我要投稿

GenAI部署：成功率与ROI为何双下滑？

发布日期：2024-11-16 10:53:54 浏览次数： 1761 来源：勇敢姐飙AI

当下，企业纷纷投入巨资，期望通过AI项目实现运营效率的提升、客户体验的优化以及新收入来源的开拓。AI的潜力无限，从自动化日常任务到预测市场趋势，再到开发个性化产品和服务，AI技术被寄予厚望，以引领企业走向智能化的未来。

然而，一个不容忽视的现实是，多数经验服务商提供的年度报告显示，成功部署AI项目的概率仅为大约一半。这一统计数据引发了业界的广泛关注和深思。核心问题在于，尽管AI技术被广泛认为是企业转型的关键，但为何其成功部署的概率却如此之低？本文将深入探讨这一问题，分析导致AI项目部署成功率不高的具体原因，并探讨如何在当前的技术环境下提高成功率和投资回报率（ROI）。

01 GenAI落地不容乐观

1.1 成功率和ROI双低

根据数据服务商Appen的报告，2021年平均有55.5%的人工智能项目得以部署，而到了2024年这一数字降至47.4%。这表明随着GenAI的发展，部署AI项目的成功率有所下降。获得“有意义”投资回报率（ROI）的人工智能项目比例也从2021年的56.7%下降到2024年的47.3%。这些数据揭示了一个严峻的现实：尽管AI技术被广泛认为是企业转型的关键，但其成功部署的概率仅为大约一半。

此外，现今的人工智能部署结果好坏参半，能够从基于人工智能的商业模式中获得实际投资回报率（ROI）的公司比例较低。

1.2 部署周期超一年

具体来看，AI项目的部署成功率和ROI呈现下降趋势。例如，IBM全球人工智能采用指数（IBM Global AI Adoption Index 2022）显示，尽管35%的公司报告称目前在其业务中使用人工智能，另有42%的公司表示他们正在探索人工智能，但超过76%的高管不确定如何在12-18个月内实现目标。此外，32%的高管表示，引入人工智能系统所花的时间比预期的要长。这些数据表明，AI项目的部署不仅成功率低，而且往往难以在预期时间内实现预期的ROI。

1.3 企业AI应用现状不容乐观

AI项目部署成功率低的现状对企业产生了深远的影响。

首先，它导致了资源的浪费，企业在AI项目上的投资未能转化为预期的收益。

其次，低成功率影响了企业对AI技术的信心，可能会减缓企业在AI领域的进一步探索和投资。

此外，频繁的失败可能会导致企业内部对于AI项目的抵触情绪，增加推动AI项目的难度。

最后，低成功率可能会影响企业在市场中的竞争力，因为无法有效利用AI技术来提升产品和服务的竞争力。因此，理解和解决AI项目部署成功率低的问题对于企业来说至关重要。

02 AI部署成功率低的具体原因

2.1 数据质量与隐私问题

数据质量对AI项目成功的影响：数据是AI项目的基石，数据质量直接关系到模型训练的效果和最终的业务成果。根据兰德智库的行业报告，许多AI项目失败是因为组织缺乏必要的数据来充分训练有效的AI模型。数据不一致、重复、隐私和安全问题都会影响数据治理，进而影响AI项目的成功。数据整理和预处理工作占据了项目的大量时间，有时可达到50%至80%，这直接影响了项目的效率和成功率。
数据隐私法规对AI项目部署的挑战：随着数据隐私法规的加强，如GDPR等，AI项目在处理个人数据时面临更多限制。这些法规要求企业在收集、存储和使用数据时必须遵守严格的规定，否则可能面临高额罚款。这些合规性要求增加了AI项目的复杂性和成本，有时甚至导致项目无法继续进行。

2.2 技术专长与人才短缺

缺乏技术专长如何阻碍AI项目： AI项目需要数据科学家、工程师和领域专家的共同协作。然而，目前市场上这些专业人才的短缺是一个普遍问题。企业在设计、实施和维护AI系统时，往往因为缺乏必要的技术专长而遇到困难。
AI领域人才短缺的问题： AI领域的人才短缺是一个全球性问题。企业需要通过内部培训、合作伙伴关系和学术界的合作来培养AI人才。同时，鼓励员工参与在线课程和研讨会也是有效的方式。人才短缺不仅延缓了AI项目的进度，也增加了项目失败的风险。

