분석 및 AI 프로젝트 실패의 3가지 일반적인 이유

분석 및 AI 프로젝트 실패의 3가지 일반적인 이유

타임 스탬프 : 16 년 2023 월 9 일 오전 32:XNUMX
분석 및 AI 프로젝트가 실패하는 3가지 일반적인 이유 PlatoBlockchain Data Intelligence. 수직 검색. 일체 포함.

advertorial 2023에 따르면 Dataiku 후원 IDC InfoBrief – 조직 데이터에서 더 많은 비즈니스 가치 창출 – “[AI] 채택이 빠르게 확대되고 있지만 프로젝트 실패율은 여전히 ​​높습니다. 전 세계 조직은 성공을 위한 장애물을 해결하고 AI의 힘을 발휘하며 디지털 시대에서 번창하기 위한 비전을 평가해야 합니다.”

분석 및 AI 프로젝트 실패를 극복할 때 가장 중요한 교훈 중 하나는 반복 위반자가 단 한 명도 없다는 것입니다. 비즈니스 팀과 기술 팀 모두에 걸쳐 다양한 AI 프로젝트 실패 지점이 있습니다. 위의 대화형 마이크로사이트는 AI 프로젝트 수명 주기 전반에 걸쳐 가장 일반적인 실패 지점을 시각적으로 표시하고 데이터, 분석 및 IT 리더가 Dataiku를 사용하여 이러한 문제를 신속하게 해결할 수 있는 방법에 대한 솔루션을 공유합니다.

동전의 반대편에서 이 기사는 AI 프로젝트 실패를 부채질하는 가장 일반적인 이유(및 이를 탐색하기 위한 팁)를 다룰 것입니다.

AI 인재 격차(사람!)

AI 확장을 가로막는 두 가지 주요 장애물은 분석 및 AI 기술을 갖춘 사람을 고용하고 좋은 비즈니스 사례를 식별하는 것입니다. 불행히도 수백 또는 수천 명의 데이터 과학자를 고용하는 것은 대부분의 조직에서 현실적이지 않으며 두 가지 문제를 모두 해결할 수 있는 사람(AI 및 비즈니스 기술을 갖춘 사람)은 종종 유니콘이라고 불릴 정도로 매우 드뭅니다. 

실제로 이 두 가지 문제를 한 번에 해결하려면 조직은 다음을 수행해야 합니다. "유니콘 직원을 고용하지 말고 유니콘 팀을 만드십시오." 즉, 데이터 및 도메인 전문가로 구성된 팀을 구성하는 동시에 다음을 목표로 해야 합니다. AI 운영 모델 진화 (동시에 AI 성숙도를 높일 것입니다). 이것은 효과가 있습니다: AI를 성공적으로 확장한 회사의 85%는 학제간 개발 팀을 사용합니다. 하버드 비즈니스 리뷰에 따르면.

IDC의 팁: “지식 근로자 및 업계 전문 지식과 함께 데이터 과학자의 역할을 고려하십시오. 지식 근로자의 역량을 강화하면 가치 실현 시간이 단축될 것입니다.”

AI 거버넌스 및 감독 부족(프로세스!)

이러한 거시 경제 환경에서 팀이 감당할 수 없는 것은 AI 예산을 줄이거나 완전히 삭감하는 것입니다. 이런 일이 발생하게 된 이유는 무엇입니까? 기계 학습 모델을 구축하고 테스트하는 데 너무 많은 시간을 낭비하여 비즈니스를 위한 실질적이고 가시적인 가치(예: 창출된 돈, 절약된 돈 또는 오늘날 수행할 수 없는 새로운 프로세스 구축)를 생성하기 시작하는 프로덕션으로 만들지 않습니다. ).

희소식: 분석 및 AI 팀이 다음과 같은 AI 노력을 안전하게 합리화하고 확장하기 위해 구현할 수 있는 전략과 모범 사례가 있습니다. AI 거버넌스 전략 수립 (MLOps와 같은 운영 요소 및 Responsible AI와 같은 가치 기반 요소 포함).

