Глобальное исследование Altair «Frictionless AI Global Survey Report 2023» раскрывает проблемы, связанные с проектами по искусственному интеллекту и данным, сообщает портал Datanami.
Исследование показало высокий уровень внедрения и реализации стратегий в области данных и ИИ. А также выявило, что проекты срываются из-за трех типов трений: организационных, технологических и финансовых.
«Сегодня организации признают необходимость использования своих данных в качестве стратегического актива для создания конкурентных преимуществ, — сказал Джеймс Р. Скапа, основатель и генеральный директор Altair. — Однако, очевидно, существуют точки трения, связанные с людьми, технологиями и инвестициями, которые мешают организациям получить основанные на данных знания, необходимые для достижения результатов».
Опрос показал, что незанятые должности в области науки о данных являются причиной организационных трений. 75% респондентов сообщили о трудностях в поиске достаточного количества талантливых специалистов в области науки о данных. Еще 35% сообщили, что грамотность в области ИИ среди большинства сотрудников низка, а 58% заявили, что нехватка талантов и времени, необходимого для повышения квалификации сотрудников, является самой острой проблемой в их стратегии внедрения ИИ.
В результате многие организации испытывают трудности с завершением проектов в области науки о данных. Опрос показал, что за последние два года у 33% респондентов более половины проектов в области науки о данных так и не были доведены до производства, а 55% заявили, что за это же время застопорилось более трети их проектов в области науки о данных. Похоже, что это общая проблема, поскольку 67% опрошенных сообщили, что более четверти проектов так и не дошли до производства.
Технические ограничения — еще один источник трений, которые могут помешать инициативам в области данных и ИИ. Респонденты сообщили, что сталкиваются с медленными обработкой данных и принятием решений, а также с проблемами качества данных. Почти две трети (63%) опрошенных заявили, что их организация склонна усложнять работу с основанными на ИИ инструментами для работы с данными больше, чем это необходимо. Кроме того, 33% назвали устаревшие системы препятствием для развития передовых инициатив в области ИИ и машинного обучения.
Финансовые трудности также являются одним из факторов, тормозящих ИИ-проекты. Так, 25% опрошенных назвали финансовые ограничения негативным фактором, влияющим на инициативы в области ИИ в их организации. Еще 28% отметили, что руководство слишком сосредоточено на первоначальных затратах, чтобы понять, как инвестиции в ИИ/МО принесут пользу их организации, а 33% отметили, что проблемой является высокая стоимость реализации (реальная или предполагаемая).
В ходе исследования также изучались показатели неудач ИИ-проектов, и 42% респондентов признались, что сталкивались с неудачами в области ИИ в течение последних двух лет, а среди этих респондентов средний показатель провалов в их организации составил 36%.
Несмотря на высокий уровень неудач проектов, использование ИИ продолжается в различных отраслях и географических регионах, отмечает Altair. Хотя каждый четвертый респондент заявил, что более 50% проектов ИИ терпят неудачу, организации продолжают использовать ИИ, поскольку считают, что в долгосрочной перспективе у них будет возможность повысить уровень возможностей или услуг (78%), а небольшие успехи демонстрируют потенциал для долгосрочных прорывов (54%).
Исследователи делают вывод, что трения в организационных стратегиях в области данных и ИИ и вокруг них невероятно распространены по всему миру, независимо от отрасли. Организации предпринимают шаги для преодоления этих проблем, но все еще сталкиваются со сложными препятствиями.
«Чтобы достичь того, что мы называем „ИИ без трений“, компании должны перейти на инструменты самообслуживания для анализа данных, которые позволят нетехническим пользователям легко и экономически эффективно работать со сложными технологическими системами и избежать трений, мешающих им двигаться вперед», — сказал Скапа.