2.3 企业内部协调与文化阻力

企业内部协调一致的难度及其对项目的影响：企业内部协调一致对于AI项目的成功至关重要。如果不同部门或团队之间缺乏有效的沟通和协作，可能会导致项目目标不明确、资源分配不合理，甚至出现重复劳动，这些都会增加项目失败的风险。
企业文化对AI项目接受度的影响：企业文化对于AI项目的接受度有着深远的影响。如果企业文化不支持创新和变革，员工可能会对AI项目持怀疑态度，不愿意采纳新的工作方式，这会直接影响AI项目的实施效果。

2.4 预算与投资分配

预算重新分配对其他领域的影响： AI项目通常需要大量的资金投入，这可能导致企业需要从其他领域重新分配预算。这种重新分配可能会影响其他项目和部门的运作，从而对整个企业的运营产生连锁反应。
实施GenAI的成本问题，特别是许可费用：实施GenAI的成本问题，尤其是许可费用，正逐渐成为一个备受关注的问题。麦肯锡的分析报告显示，ChatGPT-3每次查询的成本比谷歌搜索高15倍，若一年里每秒10万次查询计算，总成本将超过1000亿美元。这种高昂的成本使得许多企业在考虑部署GenAI时需要更加谨慎，同时也在寻找降低成本的方法。

03 目前可以积极作为的解决办法

3.1 数据管理与合规性

加强数据管理和合规性的策略：为了提高AI项目的成功率，企业需要构建全面的数据治理框架，覆盖数据收集、处理、存储、使用和销毁的各个环节，确保数据全生命周期的妥善管理。此外，采用数据加密、访问控制、安全审计等技术手段，保护数据免受未授权访问和滥用，确保AI系统的安全性。同时，遵循相关法律法规、制定数据使用政策和标准，确保AI应用合法合规，避免法律风险。
通过技术手段提高数据质量：企业可以通过技术创新与投入，利用先进的数据加密、隐私保护、数据脱敏技术，提升数据的安全性和合规性。持续跟进新技术发展，将数据治理策略与技术进步相结合，以提高数据质量。

3.2 预算规划与成本控制

合理规划预算和控制AI项目成本：企业应合理规划预算，确保AI项目的资金需求得到满足，同时也要控制成本，避免资源浪费。通过技术创新降低成本，例如，采用开源模型和优化算法，减少对昂贵硬件的依赖。
通过技术创新降低成本：技术创新是降低AI项目成本的关键。企业可以通过采用开源模型、优化算法和提高计算效率来降低成本。此外，企业还可以通过与技术供应商合作，共享研发成本，实现成本效益最大化。

3.3 人才培养与合作

通过教育和培训提升技术专长：企业应加大对人力资源团队的培训力度，使其掌握AI技术的基本知识和操作技能，以便更好地应用AI技术优化组织结构。此外，高校应结合自身的发展优势，在有意向合作的科技企业中选择口碑好、行业认可度高、具有发展前景的企业，共同制定人才培养目标，即复合型IT人才。
与高校、研究机构的合作：企业可以与高校、研究机构等外部机构合作，共同开发AI技术在人力资源管理中的应用，以推动企业组织结构的优化升级。这种合作模式可以帮助企业获取最新的研究成果和人才资源，同时也为学生提供实践机会，实现双赢。

3.4 组织结构与文化建设

改善企业内部协调的组织结构：企业应利用AI技术提高决策效率，促进扁平化管理，优化资源配置，提升员工满意度。通过建立数据驱动的人力资源管理体系，企业可以更好地了解员工的工作状态和能力，从而做出更科学的决策。
培养支持AI项目的企业文化：企业需要培养一种积极拥抱AI技术的企业文化，通过集成企业级ChatAI SDK，展示了如何有效地将AI技术与企业文化结合，提高沟通效率，促进员工之间的互动。企业应定期评估AI技术对企业文化的影响，并根据反馈不断优化工具的使用，确保其真正服务于企业发展与员工增长。

