AI项目高昂成本与数据问题阻碍进展,2025年前30%的GenAI项目或将搁浅

简介: AI项目高昂成本与数据问题阻碍进展,2025年前30%的GenAI项目或将搁浅

本文来源:企业网D1net


尽管GenAI被视为颠覆性技术,但高昂的前期投资、数据质量问题和不明确的项目目标使得许多AI项目难以实现预期成果。Gartner和Deloitte的最新报告指出,至少30%的GenAI项目将在2025年底前被搁置,企业在证明和实现这些项目的价值上面临巨大挑战。此外,数据隐私、安全问题以及技术基础设施的缺乏也是项目失败的主要原因,然而,尽管存在这些挑战,企业仍然在加大对GenAI的投入,期待从中获得长期的收益。


最新报告显示,高成本、数据问题和目标不明确是导致AI项目失败的主要原因。


尽管AI有望变革各行各业,但随着成本上升和风险增加,许多AI项目陷入困境,多份近期报告强调了这一点。


根据Gartner的一份新报告,至少30%的GenAI项目将在2025年底前在概念验证阶段被放弃,企业在这些项目上投入了500万到2000万美元的前期资金,却“难以证明和实现价值”。

Deloitte的另一份报告得出了类似的结果,在接受调查的2770家公司中,70%表示他们的GenAI实验只有30%或更少进入了生产阶段,准备不足和与数据相关的问题被认为是这一低成功率的原因。


AI项目的整体前景并不乐观,智库RAND的研究发现,尽管私营部门在AI上的投资从2013年到2022年增加了18倍,但超过80%的AI项目失败,失败率是不涉及AI的企业IT项目的两倍。

资金支持与项目完成率的差距可能是导致“NVIDIA、Meta、Alphabet、Microsoft、Amazon、Tesla和Apple”这七大科技公司上月在五天内损失1.3万亿美元市值的原因之一。


GenAI项目需要高额的初期投资,才能实现效益


Gartner估计,使用GenAI API(允许开发人员将GenAI模型集成到其应用程序中的接口)的前期成本可能高达20万美元,每位用户每年还需额外支付550美元,此外,构建或微调自定义模型的成本在500万到2000万美元之间,每位用户每年还需支付8000到21000美元不等。


根据自动化软件提供商ABBYY的一份报告,全球IT领导者去年在AI上的平均投资为87.9万美元,尽管三分之一的受访者表示他们对这些高昂成本感到担忧,但几乎所有(96%)的受访者表示,他们将在明年增加这方面的投资。


Gartner的分析师写道,GenAI“要求在财务投资上有更高的容忍度,更多考虑未来的间接回报,而不是立竿见影的投资回报”,而“许多首席财务官对此并不放心”。


但对于AI项目投资回报率(ROI)的担忧不仅限于首席财务官,全球最大科技公司的投资者最近也表达了对他们投资回报的质疑,Goldman Sachs的股票分析师Jim Covello在6月的一份报告中写道:“尽管这项技术价格昂贵,但它还远未达到可以实用的程度。”


此外,Alphabet和Google的市值在8月份出现下跌,因为它们的收入未能抵消在AI基础设施上的投资。


GenAI项目失败的其他原因


企业GenAI项目未能成功启动的主要原因之一是:准备不足。


在Deloitte的调查中,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做好了充分准备——这两者都是将AI项目扩展到能够实现效益的基本要素。RAND的研究也发现,许多企业没有“足够的基础设施来管理其数据和部署完成的AI模型”。


只有约五分之一的Deloitte受访者表示,他们在“人才”和“风险与治理”方面做好了准备,许多企业因此积极招聘或提高AI伦理相关岗位的技能。

数据质量是GenAI项目顺利完成的另一个障碍。


Deloitte的研究发现,55%的企业由于与数据相关的问题(如数据敏感性或隐私和安全方面的担忧)而避开了某些GenAI用例。RAND的研究也强调,许多企业没有必要的数据来训练有效的模型。


通过与65位数据科学家和工程师的访谈,RAND的分析师发现,AI项目失败的根本原因在于缺乏对其承诺解决问题的明确认识。行业利益相关者往往误解或错误传达了这个问题,或者选择了一个过于复杂而无法用现有技术解决的问题。企业可能更专注于使用“最新最好的技术”,而不是实际解决手头的问题。


Deloitte还指出,其他可能导致GenAI项目失败的原因包括AI的固有风险——如幻觉、偏见、隐私问题——以及跟上像《欧盟AI法案》这样的新法规的挑战。


企业依然坚定地推进新的GenAI项目


尽管成功率较低,但据彭博社报道,截至目前,66%的美国CIO正在部署GenAI助手,相较于去年12月的32%。主要的应用场景是聊天机器人代理,如客户服务应用程序。

在同一时期,受访者表示他们正在训练基础模型的比例也从26%上升到40%。


RAND的报告提供了证据,表明企业并未因为挑战而减少对GenAI的投入。根据一项调查,58%的中型企业已经将至少一个AI模型投入生产。


Gartner指出,推动企业持续坚持使用GenAI的动力来源于其对收入节省和生产力提升的实际影响,与此同时,Deloitte的调查显示,三分之二的企业表示,他们正在增加投资,因为他们已经看到了早期的显著价值。


然而,ABBYY的研究发现,63%的全球IT领导者担心,如果他们的公司不使用GenAI,将会被其他竞争对手抛在后面。


甚至有证据表明,GenAI正在成为一种分心因素。根据IBM的报告,47%的技术领导者认为公司IT部门在提供基本服务方面的表现有效性下降了,自2013年以来下降了22%。研究人员认为,这与企业将注意力转向GenAI有关,因为43%的技术高管表示,GenAI在过去六个月内增加了他们对基础设施的担忧。


