如今，人工智能(AI)已經廣泛應用于人力資源、供應鏈、多層次營銷等各個領域。很多企業在數據科學家身上投入了大量資金，以引領數據團隊實現業務增長。風險和混亂都是人工智能項目失敗的常見原因和主要因素。這是因為替換已經熟悉工作流程的員工是一個非常困難的決定。資金、培訓、時間的投入是很多企業不容易接受的一大風險。

[[276304]]

即使在選擇了人工智能之后，由于缺乏合適的數據，問題也沒有得到解決，算法無法正確處理不好的數據。所以，企業團隊的很多時間都被浪費了。此外，人工智能并不是一個單一的過程或技術，而技術熟練的員工需要更高薪酬，但如果企業預算不多，那么在沒有人工智能專家的情況下，客戶就不會對企業的人工智能服務感興趣。這些是大多數移動應用開發公司中人工智能失敗的常見原因。

人工智能是一個能夠規劃、學習、推理、解決問題、知識表達、感知、運動、操作的系統。它在某種程度上也可能具有社會智力和創造力。如今，人工智能能夠推薦購買物品，檢測信用卡欺詐，甚至識別圖片中的人臉。到目前為止，人工智能分為兩類：狹義人工智能和通用人工智能。狹義人工智能的例子可以是蘋果的Siri或微軟的Cortana，而通用人工智能的例子可以是電影《終結者》中的Skynet(之后尚未成為現實)。在未來幾年，人工智能可能會撰寫論文，駕駛車輛，甚至實施手術。

人工智能在實施的各個項目中都取得了巨大的成功。某些數據咨詢公司還將人工智能集成到他們的項目中，這將有助于廣告和媒體機構進一步開展他們的活動。然而，人們一致認為，并非所有實施人工智能的公司都取得了成功。高達85%的人表示人工智能并不成功。一些調查顯示，這些障礙來自于高層管理人員的阻力，以及未能給他們留下深刻印象。管理層首先看到的是投資回報。這是一個很大的障礙。有時看起來很好的項目往往會遇到麻煩。

來自Dimensional Research的一份報告指出，10個人工智能項目中有8個失敗了，而96%的項目在數據質量、數據標簽和建立模型信心方面遇到了問題。作為這一失敗的另一個例子，來自Facebook、Amazon、微軟和Adobe等公司的代表都選擇使用名為神經機器翻譯的人工智能工具，因為它能夠非常快速地以72種語言使內容實現本地化。23%的人表示正在使用該技術(以及該工具)。

這些項目失敗的部分原因可能是：

1.干擾

2.溝通障礙

3.開始之前就失敗

4. 缺乏數據專業人才

5.內部人才/軟件

6. 害怕失業

7. 簡單開始

1.干擾：在人工智能項目的實施時，往往會出現一些干擾，例如提出“我們可以實施另一個項目，其成本也要低得多”等問題，如果企業更加關注項目的投資回報率(ROI)，那么需要怎么辦?確保企業第一個基于人工智能的項目是面向業務的，實現了關鍵績效指標，并且與組織的愿景和使命聲明保持一致。相信這樣一個項目的成功對企業都有很大的意義。

2.溝通障礙：當數據科學家使用技術術語與其企業管理層溝通時，這個障礙必然會顯現出來。企業管理層與數據科學家在項目的溝通中，管理層更加關注企業管理，數據科學家并不能通過人工智能技術打動他們，告訴他們業務將如何發展。此外，企業的優先事項必須與其項目保持一致。管理層會很高興聽到這些內容，并且提供更多機會。

3.開始之前就失敗：人們會遇到一些可能不想做的事情，但它可以有利于項目的開展。想象一下，一家企業在一個項目上花了大量的資金或精力，而在實施之后，其客戶卻表示這不是他想要的結果，那么將注定失敗。所以，在真正開始其項目之前，企業需要準備一些輸出和報告，可以向其客戶展示，并讓他們認同看到的內容。即使客戶可能不認同，企業也沒有太大損失。而企業現在知道客戶想要什么的結果，因此可以從客戶的需求開始。

4.缺乏數據專業人才：組織通常更愿意給新手、畢業生或幾乎沒有任何工作經驗的員工機會。其原因很簡單，可以節省成本，但這是很大的錯誤。他們實際上在是浪費資金。沒有經驗的員工會找一些沒有完成項目(甚至沒有開始)的借口。該組織需要的是開發過一些人工智能項目的豐富經驗的專業人才，并將其提交給一些客戶。

5.內部人才/軟件：在企業內部培養人才是一個不錯的選擇，但如果每次使用相同的人才，如何確保內部人才掌握新的知識。內部人才是否與其他技術社區有著更多的交流?如果沒有交流，企業需要從外部使用開發人員。

6. 害怕失業：雖然人工智能可以給組織帶來巨大的變化和利潤，但對于那些不了解的人員來說，人工智能可以做工作人員可以做的事情。從執行物理任務到做出邏輯決策，人工智能可以處理所有事情。這在其高級的階段可能會對實施組織的員工構成威脅。因此，可能會有人阻礙人工智能的實施，否則他們將會失去工作。

7. 簡單開始：在缺乏簡單規則實現的情況下，企業的人工智能項目將毫無價值。有傳言說，復雜的項目會取得成功，但過于復雜的項目會耗費很多時間。所以，項目應該以一種簡單的方式開始。

此外，上述原因項目也可能由于預期與項目在實際時間范圍內的實際情況不一致而失敗。盡管人工智能技術有很多光環，但某些情況也可能會出錯。例如，優步公司試點運營的自動駕駛車輛在撞人時遇到了問題，可以提到人工智能算法或程序沒有正確編碼。在其他情況下，它可能是作為人工智能的某些查詢的答案而提供的不正確數據。

人工智能系統失敗的另一個原因可能是不完整的數據集。每當人工智能系統需要接管時，必須對所有問題進行訓練，并將其答案存在于數據集中。如果在培訓期間數據集不完整，人工智能將無法實時響應情況。

此外，算法可能會出錯。這是因為它們是由一些開發人員開發的。開發算法的人員很可能偏向某個特定的門派。在工作選擇過程中，如果算法偏向某個特定部門，招聘公司可能會找不到合適的候選人。

有時傳感器的錯誤可能導致人工智能出現問題。在這種情況下，人工智能將保持原始狀態(完全回滾)。需要對人工智能系統進行全面培訓，以了解可能遇到的任何情況。請記住，如果開發人員在設計上偷工減料，或者缺少正確的信息，都必然會導致失敗。