04 AI技术发展趋势对成功部署的影响

AI技术的最新进展对AI项目部署的成功率产生了显著影响，这些进展不仅包括算法和模型的创新，还涉及到硬件加速、云服务和工具的开发。

大模型的标准化和预训练功能：大模型通过实现标准化AI研发，具备预训练和精调等功能，显著降低了AI开发的门槛，实现了低成本和高效率。这种标准化和预训练功能使得企业能够更快地部署AI模型，提高了项目的成功率。
云服务和机器学习即服务（MLaaS）：云服务提供商提供的机器学习即服务（MLaaS）使得企业能够轻松访问并在应用程序中使用预训练的AI模型和框架。MLaaS通过简化模型的创建和部署，降低了组织发挥AI潜力的门槛，从而提高了AI项目的部署成功率。
英伟达的AI芯片和软件生态：英伟达推出的新一代AI芯片Blackwell及其软件，提供了现有Hopper系列20倍的AI计算能力，并推出了NIM软件用于简化AI模型的部署和运行。这些工具和硬件的进步使得AI模型的部署更加高效，降低了部署难度，提高了项目的成功率。
一站式AI产品私有化解决方案：百度AI开放平台提供的一站式AI产品私有化解决方案，支持AI产品私有化申请、制作、部署、运维的全生命周期管理。这种解决方案通过提供丰富的AI模型仓库和容器化应用服务，大幅提升了机器资源利用率，简化了部署流程，降低了AI部署的难度。
低门槛AI部署工具FastDeploy： FastDeploy工具针对产业落地场景中的重要AI模型，在不同的硬件环境下，支持开发者下载已经预编译好的多种SDK，简单几步即可完成AI模型的部署，大幅降低部署难度和时间成本。这种工具的开发和应用，使得AI部署更加快速和便捷，提高了项目的成功率。
华为云昇腾AI云服务：华为云昇腾AI云服务提供的澎湃算力，支持大模型的预训练在线推理，支撑千万用户在线使用。这种服务不仅提升了可靠性与性能，降低了成本，还打造了训推一体资源底座，支撑了大规模的AI应用，提高了AI项目的部署成功率。

综上所述，AI技术的最新进展通过提供更强大的硬件支持、简化的云服务、预训练模型和低门槛的部署工具，显著降低了AI部署的难度，提高了AI项目的成功率。随着技术的不断进步，这些工具和服务将继续优化，进一步推动AI项目的广泛部署和应用。

结语

面对不断变化的AI技术发展趋势，企业必须灵活调整策略，以提高AI项目的成功率和投资回报率（ROI）。

可能会有一种尴尬的情况存在，老的技术解决方案还在部署实施的路上，新的低成本解决方案已经出现了。而之前的一切，可能要推倒重来。

53AI，企业落地应用大模型首选服务商

产品：大模型应用平台+智能体定制开发+落地咨询服务

承诺：先做场景POC验证，看到效果再签署服务协议。零风险落地应用大模型，已交付160+中大型企业

160+中大型企业正在使用53AI

立即咨询预约演示

百度智能云邀53AI：共创AI新纪元，启航智能新时代

2024-05-27

钉钉恒星计划：53AI与百余位企业家及钉钉生态伙伴，共议“AI 浪潮下的新机遇”

2024-05-22

热点资讯

太爽了！o1 现在可以天天享用了

2024-09-18

FP8 低精度训练：Transformer Engine 简析

2024-07-11

万字综述 10+ 种 LLM 投机采样推理加速方案

2024-07-11

微调神器LLaMA-Factory官方保姆级教程来了，从环境搭建到模型训练评估全覆盖

2024-07-09

通义千问超越GPT4了？

2024-06-11

深度剖析：字节跳动大模型训练被实习生“投毒”事件

2024-10-20

Qwen2大模型微调入门实战-命名实体识别（NER）任务

2024-07-23

基于 Qwen2 大模型微调技术详细教程（LoRA 参数高效微调和 SwanLab 可视化监控）

2024-07-20

彻底理解系列之：FP32、FP16、TF32、BF16、混合精度

2024-07-26

DifySandbox 的构建背景和实现机制

2024-07-12

大家都在问

字节ReFT技术：OpenAI强化微调的幕后功臣？

2024-12-09

OpenAI最新推出的RFT是什么？

2024-12-07

LLM Quantization ：理解 LLM 中模型大小？

2024-12-06

企业部署生成式 AI，五个最大的挑战是什么？

2024-12-05

如何生成Function Calling微调数据？

2024-12-02

打造自己的RAG解析大模型：如何进行版面分析模型的训练？

2024-11-26

Ollama与vLLM部署对比：哪个更合适？

2024-11-25

LLM实践系列-聊聊大模型STF的数据清洗过程有多繁琐？

2024-11-18

开箱即用的企业大模型应用平台

工作+AI

业务+AI

AIx业务

大模型咨询

大模型定制

相关资讯