在過去的兩年里，許多企業已經啟動了數十個AI概念驗證項目，但這些項目的失敗率很高，投資回報率也令人失望，然而，現在出現了一種新趨勢，即對AI實驗的“散彈槍”式方法進行重大重新評估。

一些IT觀察人士現在注意到，許多企業正在減少他們啟動的AI概念驗證項目數量，一些IT領導者轉而使用商業AI工具，而更多人則專注于有限數量的戰略性和有針對性的用例。

在經歷了一個廣泛實驗的時代之后，當時公司正在探索AI的潛力，現在許多公司已經將注意力集中在少數幾個用例上，AArete公司(一家IT和管理咨詢公司)的AI、數字化和技術解決方案董事總經理Bhrugu Pange說道。

“我們正在看到從高量實驗向更聚焦、結果驅動的AI部署的顯著轉變，”他說，“企業不再并行啟動數十個概念驗證項目，而是優先處理幾個用例，在這些用例中，AI 可以被深度嵌入到運營工作流程中，并推動可衡量的結果。”

例如，AArete的一位客戶財務部門將發票處理視為一個高摩擦的工作流程，然后創建了一個由AI驅動的解決方案，該方案包括GenAI、自然語言處理和光學字符識別技術，Pange說道。

“這一努力源自財務部門內部，在周期時間和準確性方面帶來了可衡量的改進——超過了幾個缺乏運營錨定的并行實驗，”他補充說，“這種聚焦的方法反映了一個實際的轉變：當數據、業務背景和運營緊迫性在幾個跨越整個企業的明確定義計劃中結合起來時，AI才能帶來最大的價值。”

數十個AI概念驗證項目的時代正在減少

IDC 2024年4月的一項調查發現，當時企業平均運行37個AI概念驗證項目，但一些AI專家認為這個數字被顯著低估了，一些大型公司正在運行數百個試點項目。

Pange 表示，許多前幾年運行數百個概念驗證項目的企業現在減少到了大約30個，各個業務單元專注于三到五個實驗。

其他觀察人士也注意到了同樣的趨勢，盡管他們沒有提供今天啟動的概念驗證項目數量減少的具體估計。即使是在2024年7月，當數據管理提供商Hitachi Vantara發布其最新的《數據基礎設施全球狀態報告》時，大多數企業也開始將AI項目視為傳統的研發項目，并期望在兩到三年的時間內獲得回報，而不是追求快速的投資回報率，該公司的AI首席技術官Jason Hardy說道。

在公司高管堅持要求對AI進行實驗的壓力下，IT領導者被迫在速度和成本之間尋求平衡，Hardy說。盡管存在這種壓力，但他最近與客戶的幾乎每一次對話都涉及到了運行更少、更具戰略性的概念驗證項目的話題，他補充說。

“雖然快速推進的壓力導致許多早期采用者在尚未完全準備好的情況下就部署了AI，但我們開始看到成功的采用案例，特別是隨著對自主式AI關注點的擴大。”他說。

現在，更多的IT領導者似乎正在抵制因害怕錯過(FOMO)而產生的壓力，“AI實驗的狂野西部”時代似乎正在結束，Hardy說。

“雖然通過概念驗證項目和試點項目來識別可能結果的‘散彈槍’式方法確實能擴大搜索范圍，但客戶更容易因追求科學實驗或低價值成果而分心，”他說，“如果沒有執行藍圖，客戶可能會發現自己試圖以多種不同的方式解決同一個基礎問題，從而強調了低效性。”

改變對話方向

仍在被鼓勵啟動數十個AI概念驗證項目的CIO應該將對話引向其他方向，IT外包提供商TaskUs的CIO Chandra Venkataramani說道。他的公司已經創建了一個AI采用的戰略框架，重點放在有限數量的高價值概念驗證項目上。

“不要將速度誤認為是進步，”他說，“當面臨啟動大量AI項目的壓力時，CIO應該將對話引向影響力，將決策錨定在明確的業務目標和員工成果上。”

他建議CIO采取長期的方法來部署AI，AI項目應該符合運營需求，IT領導者應該專注于在團隊和客戶之間建立對已部署AI工具的信任。

“要有選擇性，”Venkataramani 補充說，“不要只是為了完成任務而運行概念驗證項目。”

快速失敗中的價值

然而，一些AI專家敦促 CIO 為AI實驗留出空間。雖然許多企業已經推出了副駕駛(Copilots)和其他“低垂果實”式的AI工具，但IT領導者在找到專業化和新領域的AI用例時可以推動競爭優勢，IDC GenAI戰略計劃的高級研究總監 Nancy Gohring 說道。

CIO 仍然應該關注AI實驗的“快速失敗”方法，并在 1000 個潛在用例和少數幾個用例之間找到平衡，她補充說。

“與其擔心從概念驗證到生產的推進速度，不如建立能夠讓你非常快速地嘗試新想法并確定它們是否值得推向生產的系統，”Gohring 說，“你真的不需要更少的概念驗證項目本身，你需要的是能夠快速實驗的能力。”

過去的概念驗證項目失敗可能更多地與缺乏治理有關，而不是啟動的概念驗證項目數量，AI 平臺供應商 Domino Data Lab 的首席運營官 Thomas Robinson 補充說。IT 領導者應該為AI項目建立里程碑，包括有效的項目管理以及用于評估進度的檢查點，他建議道。

盡管如此，AI 概念驗證項目仍然有其價值，他補充說。“放慢速度并不一定更明智，”他說，“我們一直看到的是，在治理的框架下加速AI生命周期實際上能帶來更好的結果。”

快速迭代結合負責任的監督是成功的關鍵，Robinson 補充說。

“關鍵不在于減少概念驗證項目的數量，而在于受控的速度——能夠快速實驗、快速學習，并擴展那些行之有效的方案，同時保持合規性和控制力。”他說。