极高的失败率促使许多IT领导者将更多精力集中在具有战略意义和针对性的人工智能项目上，而非开展数十个甚至数百个POC（概念验证）项目。

图源：AlexBuess / Shutterstock

在过去两年里，许多组织启动了数十个人工智能概念验证项目，失败率居高不下，投资回报率也不尽人意。不过，一种新趋势正在兴起，其标志是对“撒网式”的人工智能试验方法进行重大重新评估。

一些IT观察人士发现，如今许多组织正在减少所开展的人工智能概念验证项目数量。一些IT领导者开始转向商业人工智能工具，还有许多人则专注于数量有限的、具有战略意义和针对性的用例。

IT与管理咨询公司AArete负责人工智能、数字和技术解决方案的董事总经理Bhrugu Pange（布鲁古·潘吉）表示，在经历了广泛探索人工智能潜力的阶段后，如今许多公司已将目光聚焦在少数几个用例上。

他说：“我们正看到一个明显的转变，从大量试验转向更具针对性、以结果为导向的人工智能部署。企业不再并行开展数十个概念验证项目，而是优先选择几个能够将人工智能深度融入运营工作流程并产生可衡量成果的用例。”

Pange（潘吉）举例称，阿雷特的一位客户的财务部门将发票处理确定为一个高摩擦的工作流程，随后创建了一个由人工智能驱动的解决方案，其中包括生成式人工智能、自然语言处理和光学字符识别技术。

他补充道：“这项由（财务）部门自身发起的工作，在处理周期和准确性方面带来了可衡量的提升，其表现优于几个缺乏实际运营支撑的并行实验。这种有针对性的方法反映了一种务实的转变：当数据、业务背景和运营紧迫性在企业内几个明确界定的项目中相结合时，人工智能才能发挥最大价值。”

一、大量人工智能概念验证项目的时代正在落幕

2024年4月，IDC的一项调查发现，当时各组织平均开展37个人工智能概念验证项目。但一些人工智能专家认为，这一数字被严重低估了，一些大公司开展的试点项目多达数百个。

Pange（潘吉）说，过去开展数百个概念验证项目的许多组织，如今数量已降至约30个，各个业务部门专注于三到五个实验。

其他观察人士也看到了同样的趋势，尽管他们没有对目前开展的概念验证项目数量下降幅度给出具体估计。数据管理提供商Hitachi Vantara首席人工智能技术官Jason Hardy（杰森·哈迪）表示，即便在2024年7月该公司发布最新的《State of Data Infrastructure Global Report/全球数据基础设施现状报告》时，大多数组织仍开始将人工智能项目视为传统研发项目，并期望在两到三年内获得回报，而非追求快速的投资回报率。

Hardy（哈迪）称，由于公司高管一直坚持要求进行人工智能试验，IT 领导者不得不平衡速度和成本。他还补充道，尽管面临压力，但最近他与客户的几乎每一次交谈都涉及减少概念验证项目数量，开展更具战略性项目的话题。

他说：“虽然快速推进的压力促使许多早期采用者在尚未完全准备好的情况下就部署人工智能，但我们开始看到一些成功的案例，尤其是随着对AI智能体（AI Agent）关注度的增加。”

Hardy（哈迪）表示，如今似乎有更多的IT领导者在抵制因害怕错过机会而带来的压力，人工智能试验的“野蛮西部”时代似乎即将结束。

他说：“虽然通过概念验证和试点来确定可能结果的‘撒网式’方法确实能覆盖更广泛的范围，但客户很容易在追求科学实验或低价值成果的过程中分心。如果没有执行蓝图，客户可能会发现自己在用多种不同方式解决同一个基本问题，从而凸显出效率低下的问题。”

二、转变对话方向

IT外包服务提供商TaskUs的首席信息官Chandra Venkataramani（钱德拉·文卡塔拉马尼亚）表示，那些仍被鼓励开展数十个人工智能概念验证项目的首席信息官应该转换话题方向。他所在的公司为人工智能应用创建了一个战略框架，重点强调开展数量有限的高价值概念验证项目。

他说：“不要把速度错当成进步。当面临开展大量人工智能项目的压力时，首席信息官应该将对话引向影响力。将决策与明确的业务目标和员工成果挂钩。”

他建议首席信息官们对人工智能部署采取长期策略。人工智能项目应契合运营需求，而且IT领导者应注重在团队和客户中建立对已部署人工智能工具的信任。

Venkataramani（文卡塔拉马尼亚）补充道：“要有选择性。开展POC可不是为了敷衍了事。”

三、快速试错的价值

然而，一些人工智能专家敦促首席信息官们为人工智能实验留出空间。IDC生成式人工智能战略项目的高级研究总监Nancy Gohring（南希·戈林）表示，虽然许多组织已经推出了副驾驶功能及其他一些“唾手可得”的人工智能工具，但当IT领导者找到专门的、全新的人工智能用例时，就能获得竞争优势。

她还说，首席信息官们在人工智能实验方面仍应注重“快速试错”的方法，并在1000个潜在用例和少数几个用例之间找到平衡。

Gohring（戈林）称：“与其担心从概念验证到实际应用的推进速度，不如建立一套系统，让你能够迅速尝试新想法，并判断它们是否值得投入实际应用。实际上，你并非真的希望减少概念验证项目的数量，而是希望能够快速进行实验。”

人工智能平台供应商Domino Data Lab的首席运营官Thomas Robinson（托马斯·罗宾逊）补充说，过去概念验证项目的失败，与其说是开展项目数量的问题，不如说是缺乏管理的问题。他建议IT领导者为人工智能项目设定里程碑，包括进行有效的项目管理并设置检查点来评估进展情况。

他还表示，人工智能概念验证项目还是有其价值的。“放慢速度未必就更明智，”他说，“我们始终看到，在有人工智能生命周期管理的情况下加快推进速度，实际上能带来更好的成果。”

Robinson（罗宾逊）补充道，快速迭代并辅以可靠的监督是成功的关键。

他说：“关键不在于减少概念验证项目的数量，而在于有管理的推进速度——能够快速实验、快速学习，并扩大成功案例的规模，同时还要确保合规和可控。”

作者：Grant Gross（格兰特·格罗斯）

Grant Gross（格兰特·格罗斯）是CIO的资深撰稿人，是一名长期的科技记者。他曾担任华盛顿记者，后来担任IDG新闻服务的高级编辑。在他职业生涯的早期，他曾担任Linux.com的总编辑和科技职业网站Techies.com的新闻编辑。在遥远的过去，他曾在明尼苏达州和达科他州的报纸担任记者和编辑。

睿观：

经历了过去两年大量AI概念验证（POC）项目的高失败率与低投资回报率后，企业开始对“撒网式”的AI实验方法进行反思（核心背景与问题）。一种新兴的主流策略是，IT领导者正大幅削减POC数量，转向少数几个与业务流程深度融合、以结果为导向的战略性用例（主流策略）。但也有专家认为，关键不在于减少实验数量，而在于建立能支持快速试错、有效管理并规模化成功案例的系统（不同观点）。无论选择何种路径，新的共识是：AI项目必须摆脱盲目跟风，与明确的业务目标和可衡量的成果紧密挂钩，方能将潜力转化为真正的商业价值（结论）。

金句：

AI实验的“野蛮西部”时代正在落幕，未来的赢家，不再是试探最广的“撒网者”，而是瞄准最准的“狙击手”。