MIT報告：企業95%的生成式AI試驗項目失敗

根據麻省理工學院（MIT）最新發布嘅一份報告，企業喺推行生成式人工智能（AI）試驗項目時，面臨極高嘅失敗率，高達95%。呢份報告深入研究咗全球多間公司喺採用生成式AI技術時遇到嘅問題，揭示咗技術部署同實際應用之間存在嘅巨大鴻溝。報告指出，雖然生成式AI喺理論上擁有改變業務運作嘅潛力，但實際上好多企業都喺試驗階段遇到重大障礙，導致項目無法達到預期效果。

報告提到，失敗嘅主要原因包括技術限制、數據質素問題、以及企業內部缺乏足夠嘅專業知識同資源。好多公司喺引入生成式AI時，過分依賴技術供應商提供嘅通用解決方案，但呢啲方案往往未能完全適應公司嘅特定需求。此外，生成式AI需要大量高質素嘅數據進行訓練，但好多企業嘅數據基礎設施未有準備好，導致AI模型產出嘅結果唔夠準確或實用。喺一啲案例中，企業甚至發現AI生成嘅內容同實際業務需求完全脫節，例如生成嘅報告或分析無法滿足管理層嘅期望。

除咗技術問題，企業內部嘅組織文化同管理方式亦係失敗嘅一大因素。報告指出，好多公司嘅高層管理人員對生成式AI嘅期望過高，認為佢可以喺短時間內大幅提升效率同降低成本，但實際上，成功部署AI需要長時間嘅規劃、測試同調整。員工對新技術嘅接受程度亦係一個挑戰，特別係喺缺乏適當培訓嘅情況下，員工往往對AI系統抱有懷疑態度，甚至抗拒使用。

報告仲提到，喺呢95%失敗嘅試驗項目中，有唔少企業因為缺乏清晰嘅策略同目標，導致資源浪費。例如，有啲公司喺未有明確定義AI應用場景嘅情況下，就急於投入大量資金同人力，最終卻因為方向不明確而失敗。相反，報告亦有提到一啲成功案例，呢啲案例通常涉及企業同技術供應商之間嘅緊密合作，以及喺項目初期就設定實際可行嘅目標。

麻省理工嘅研究團隊建議，企業喺推行生成式AI項目之前，應該先進行全面嘅內部評估，確保數據基礎設施同員工技能能夠支持AI技術嘅應用。此外，企業需要採取分階段嘅部署策略，先喺小規模試驗中驗證技術嘅可行性，再逐步擴大應用範圍。報告亦強調咗跨部門合作嘅重要性，特別係技術團隊同業務部門之間嘅協調，以確保AI解決方案能夠真正解決實際業務問題。

總括而言，呢份報告為企業敲響咗警鐘，提醒佢哋喺追求生成式AI嘅潛力時，必須正視技術同組織上嘅挑戰。雖然生成式AI被視為未來商業發展嘅重要驅動力，但目前嘅高失敗率顯示，企業需要更加審慎同有策略地進行技術部署。更多詳情請參閱：MIT報告原文