Gartner副总裁分析师Rita Sallam表示:“这些数据为评估GenAI业务模型创新所带来的商业价值提供了宝贵的参考依据。


“但重要的是要承认,估算这些价值存在一定挑战,因为收益往往因公司、用例、角色和员工群体的不同而有所差异。通常,影响可能不会立即显现,可能需要时间才能体现出来,然而,这种延迟并不意味着潜在利益的减少。”


版权声明:本文为企业网D1net编译,转载需在文章开头注明出处为:企业网D1net,如果不注明出处,企业网D1net将保留追究其法律责任的权利。


相关文章
|
19天前
|
存储 人工智能 Cloud Native
云栖重磅|从数据到智能:Data+AI驱动的云原生数据库
在9月20日2024云栖大会上,阿里云智能集团副总裁,数据库产品事业部负责人,ACM、CCF、IEEE会士(Fellow)李飞飞发表《从数据到智能:Data+AI驱动的云原生数据库》主题演讲。他表示,数据是生成式AI的核心资产,大模型时代的数据管理系统需具备多模处理和实时分析能力。阿里云瑶池将数据+AI全面融合,构建一站式多模数据管理平台,以数据驱动决策与创新,为用户提供像“搭积木”一样易用、好用、高可用的使用体验。
云栖重磅|从数据到智能:Data+AI驱动的云原生数据库
|
18天前
|
机器学习/深度学习 人工智能 算法
整合海量公共数据,谷歌开源AI统计学专家DataGemma
【10月更文挑战第28天】谷歌近期开源了DataGemma,一款AI统计学专家工具,旨在帮助用户轻松整合和利用海量公共数据。DataGemma不仅提供便捷的数据访问和处理功能,还具备强大的数据分析能力,支持描述性统计、回归分析和聚类分析等。其开源性质和广泛的数据来源使其成为AI研究和应用的重要工具,有助于加速研究进展和推动数据共享。
45 6
|
19天前
|
存储 人工智能 调度
阿里云吴结生:高性能计算持续创新,响应数据+AI时代的多元化负载需求
在数字化转型的大潮中,每家公司都在积极探索如何利用数据驱动业务增长,而AI技术的快速发展更是加速了这一进程。
|
10天前
|
人工智能 自然语言处理 关系型数据库
从数据到智能,一站式带你了解 Data+AI 精选解决方案、特惠权益
从 Data+AI 精选解决方案、特惠权益等,一站式带你了解阿里云瑶池数据库经典的AI产品服务与实践。
|
13天前
|
存储 人工智能 大数据
阿里云吴结生:高性能计算持续创新,响应数据+AI时代的多元化负载需求
在数字化转型的大潮中,每家公司都在积极探索如何利用数据驱动业务增长,而AI技术的快速发展更是加速了这一进程。
|
15天前
|
存储 人工智能 文字识别
AI与OCR:数字档案馆图像扫描与文字识别技术实现与项目案例
本文介绍了纸质档案数字化的技术流程,包括高精度扫描、图像预处理、自动边界检测与切割、文字与图片分离抽取、档案识别与文本提取,以及识别结果的自动保存。通过去噪、增强对比度、校正倾斜等预处理技术,提高图像质量,确保OCR识别的准确性。平台还支持多字体识别、批量处理和结构化存储,实现了高效、准确的档案数字化。具体应用案例显示,该技术在江西省某地质资料档案馆中显著提升了档案管理的效率和质量。
|
19天前
|
关系型数据库 分布式数据库 数据库
云栖大会|从数据到决策:AI时代数据库如何实现高效数据管理?
在2024云栖大会「海量数据的高效存储与管理」专场,阿里云瑶池讲师团携手AMD、FunPlus、太美医疗科技、中石化、平安科技以及小赢科技、迅雷集团的资深技术专家深入分享了阿里云在OLTP方向的最新技术进展和行业最佳实践。
|
23天前
|
人工智能 安全 网络安全
揭秘!大模型私有化部署的全方位安全攻略与优化秘籍,让你的AI项目稳如磐石,数据安全无忧!
【10月更文挑战第24天】本文探讨了大模型私有化部署的安全性考量与优化策略,涵盖数据安全、防火墙配置、性能优化、容器化部署、模型更新和数据备份等方面,提供了实用的示例代码,旨在为企业提供全面的技术参考。
67 6
|
24天前
|
人工智能 分布式计算 数据可视化
大模型私有化部署全攻略:硬件需求、数据隐私、可解释性与维护成本挑战及解决方案详解,附示例代码助你轻松实现企业内部AI应用
【10月更文挑战第23天】随着人工智能技术的发展,企业越来越关注大模型的私有化部署。本文详细探讨了硬件资源需求、数据隐私保护、模型可解释性、模型更新和维护等方面的挑战及解决方案,并提供了示例代码,帮助企业高效、安全地实现大模型的内部部署。
54 1
|
24天前
|
人工智能 分布式计算 数据可视化
大模型私有化部署全攻略:硬件需求、数据隐私、可解释性与维护成本挑战及解决方案详解,附示例代码助你轻松实现企业内部AI应用
【10月更文挑战第23天】随着人工智能技术的发展,大模型在各领域的应用日益广泛。然而,将其私有化部署到企业内部面临诸多挑战,如硬件资源需求高、数据隐私保护、模型可解释性差、更新维护成本高等。本文探讨了这些挑战,并提出了优化硬件配置、数据加密、可视化工具、自动化更新机制等解决方案,帮助企业顺利实现大模型的私有化部署。
54 1

热门文章

最新文章

下一篇
无影云桌面