de IA fue otro problema para los nuevos proyectos: la falta de inversión en infraestructura para respaldar la gobernanza de datos y la implementación del modelo significó que los proyectos de IA tardaran más y no fueran tan efectivos.
Esto se hace eco de lo que pasó antes. Investigación de Lenovolo que reveló preocupaciones sobre la potencia computacional y los recursos de datos necesarios para entrenar los modelos.
Otra dificultad que a menudo encontraban los nuevos proyectos era estar demasiado ansiosos por aprovechar la última y brillante tecnología en lugar de centrarse en resolver problemas reales para los usuarios. Experimentar con nuevas tecnologías ayuda a impulsar el desarrollo, pero con demasiada frecuencia estas tecnologías se utilizan simplemente porque sí, en lugar de cuando son más adecuadas. Los investigadores explican que los proyectos exitosos no se distraen con los últimos avances en inteligencia artificial, sino que se centran en el problema a resolver.
Finalmente, y tal vez no sea sorprendente, el informe encontró una tendencia a sobreestimar las capacidades de la propia inteligencia artificial. Aunque la inversión se ha multiplicado por 18 desde 2013, no es una solución universal para automatizar todas las tareas y la tecnología aún presenta limitaciones importantes. Comprender las capacidades de los modelos es fundamental para el éxito.
Con una presión tan tremenda para utilizar la IA en una variedad de industrias, las empresas deben tener en cuenta que la IA es una inversión como cualquier otra y conlleva serios riesgos si no se comprende completamente o no se gestiona adecuadamente.