当前位置:首页 > 报告详情

生成式人工智能项目失败的十大原因及补救方法.pdf

上传人: Fl****zo 编号:719204 2025-06-22 19页 11.53MB

1、 2025 Gartner,Inc.and/or its affiliates.All rights reserved.Gartner is a registered trademark of Gartner,Inc.and its affiliates.This presentation,including all supporting materials,is proprietary to Gartner,Inc.and/or its affiliates and is for the sole internal use of the intended recipients.Because

2、 this presentation may contain information that is confidential,proprietary or otherwise legally protected,it may not be further copied,distributed or publicly displayed without the express written permission of Gartner,Inc.or its affiliates.Arun Chandrasekaran生成式人工智能项目失败的十大原因以及补救方法 2025 Gartner公司及/

3、或其关联公司版权所有。Gartner是Gartner公司及其关联公司的注册商标。本文件(包括所有辅助材料)的所有权利归Gartner公司及/或其关联公司专有,仅供Gartner指定的接收方内部使用。本文档可能包含保密、专有或其他受法律保护的信息,未经Gartner公司或其关联公司的明确书面许可,不得对其进行复制、传播或公开展示。2 2025 Gartner,Inc.and/or its affiliates.All rights reserved.RESTRICTED2 2025 Gartner公司及/或其关联公司版权所有。Gartner是Gartner,Inc及其关联公司的注册商标。避免风险

4、可能会带来更大的风险“在我的一生中,我看到过两次令我印象深刻的革命性技术1980年的图形用户界面(GUI)和2022年的各类生成式预训练变换器(GPT)。”微软联合创始人Bill Gates“(AI)投资不足的风险远远大于投资过度的风险。”Alphabet首席执行官Sundar Pichai生成式人工智能是一项划时代的技术3 2025 Gartner,Inc.and/or its affiliates.All rights reserved.Gartner is a registered trademark of Gartner,Inc.and its affiliates.生成式人工智能(G

5、enAI)项目的失败原因和补救措施 2025 Gartner公司及/或其关联公司版权所有。Gartner是Gartner公司及其关联公司的注册商标。4 2025 Gartner,Inc.and/or its affiliates.All rights reserved.RESTRICTED1.GenAI无法提供业务价值2025 Gartner公司及/或其关联公司版权所有。原因:在用例选择和优先级排序方面不够严谨。高估了AI的价值。指标设置不合理或衡量指标缺失。补救行动:平衡业务价值和技术可行性。关注业务指标并对其进行宣传。将GenAI定位为需要持续实验和迭代的项目。选择具有针对性而非通用型用例

6、。5 2025 Gartner,Inc.and/or its affiliates.All rights reserved.RESTRICTED用例选择TriNetTriNet案例研究来源:TriNet采用“双管齐下”的方法确定并管理用例示例为每个用例设立专门的子职能负责人,由其评估团队开展AI项目的资源容量,并确保项目的充分执行。通过以下方式,使AI战略符合特定营销场景需要:审批优先级、项目与资源 审查进展并提供月度反馈管理团队成员:高级市场营销领导层(如首席营销官、传播副总裁、增长营销副总裁)会议频率:每月一次1 1通过以下方式,主导AI用例的确认与执行工作:以子职能评估为基础,规划并调整

word格式文档无特别注明外均可编辑修改,预览文件经过压缩,下载原文更清晰!
三个皮匠报告文库所有资源均是客户上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作商用。
本文概括了生成式人工智能(GenAI)项目失败的十大原因及补救方法。关键点如下: 1. **业务价值不足**:用例选择不严谨,高估AI价值,指标设置不合理。需平衡业务价值与技术可行性,关注业务指标。 2. **单纯依赖GenAI**:所有用例看似适合GenAI,误解其成熟度。应选择合适的AI技术,采用复合方法实施AI。 3. **数据未就绪**:模型采用通用技术,数据质量差。需培训团队整合模型与企业数据,投资于元数据捕获等。 4. **缺少组装式平台架构**:依赖单一供应商,缺乏技术了解。建议构建AI沙盒,采用组装式架构。 5. **负责任的AI考虑不足**:AI缺乏可信度,偏见和毒性问题被忽视。需界定和宣传负责任的AI原则。 6. **数据和AI素养投资不足**:员工未经培训使用GenAI。需开展个性化培训,合作开展职业地图诊断。 7. **变革管理不力**:员工缺乏知识,GenAI未考虑用户需求。需增强用户信心,鼓励员工参与。 8. **技术过时**:模型保质期短,缺乏生命周期管理。需部署ModelOps工具,建立协作关系。 9. **总拥有成本超出预期**:大规模采用成本高昂。需构建稳健架构,部署高效工具,优化成本。 10. **缺少具体AI角色**:技术快速演变,需重塑角色。确保角色创建,寻求多元人才。 总结:GenAI项目成功需关注业务价值,合理选择技术,重视数据准备,构建可靠平台,强调负责任的AI,投资培训,有效管理变革,控制成本,并明确AI角色。
"GenAI项目失败top10原因?" "如何避免AI投资风险?" "提高GenAI项目成功率?"
客服
商务合作
小程序
服务号
折叠