AI專案失敗的五大因素

德國羅伊特林根大學商業資訊學教授丹尼斯·施萊格爾（Dennis Schlegel）等人，在《國際資訊系統與專案管理期刊》（International Journal of Information Systems and Project Management）上刊登了一篇題為〈AI專案失敗因素：專家訪談結果〉（Failure factors of AI projects: results from expert interviews）的論文，深入探討了人工智慧專案失敗的相關因素。

在過去的幾年中，企業對人工智慧（AI）技術進行了大規模的投資。然而，根據多項研究，一部分的AI專案卻面臨失敗或無法實現商業價值。

該研究的目的在於辨識可能導致AI專案失敗的因素。透過文獻分析與對AI專家的深度訪談，確定並探討了五大類可能導致專案失敗的因素，包括：不切實際的期望、專案價值與複雜、組織層面的束縛、缺乏關鍵性資源以及技術本身的限制。

1.不切實際的期望

該研究指出，專案成員和利害關係人通常並不完全了解AI的功能。這可能會導致對所使用的技術產生誤解。甚至號稱為AI專案，但實際上並沒有使用任何與AI相關的技術。

另一項導致不切實際期望的因素是「擴大預期」。當期望上升時，管理者可能變得過於雄心勃勃，專案範疇也會逐漸擴大，直到無法聚焦而使專案難以發揮效益。該研究引用專家的建議，強調在進行AI專案時應該採取逐步思考的方式，逐步開發可行的解決方案。

2.專案價值與複雜

AI專案必須創造價值，例如，將先前由人類完成的任務自動化。然而，在實際應用中，有時候AI專案未能為組織帶來實質價值。該研究提到一位受訪者就表示：「大多數專案不具任何價值」。如果一個專案無法增加額外收入或實現成本節省，僅僅是導入和運營AI系統的成本，那麼這個專案就無法產生任何經濟效益。

該研究也分析，另一項導致失敗的因素是專案複雜性。一位受訪者提到，如果專案的複雜性超出了內部開發團隊的能力，則專案不可能完成。

3.組織層面的束縛

該研究指出，AI專案往往因為分配的資源不足，導致預算耗盡而提前終止。然而，預算不足不僅是由於不願投資，還因為AI專案的預算需求龐大。預算和資源不僅用於聘請專家，還涉及教育訓練與訓練數據。無論是對資料進行標記通常需要大量的人力，以及將資料用於訓練AI模型所需的可觀費用。

此外，企業內外部的規範也可能會為AI專案帶來影響，因為官僚程度在不同公司和國家之間存在差異。

4.缺乏關鍵性資源

缺乏關鍵性資源（專業知識性、數據可用性）是導致AI專案失敗的主要因素。例如，該研究引用兩位受訪專家的說法：「老實說，有時會因為員工的能力而失敗」。「如果你把錯誤的人、一個沒有足夠知識的人放到AI專案裡，那麼預算將被耗盡而且沒有任何結果。」

另外，由於AI模型極度依賴訓練資料的數量和品質，因此資料可用性是影響專案成敗的重要因素。該研究中的一位受訪者提到，AI計畫之所以失敗，是因為正確標記的訓練資料通常無法取得或太昂貴。

5.技術本身的限制

該研究的幾位受訪專家都提到了技術相關問題，指出技術本身是可能導致專案失敗的重要因素。主要原因是AI演算法對於如何得到結果缺乏透明度（即所謂的黑盒子問題）。由於演算法和系統的更新，無法保證系統能以相同的方式產生相同的結果。這種結果的不穩定性與難以預測性可能成為專案失敗的原因。

最後，該研究提出的AI專案失敗五大類因素：不切實際的期望、專案價值與複雜、組織層面的束縛、缺乏關鍵性資源和技術本身的限制，值得想導入AI專案的人士參考。

作者：羅凱揚（台科大企管博士）、黃揚博（政大企管碩士、識商創辦人）

Schlegel, D., Schuler, K., & Westenberger, J. (2023). Failure factors of AI projects: results from expert interviews. International Journal of Information Systems and Project Management, 11(3), 25-40. https://doi.org/10.12821/ijispml10302