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
|
1月前
|
人工智能 关系型数据库 分布式数据库
拥抱Data+AI|“全球第一”雅迪如何实现智能营销?DMS+PolarDB注入数据新活力
针对雅迪“云销通App”的需求与痛点,本文将介绍阿里云瑶池数据库DMS+PolarDB for AI提供的一站式Data+AI解决方案,助力销售人员高效用数,全面提升销售管理效率。
|
1月前
|
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。
63 6
|
12天前
|
机器学习/深度学习 人工智能 自然语言处理
MMAudio:开源 AI 音频合成项目,根据视频或文本生成同步的音频
MMAudio 是一个基于多模态联合训练的高质量 AI 音频合成项目,能够根据视频内容或文本描述生成同步的音频。该项目适用于影视制作、游戏开发、虚拟现实等多种场景,提升用户体验。
58 7
MMAudio:开源 AI 音频合成项目,根据视频或文本生成同步的音频
|
15天前
|
机器学习/深度学习 人工智能 PyTorch
【AI系统】数据并行
数据并行是一种在分布式AI系统中广泛应用的技术,通过将数据集划分成多个子集并在不同计算节点上并行处理,以提高计算效率和速度。在大规模机器学习和深度学习训练中,数据并行可以显著加快模型训练速度,减少训练时间,提升模型性能。每个计算节点接收完整的模型副本,但处理不同的数据子集,从而分摊计算任务,提高处理速度和效率。数据并行按同步方式可分为同步数据并行和异步数据并行,按实现方式包括数据并行、分布式数据并行、完全分片的数据并行等。其中,分布式数据并行(DDP)是当前应用最广泛的并行算法之一,通过高效的梯度聚合和参数同步机制,确保模型一致性,适用于大型NPU集群和AI系统。
73 7
【AI系统】数据并行
|
20天前
|
存储 人工智能 数据库
Codel:AI代理工具,支持在终端、浏览器、编辑器执行复杂任务和项目
Codel是一款全自主AI代理工具,支持在终端、浏览器和编辑器中执行复杂任务和项目。它运行在沙盒化的Docker环境中,具备自主操作能力,内置浏览器和文本编辑器,所有操作记录存储于PostgreSQL数据库。Codel能够自动完成复杂任务,如创建项目结构、进行网络搜索等,适用于自动化编程、研究与开发、教育与培训以及数据科学与分析等多个领域。
57 11
Codel:AI代理工具,支持在终端、浏览器、编辑器执行复杂任务和项目
|
1月前
|
人工智能 物联网 Shell
今日 AI 开源|共 12 项|开源的DIY健康追踪项目,基于低成本的智能戒指构建私人的健康监测应用
本文介绍了多个开源项目,涵盖了从量子计算错误纠正到视频生成和编辑的广泛应用领域。这些项目展示了AI技术在不同领域的创新和应用潜力。
173 10
今日 AI 开源|共 12 项|开源的DIY健康追踪项目,基于低成本的智能戒指构建私人的健康监测应用
|
20天前
|
人工智能 自然语言处理 数据挖掘
田渊栋团队新作祭出Agent-as-a-Judge!AI智能体自我审判,成本暴跌97%
田渊栋团队提出Agent-as-a-Judge框架,利用智能体自身评估其他智能体的性能,不仅关注最终结果,还能提供中间反馈,更全面准确地反映智能体的真实能力。该框架在DevAI基准测试中表现出色,成本效益显著,为智能体的自我改进提供了有力支持。
36 7
|
1月前
|
人工智能 算法 BI
聚焦AI与BI融合,引领数智化新潮流 | 【瓴羊数据荟】瓴羊数据Meet Up城市行第一站完美收官!
当BI遇见AI,洞见变得触手可及 —— 瓴羊「数据荟」数据Meet Up城市行·杭州站启幕,欢迎参与。
417 5
聚焦AI与BI融合,引领数智化新潮流 | 【瓴羊数据荟】瓴羊数据Meet Up城市行第一站完美收官!
|
25天前
|
存储 人工智能 编译器
【AI系统】昇腾数据布局转换
华为昇腾NPU采用独特的NC1HWC0五维数据格式,旨在优化AI处理器的矩阵乘法运算和访存效率。此格式通过将C维度分割为C1份C0,适应达芬奇架构的高效计算需求,支持FP16和INT8数据类型。此外,昇腾还引入了NZ分形格式,进一步提升数据搬运和矩阵计算效率。AI编译器通过智能布局转换,确保在不同硬件上达到最优性能。
49 3
|
25天前
|
存储 人工智能 缓存
官宣开源 阿里云与清华大学共建AI大模型推理项目Mooncake
近日,清华大学和研究组织9#AISoft,联合以阿里云为代表的多家企业和研究机构,正式开源大模型资源池化项目 Mooncake。