【AI】AIプロジェクトが失敗する理由とその修正方法

企業が「AI戦略の実装に失敗する5つの主な理由」と「これらの落とし穴を回避するために企業ができること」について解説。

①技術的パフォーマンス

失敗理由

大規模パフォーマンスに対する考慮が不十分である場合、テスト中にはうまく機能しているように見えるが、ビジネス全体ではすぐに使用できなくなるAIシステムが作成されてしまう。

解決策

本番環境に近い環境で、可能な限り頻繁にスケールアップおよびテストするためのコンピューティング要件を正確に把握しておく必要がある。

②データの信憑性とデータ量

失敗理由

データベース定義が間違っていると、スケーリングされたAI動作テストシステムが簡単に使用できなくなる可能性がある。

解決策

AI構築のためのデータトレーニングに必要なプロセスの理解に基づいて、データアーキテクチャを決定する必要がある。

③ビジネスプロセスと人

失敗理由

AI実装には、それを実装するスタッフのトレーニングとサポート能力が必要。

解決策

AIイニシアチブの前に、人間のスタッフや顧客にどのような影響を与えるかについて考慮しておく必要がある。

④予期しない動作

失敗理由

テスト時に現れなかったビジネス上の問題をサポートすることは非常に困難。

解決策

AIソリューションサービス中断を最小限に抑えるために、一時的な停止機能を設けるなど、不測の事態に対象できるようにしておく必要がある。

⑤データのセキュリティとガバナンス

失敗理由

AIは新しい脆弱性をもたらし、確立されたサイバーセキュリティソリューションにも新しいリスクをもたらす。

解決策

AIを導入する前に、リスクベースの実装アプローチを開発し、弱点を特定して適切に強化する必要がある。

以上、下記URLからの要約
https://www.eweek.com/big-data-and-analytics/reasons-why-ai-projects-fail-and-how-to-fix-them