許多AI的概念驗證(POC)項目因目標不明確、數據準備不足以及缺乏內部專業知識而失敗。同樣，過于激進的概念驗證批準以及來自高層的誤導性壓力也是導致失敗的原因。

概念驗證已成為CIO的AI戰略的關鍵組成部分，它提供了一種低風險的方式來測試AI用例，而無需全面投入。

但隨著企業越來越多地經歷試點疲勞，并轉向尋求實際成果，從這些實驗中獲得的經驗將不足以支撐——該過程本身可能需要產生更具體的成功率。

最新研究發現，在觀察到的概念驗證項目中，有88%未能達到大規模部署的標準。研究發現，每家公司推出的33個AI概念驗證項目中，只有4個能夠進入生產階段。

研究報告顯示：“AI概念驗證項目數量眾多，但轉化為生產項目的比例很低，這表明企業在數據、流程和IT基礎設施方面的準備程度較低。一半的企業已經采用了AI，但大多數仍處于實施或實驗的早期階段，在小規模或特定用例中測試技術，因為他們正在努力克服不明確的ROI、AI就緒數據不足以及缺乏內部AI專業知識等挑戰。”

跟蹤GenAI的分析師發現了類似的模式，他們注意到公司強烈希望利用GenAI，但擔心各種錯誤使其難以將技術提升到下一個層次。

此外，Moor Insights & Strategy的副總裁兼首席分析師Jason Andersen認為，對GenAI概念驗證項目的要求過低，是導致大量實驗失敗的原因之一。

Andersen表示：“在企業中，GenAI概念驗證項目的批準要比其他技術容易得多”，這主要是因為CEO和董事會迫切希望盡可能多地試驗GenAI。他說：“他們表示，‘我想了解更多，所以我會批準一個概念驗證項目，看看這是否以及如何適用于我的業務。’” Andersen還表示，他看到企業部署了“大量的概念驗證項目”。

Andersen說，IT管理人員正在利用這一趨勢，試圖為更廣泛的技術工作獲得批準。“很多工作并不是GenAI，但他們試圖在其中加入一些GenAI的元素，”他解釋道，“他們認為，‘如果我們加入一些GenAI，就能得到批準。’”

關于投資回報率的問題

ABI Research的首席分析師Reece Hayden表示，他的研究也發現企業概念驗證的批準數量激增。“GenAI的概念驗證門檻已經降低了很多”，部分原因是“開發GenAI概念驗證的成本現在要低得多”，Hayden說。

企業的試點到生產轉化率可能會因每家企業如何計算投資回報率而有所不同——尤其是如果他們對AI的風險承受能力不同。

Hayden說：“這將產生巨大差異。這關乎風險和他們對風險的接受程度——以及可能缺乏準確性。與非AI項目相比，風險水平要高得多，而且回報大于風險的情況很少見。”

Info-Tech Research Group的首席研究總監Brian Jackson對AI試點的低生產率持更為樂觀的態度。

他說：“概念驗證的全部意義在于實驗。不要害怕第一次失敗，這不是浪費。如果從中吸取了良好的教訓，那么即使失敗也無妨。”

研究顯示，高試點失敗率的根源在于系統性的IT問題，包括數據操作不足和AI人才匱乏。

IDC集團副總裁Ashish Nadkarni表示：“這些GenAI倡議大多是在董事會層面發起的。很多這種恐慌性思維是導致這些倡議的原因。”“這些概念驗證項目資金嚴重不足或根本沒有資金。大多數情況下，進行概念驗證并不是因為有一個強有力的商業案例。在我看來，這是涓滴經濟。”

AI營銷活動導致董事會和首席執行官對IT高管施加不當壓力，要求他們現在就采取行動利用AI。

Nadkarni說：“投資回報率的計算受到了一定程度的緊迫感和一定程度的生存威脅的影響。警鐘正在敲響，人們愿意在投資回報率的意義上打破規則。他們嚇壞了。”