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 移动开发 JavaScript
如何用uniapp打包桌面客户端exe包,vue或者uni项目如何打包桌面客户端之electron开发-优雅草央千澈以开源蜻蜓AI工具为例子演示完整教程-开源代码附上
如何用uniapp打包桌面客户端exe包,vue或者uni项目如何打包桌面客户端之electron开发-优雅草央千澈以开源蜻蜓AI工具为例子演示完整教程-开源代码附上
156 18
|
8天前
|
人工智能 算法 计算机视觉
【01】opencv项目实践第一步opencv是什么-opencv项目实践-opencv完整入门以及项目实践介绍-opencv以土壤和水滴分离的项目实践-人工智能AI项目优雅草卓伊凡
【01】opencv项目实践第一步opencv是什么-opencv项目实践-opencv完整入门以及项目实践介绍-opencv以土壤和水滴分离的项目实践-人工智能AI项目优雅草卓伊凡
92 61
【01】opencv项目实践第一步opencv是什么-opencv项目实践-opencv完整入门以及项目实践介绍-opencv以土壤和水滴分离的项目实践-人工智能AI项目优雅草卓伊凡
|
21天前
|
数据采集 SQL 人工智能
瓴羊Dataphin:AI驱动的数据治理——千里之行,始于标准 |【瓴羊数据荟】数据MeetUp第三期
数据标准是数据治理的核心抓手,通过梳理数据标准可以有效提升数据质量。瓴羊Dataphin平台利用AI技术简化数据治理流程,实现自动化的数据标准建立、质量规则构建和特征识别,助力企业在大模型时代高效治理数据,推动数据真正为业务服务。
293 28
瓴羊Dataphin:AI驱动的数据治理——千里之行,始于标准 |【瓴羊数据荟】数据MeetUp第三期
|
21天前
|
人工智能 数据处理 语音技术
Pipecat实战:5步快速构建语音与AI整合项目,创建你的第一个多模态语音 AI 助手
Pipecat 是一个开源的 Python 框架,专注于构建语音和多模态对话代理,支持与多种 AI 服务集成,提供实时处理能力,适用于语音助手、企业服务等场景。
79 23
Pipecat实战:5步快速构建语音与AI整合项目,创建你的第一个多模态语音 AI 助手
|
2月前
|
人工智能 安全 DataX
【瓴羊数据荟】 Data x AI :大模型时代的数据治理创新实践 | 瓴羊数据Meet Up城市行第三期
第三期瓴羊数据Meetup 将于2025年1月3日在线上与大家见面,共同探讨AI时代的数据治理实践。
111 10
【瓴羊数据荟】 Data x  AI :大模型时代的数据治理创新实践 | 瓴羊数据Meet Up城市行第三期
|
24天前
|
人工智能 安全 Dubbo
Spring AI 智能体通过 MCP 集成本地文件数据
MCP 作为一款开放协议,直接规范了应用程序如何向 LLM 提供上下文。MCP 就像是面向 AI 应用程序的 USB-C 端口,正如 USB-C 提供了一种将设备连接到各种外围设备和配件的标准化方式一样,MCP 提供了一个将 AI 模型连接到不同数据源和工具的标准化方法。
|
24天前
|
传感器 机器学习/深度学习 人工智能
智能电网巡检与传感器数据AI自动分析
智能电网设备巡检与传感器数据分析利用AI技术实现自动化分析和预警。通过信息抽取、OCR技术和机器学习,系统可高效处理巡检报告和实时数据,生成精准报告并提供故障预判和早期识别。AI系统24小时监控设备状态,实时发出异常警报,确保设备正常运行,提升运维效率和可靠性。
|
2月前
|
存储 人工智能 人机交互
PC Agent:开源 AI 电脑智能体,自动收集人机交互数据,模拟认知过程实现办公自动化
PC Agent 是上海交通大学与 GAIR 实验室联合推出的智能 AI 系统,能够模拟人类认知过程,自动化执行复杂的数字任务,如组织研究材料、起草报告等,展现了卓越的数据效率和实际应用潜力。
192 1
PC Agent:开源 AI 电脑智能体,自动收集人机交互数据,模拟认知过程实现办公自动化
|
29天前
|
传感器 机器学习/深度学习 人工智能
技术分享:智能电网巡检与传感器数据自动分析——AI助力设备状态实时监控与故障预警
这篇文章介绍了AI在智能电网巡检与传感器数据分析中的应用,通过信息抽取、OCR识别和机器学习等技术,实现设备状态监控和故障预警的自动化。AI系统能够高效处理巡检报告和传感器数据,精准识别设备故障并实时预警,显著提升了电网运营的安全性和可靠性。随着AI技术的发展,其在智能电网管理中的作用将日益重要。
|
1月前
|
存储 数据采集 算法
构建AI数据管道:从数据到洞察的高效之旅最佳实践
本文探讨了大模型从数据处理、模型训练到推理的全流程解决方案,特别强调数据、算法和算力三大要素。在数据处理方面,介绍了多模态数据的高效清洗与存储优化;模型训练中,重点解决了大规模数据集和CheckPoint的高效管理;推理部分则通过P2P分布式加载等技术提升效率。案例展示了如何在云平台上实现高性能、低成本的数据处理与模型训练,确保业务场景下的最优表现。

热门文章

最新文章