As taxas de fracasso de projetos de IA chegam a 80% - o estudo cita o reconhecimento deficiente de problemas e o foco nas últimas tendências tecnológicas como os principais problemas

Todos e suas tias parecem estar embarcando no trem da IA em busca de margens de lucro inflacionadas e propaganda de marketing - basta olhar para a recente reformulação da marca Ryzen da AMD como um excelente exemplo dessa propaganda da IA. Um estudo recente conduzido pela RAND descobriu que essa abordagem centrada em IA pode não ser tudo o que se diz ser, com projetos de IA aparentemente falhando duas vezes mais do que projetos de desenvolvimento de software comuns.

Durante o estudo, a RAND entrevistou 65 especialistas do setor com mais de cinco anos de experiência no desenvolvimento de ferramentas de IA e de aprendizado de máquina para entidades privadas e acadêmicas e destilou suas respostas em cinco motivos principais para os fracassos dos projetos de IA/ML.

O fracasso número um, de acordo com o estudo, foi uma falha de liderança e não uma falha técnica. Os executivos não conseguiram entender qual era o problema que estavam tentando resolver com a IA, não conseguiram comunicar o problema às equipes de desenvolvimento ou tentaram aplicar a IA a um problema que ela não estava preparada para resolver. Os líderes de projeto estavam tão concentrados em usar os maiores e mais recentes avanços em IA para resolver seus problemas que deixaram passar soluções mais simples e baratas que não usavam IA.

Como explicou um entrevistado, suas equipes às vezes eram instruídas a aplicar técnicas de IA a conjuntos de dados com um punhado de características ou padrões dominantes que poderiam ter sido rapidamente capturados por algumas regras simples do tipo "se-então".

A disponibilidade de recursos também foi um ponto de falha significativo, com a liderança citada como não querendo ou não podendo designar os recursos necessários para processar os dados necessários e treinar adequadamente os sistemas de IA. Isso frequentemente resulta em um projeto com entrega insuficiente ou incompleta - uma consequência da subestimação da complexidade de criar e treinar um sistema de IA.

Da mesma forma, muitos líderes tinham expectativas irrealistas em relação à IA como resultado do hype recente e das declarações de marketing, o que se torna problemático quando as equipes de desenvolvimento não conseguem entregar o que foi prometido no prazo esperado.

Para uma análise mais detalhada dos dados, dos motivos do fracasso e das recomendações dos pesquisadores, consulte o relatório de pesquisa da RAND.