I tassi di fallimento dei progetti di AI superano l'80% - lo studio cita lo scarso riconoscimento dei problemi e l'attenzione alle ultime tendenze tecnologiche tra i problemi principali

Sembra che tutti e la loro zia stiano salendo sul treno dell'IA alla ricerca di margini di profitto gonfiati e di un'immagine di marketing, basti pensare al recente rebrand Ryzen di AMD come esempio principale di questo hype per l'IA. Un recente studio condotto da RAND ha rilevato che questo approccio incentrato sull'IA potrebbe non essere tutto ciò che si crede, con progetti di IA che sembrano fallire con una frequenza doppia rispetto ai normali progetti di sviluppo software.

Durante lo studio, RAND ha intervistato 65 esperti del settore con oltre cinque anni di esperienza nello sviluppo di strumenti di AI e di apprendimento automatico per enti privati e università e ha distillato le loro risposte in cinque ragioni principali per i fallimenti dei progetti AI/ML.

Il fallimento numero uno, secondo lo studio, è stato un fallimento della leadership piuttosto che un fallimento tecnico. I dirigenti non hanno capito quale fosse il problema che stavano cercando di risolvere con l'AI, non hanno comunicato il problema ai team di sviluppo, oppure hanno cercato di applicare l'AI a un problema che non era in grado di risolvere. I responsabili dei progetti erano così concentrati sull'utilizzo degli ultimi e più grandi progressi dell'AI per risolvere i loro problemi, che non hanno notato soluzioni più semplici e più economiche che non utilizzavano l'AI.

Come ha spiegato un intervistato, a volte i suoi team venivano istruiti ad applicare le tecniche di AI a insiemi di dati con una manciata di caratteristiche o modelli dominanti che avrebbero potuto essere rapidamente catturati da alcune semplici regole if-then.

Anche la disponibilità di risorse è stata un punto di fallimento significativo, con la leadership citata come non disposta o incapace di assegnare le risorse necessarie per elaborare i dati necessari e addestrare adeguatamente i sistemi di AI. Ciò si traduce spesso in un progetto sottoconsegnato o in un prodotto incompleto, conseguenza della sottovalutazione della complessità della creazione e dell'addestramento di un sistema di IA.

Allo stesso modo, molti leader avevano aspettative irrealistiche sull'IA, come risultato del recente clamore e delle affermazioni di marketing, che diventa problematico quando i team di sviluppo non sono in grado di consegnare ciò che era stato promesso nei tempi previsti.

Per un'analisi più dettagliata dei dati, delle ragioni del fallimento e delle raccomandazioni dei ricercatori, consulti il rapporto di ricerca di RAND.