나쁜 소식: 종종 팀은 배포 전에 이러한 프로세스를 설정하지 않고(많은 복잡한 문제로 이어질 수 있음) 비즈니스 가치를 생성하고 더 이상 사용하지 않는 올바른 프로젝트를 명확하게 진행할 방법이 없습니다. 실적이 저조한 것.

AI 거버넌스는 위험 조정된 가치 제공 및 AI 확장의 효율성에 중점을 두고 규정에 따라 종단 간 모델 관리를 대규모로 제공합니다. 팀은 POC(개념 증명), 셀프 서비스 데이터 이니셔티브 및 산업화된 데이터 제품과 각각을 둘러싼 거버넌스 요구 사항을 구분해야 합니다. 탐색 및 실험을 위한 공간이 필요하지만 팀은 또한 셀프 서비스 프로젝트 또는 POC가 산업화되고 운영화된 솔루션이 되기 위한 자금, 테스트 및 보증을 받아야 하는 시기에 대해 명확한 결정을 내려야 합니다.

IDC의 팁: “데이터 프라이버시, 결정 권한, 책임 및 투명성에 대한 명확한 정책을 수립하십시오. IT와 비즈니스 및 규정 준수 담당자가 공동으로 사전 예방적이고 지속적인 위험 관리 및 거버넌스를 수행합니다.” 

플랫폼 사고 방식을 취하지 않음(기술!)

AI를 대규모로 사용할 수 있도록 팀에서 올바른 기술과 프로세스를 정확히 찾아낼 수 있는 방법은 무엇입니까?

종단간 플랫폼(예: 다테 쿠)는 분석 및 AI 프로젝트 수명 주기의 단계 전체에 응집력을 제공하고 팀이 이러한 단계를 통과할 때 일관된 모양, 느낌 및 접근 방식을 제공합니다. 

현대적인 AI 플랫폼 전략을 수립할 때 데이터 준비에서 생산 중인 기계 학습 모델 모니터링에 이르기까지 모든 것을 위한 올인원 플랫폼의 가치를 고려하는 것이 중요합니다. 반대로 각 구성 요소에 대해 별도의 도구를 구입하는 것은 수명 주기의 여러 영역에 걸쳐 퍼즐의 여러 조각이 있기 때문에 엄청나게 어려울 수 있습니다(아래 그림 참조).

AI 프로그램을 통해 장기적인 문화 변혁 단계에 도달하기 위해서는 처음부터 IT가 개입되어 있는지 확인하는 것이 중요합니다. IT 관리자는 모든 기술의 효과적이고 원활한 롤아웃에 필수적이며 보다 철학적인 관점에서 적절한 거버넌스 및 제어와 균형을 이룬 데이터 액세스 문화를 주입하는 데 중요합니다.

IDC의 팁: “소규모 작업을 처리하기 위해 고유한 솔루션을 구현하는 대신 일관된 경험과 표준화를 지원하는 플랫폼 접근 방식을 수용하십시오. 

앞서 찾고

분석 및 AI 노력을 확장하려면 상당한 시간과 리소스가 필요하므로 절대 원하지 않는 것은 실패입니다. 그러나 동시에 팀이 빠르게 실패하고 학습 내용을 구현할 수 있는 한 실험 중 약간의 건전한 실패는 가치가 있습니다. 기술 향상 및 교육(즉, 비즈니스 실무자를 점점 더 많이 참여시키는 것)에 집중하고, AI 도구 및 기술을 민주화하고, 책임 있는 AI 배포를 보장하기 위해 적절한 보호책을 마련해야 합니다.

AI 프로젝트 실패 해결에 대해 더 자세히 알아보기

이 대화형 비주얼에서 AI 프로젝트 실패의 가장 큰 기술적 이유와 프로젝트 실패를 부추기는 비즈니스 이유에 대한 추가 리소스(및 Dataiku가 두 가지 모두에 어떻게 도움이 되는지)를 알아보세요.

AI 프로젝트가 실패하는 이유는 무엇입니까? 탐구하다 이 대화형 마이크로사이트 드리겠습니다.

다타이쿠 후원.

타임 스탬프 :

더보기 등록