专家：AI项目失败与AI关系不大！ 供应商故意误解了人工智能的高失败率。虽然失败确实会发生，但这通常是因为管理层在不知道技术能做什么或如何工作的情况下设定了目标。 AI界面显示提示错误警告和系统警报。AI提示失败可能会导致错误的输出或幻觉。管理AI提示错误对于安全的AI部署至关重要。大量关于人工智能项目失败的报告表明，生成人工智能（genAI）和代理人工智能尚未准备好供企业使用。尽管这是事实，但企业人工智能项目的失败很少是因为算法和模型的错误。通常情况下，管理层根本不了解这项技术。 让我们来定义失败。在大多数关于人工智能在POC中表现不佳的报告中，问题显然不是这项技术不起作用。业务失败只是当决策者设定的初始目标和目的没有实现时。 让我们把这个人工智能问题放在传统制造业问题的背景下。如果一家建筑公司需要将50吨泥土从工地转移到20公里外的地方怎么办？它没有支付推土机和合适的卡车的费用，而是购买并向所有工人供应球锤。很快，该项目就会被视为失败，因为没有泥土被转移到新地点。工人们失败了吗？锤子出故障了吗？还是管理层应该受到指责，因为它迫使他们使用了一个荒谬错误的工具？或者，如果该项目涉及将9000公里外的泥土运往海外，而管理层只允许使用卡车呢？ genAI最大的数据问题是缺乏可靠性。这来自各种因素，从幻觉到糟糕的训练数据、糟糕的微调、误解的查询、措辞糟糕的查询、缺乏适当的数据权重（低质量的来源与高质量的来源具有相同的可信度）和其他因素。但了解这些现实的人仍然可以从技术中获得大量有用的信息。它只需要独立验证。我用genAI工具解决数学问题，但我总是用传统的计算器来验证答案。我也将把它用于研究，但只是作为一个指针。每一个细节都必须经过核实。想想投资者电话记录。你可以使用genAI来查找陈述，但你仍然需要在高可靠性的网站上找到原始音频的副本，并听段落以验证转录是否正确。 这就是为什么自主代理如此成问题。他们的部署要求比技术本身更高的信任度。 一些公司正在让人类参与进来。只要行政人员是现实和合理的，这是一个很好的概念。对于熟练人员来说，预期的任务和工作量是否合理？AI优缺点 AI行业内幕
