如何通过AI项目最大化成功和投资回报率：亚当·利伯曼（Adam Lieberman）

最近对2,000名首席执行官的调查显示，只有25％的人认为他们的AI项目已经取得了投资回报率。除此之外，IBM民意调查显示，只有16％的AI项目已扩大了企业的扩展。在某些方面，这些是鲜明的发现，但并不完全令人惊讶。

在金融服务方面，许多组织仍在努力解决旧系统和代码库，为使用AI驱动的技术提供了进一步的并发症，这使得某些人无缝提供高价值的计划更具挑战性。

但这并不意味着组织不应寻求探索AI为竞争对手，挑战者和颠覆者提供的机会。的确，接受调查的首席执行官中有64％的人承认，落后于竞争对手的风险在其潜在价值很明显之前推动了对某些技术的投资。

即使只有四分之一的项目成功，错过显然不是一个选择。但是，通过仔细的计划和实用主义，组织可以做很多事情来确保在较少成功的项目上花费的时间和精力并不徒劳。

设置成功参数

如此众多的AI项目未能提供ROI的原因是，在确定高价值战略计划上，显然仍然缺乏重点。我还怀疑许多项目缺乏明确的目标，并且还没有达到正确的指标，可以对此进行判断。

当任何以技术为主导的计划的目标尚未得到很好的定义时，该项目将缺乏重点和解散。这是一个最早的迹象表明项目不可行，但是，在停止，重组和重新定义目标的过程中也已经足够早了。

为了使任何成功的项目都必须从内部利益相关者和交付团队（从产品所有者，数据科学团队和开发人员到C-Suite）到C-Suite，所有这些项目都必须确保使用用例。这将确保获得适当的投资水平，以确保适当的开发和资源带宽。

随着数据科学家等待使用某些数据集的必要权限，AI项目通常会被放在冰上。这就是为什么对项目的法律和治理许可如此重要的原因，因此这些团队应包括在项目的早期计划阶段中。

以我的经验，AI项目很少被完全放弃，因为总是可以在其他地方重复使用的工作要素来减少返工。有时，这也只是等待高质量数据集可用的时间比预期的要长一点的情况，但是这些项目可以在交付时再次拾取。

失败永远不会持续

实验和失败都是创新的重要要素，对于技术团队来说，通过先进技术来测试和探索可能的艺术很重要。

如今，大多数组织都有内部创新实验室，或者至少有一些新技术实验的津贴。在金融服务中，该实验当然是在安全的测试环境中进行的，尤其是在生成AI用例中。但是，突破界限对于解锁真正的变革性创新至关重要。

在实验方面的重要性是要快速失败 – 这通常意味着要搁置该项目，直到满足某些要求，例如数据访问，法律许可或新工具的可用性。

对于数据科学家而言，项目可能并不总是成功的，但是当他们探索新技术时，他们可能会确定将为他们及其团队提供良好服务的新知识。随着AI的研究和发展每天都在增加，最好暂停一个可能没有正轨的项目，而不是完全放弃它。新的功能和技术一直在出现，它们解锁了新的可能性和用例。随着AI中正在进行的研发水平，解决暂停项目问题的解决方案很可能会在不久的将来可用。

在这方面，时间总是在我们这一边。 IBM调查对AI投资的未来也揭示了更积极的前景。在接受调查的2,000名首席执行官中，有85％的人预计他们在缩放AI效率上的投资和成本节省的投资能够到2027年返回正投资回报率，而有77％的人希望从他们对规模的AI增长和扩张的投资中获得正面回报。有许多因素助长了这种更乐观的观点，尤其是在随后几年中自然会发生的基于AI的技能的预期增长。另一个是AI成熟度和AI-Ready基础设施的上升趋势，肯定会继续下去。

因此，尽管某些组织可能没有发现ROI是他们目前期望的，但这些见解表明，至少在宏观层面上，最初的滞后段定价为技术采用路线图。同时，我的建议是首先在雄心勃勃和定义明确的目标之间建立平衡，然后大胆地实现。