Một nghiên cứu gần đây của MIT đã tiết lộ thực tế đáng buồn về trí tuệ nhân tạo trong kinh doanh: 95% các dự án thí điểm AI doanh nghiệp thất bại trong việc mang lại kết quả có thể đo lường được. Thống kê này đã gây ra cuộc thảo luận sôi nổi trong cộng đồng công nghệ, với nhiều người chia sẻ kinh nghiệm của riêng họ khi chứng kiến các dự án AI đầy hứa hẹn sụp đổ bất chấp những khoản đầu tư đáng kể.
Thống kê thất bại dự án AI
- 95% các dự án AI thí điểm của doanh nghiệp thất bại trong việc mang lại tác động kinh doanh có thể đo lường được (nghiên cứu của MIT)
- Tỷ lệ người dùng tiếp tục sử dụng có thể giảm từ 80% xuống 11% trong vòng 4 tháng đối với các công cụ AI được triển khai kém
- Các giải pháp thay thế thành công có thể chỉ tốn 70 USD mỗi tháng cho mỗi người dùng so với 450.000 USD cho các triển khai thất bại
Vấn Đề Thực Sự Không Phải Là Công Nghệ
Sự thất bại của các sáng kiến AI hiếm khi xuất phát từ những hạn chế kỹ thuật. Thay vào đó, các tổ chức đang mắc những sai lầm cơ bản trong cách họ tiếp cận các dự án này. Các cuộc thảo luận cộng đồng tiết lộ một mô hình trong đó các giám đốc điều hành ra lệnh áp dụng AI mà không có mục tiêu rõ ràng, dẫn đến những thí nghiệm đắt đỏ không giải quyết được vấn đề thực sự nào.
Một câu chuyện đặc biệt có ý nghĩa mô tả một công ty đã chi 450.000 đô la Mỹ trong 18 tháng cho một công cụ AI bắt đầu với 80% người dùng áp dụng nhưng giảm xuống chỉ còn 11% trong vòng bốn tháng. Cùng tổ chức đó sau đó đã tìm thấy thành công với một công cụ đơn giản hơn có chi phí 70 đô la Mỹ mỗi tháng cho mỗi người dùng, đạt được 90% tỷ lệ giữ chân sau sáu tháng. Sự khác biệt đáng kể này làm nổi bật cách tiếp cận sai có thể lãng phí nguồn lực khổng lồ trong khi giải pháp đúng có thể có giá cả bất ngờ phải chăng.
Mọi cuộc họp dự án mà tôi đã tham dự đều bắt đầu với một giám đốc điều hành không có kiến thức kỹ thuật hỏi, chúng ta có thể sử dụng AI cho việc gì? Họ có một giải pháp và đi tìm vấn đề để có thể nói rằng họ đang sử dụng AI.
Các Nguyên Nhân Phổ Biến Khiến Dự Án AI Thất Bại
- Vấn đề về độ sẵn sàng của dữ liệu: dữ liệu bị phân mảnh, không nhất quán hoặc không thể truy cập được
- Cách tiếp cận ưu tiên giải pháp: tìm kiếm vấn đề để giải quyết bằng AI thay vì sử dụng AI để giải quyết các vấn đề hiện có
- Chiến lược mở rộng quy mô kém: không có lộ trình để mở rộng ra ngoài các chương trình thí điểm
- Khoảng trống trong quản trị: thiếu các chính sách rõ ràng về rủi ro, tuân thủ và trách nhiệm giải trình
- Thách thức tích hợp: khó khăn trong việc đưa AI vào các quy trình làm việc hiện có
Vấn Đề Dữ Liệu Tạo Ra Những Rào Cản Đắt Đỏ
Nhiều dự án AI thất bại trước khi chúng thậm chí bắt đầu do quản lý dữ liệu kém. Các tổ chức thường phát hiện thông tin của họ bị phân tán trên các hệ thống khác nhau, không nhất quán về chất lượng, hoặc đơn giản là không thể truy cập ở quy mô cần thiết cho các ứng dụng AI. Điều này đặc biệt có vấn đề đối với các công ty xử lý khối lượng lớn dữ liệu vận hành như nhật ký mạng và số liệu hệ thống.
Cộng đồng đã lưu ý rằng các mô hình ngôn ngữ truyền thống không được thiết kế để xử lý các luồng dữ liệu kỹ thuật khổng lồ mà nhiều doanh nghiệp tạo ra. Không có nền tảng dữ liệu sạch, tích hợp, ngay cả những mô hình AI tinh vi nhất cũng không thể mang lại giá trị.
Vấn Đề Xây Dựng Hồ Sơ
Một vấn đề quan trọng thúc đẩy thất bại dự án AI là động lực đằng sau chúng. Nhiều sáng kiến được khởi động không phải để giải quyết vấn đề kinh doanh, mà để giúp các nhà quản lý thêm kinh nghiệm AI vào hồ sơ của họ. Điều này tạo ra một chu kỳ trong đó các dự án được thiết kế nhiều hơn cho sự thăng tiến cá nhân hơn là lợi ích tổ chức.
Cộng đồng công nghệ đã quan sát thấy mô hình này trước đây với blockchain, big data, điện toán đám mây và microservices. Mỗi làn sóng công nghệ thu hút những cá nhân tập trung vào sự nghiệp, những người thúc đẩy việc áp dụng bất kể nhu cầu kinh doanh thực tế, thường dẫn đến những thất bại đắt đỏ bị gác lại một cách lặng lẽ.
Các Yếu Tố Thành Công Cho Việc Triển Khai AI
- Bắt đầu với các kết quả kinh doanh rõ ràng và các vấn đề cần giải quyết
- Lập kế hoạch cho việc người dùng chấp nhận, đào tạo và quản lý thay đổi ngay từ ngày đầu tiên
- Đầu tư vào sự sẵn sàng và chất lượng dữ liệu trước khi triển khai các giải pháp AI
- Hợp tác với các nhà cung cấp có kinh nghiệm thay vì tự xây dựng mọi thứ nội bộ
- Coi AI như một khả năng kinh doanh chứ không phải là một thí nghiệm công nghệ
Điều Gì Thực Sự Hiệu Quả
Tỷ lệ nhỏ các triển khai AI thành công có những đặc điểm chung. Họ bắt đầu với các vấn đề kinh doanh rõ ràng hơn là các giải pháp công nghệ. Họ lập kế hoạch cho việc áp dụng của người dùng ngay từ ngày đầu tiên, bao gồm đào tạo và tích hợp quy trình làm việc. Quan trọng nhất, họ coi AI như một công cụ kinh doanh hơn là một thí nghiệm khoa học.
Các tổ chức thành công cũng có xu hướng hợp tác với các nhà cung cấp có kinh nghiệm hơn là cố gắng xây dựng mọi thứ nội bộ. Điều này cho phép họ tập trung vào kinh doanh cốt lõi của mình trong khi tận dụng các nền tảng và chuyên môn AI đã được chứng minh.
Nghiên cứu của MIT đóng vai trò như một lời cảnh báo cho các doanh nghiệp đang vội vã áp dụng AI. Trong khi bản thân công nghệ tiếp tục phát triển nhanh chóng, sự sẵn sàng của tổ chức vẫn là rào cản lớn nhất đối với thành công. Các công ty giải quyết những vấn đề cơ bản như chất lượng dữ liệu, mục tiêu rõ ràng và quản lý thay đổi phù hợp sẽ được định vị tốt hơn để tham gia vào 5% thành công hơn là lãng phí nguồn lực vào các thí nghiệm thất bại.