人工知能ゴールドラッシュは現実の壁に直面しつつあるかもしれません。 RAND Corporation の新しい調査によると、驚くべきことにAIプロジェクトの80%が失敗に終わり、数十億ドルの投資と資源を無駄にしていることが明らかになりました。
主な調査結果
- AIプロジェクトの80%以上が失敗し、非AIテクノロジースタートアップの2倍の失敗率
- リーダーシップの期待と技術的現実のミスマッチが失敗の最大の理由
- AI技術の採用に完全に準備ができていると感じている組織はわずか14%
- 中国のAI特許出願は米国の6倍のペースだが、実世界での影響に苦戦
AIプロジェクト失敗の原因
AI分野のデータサイエンティストとエンジニア65人にインタビューした RAND の調査は、高い失敗率に寄与するいくつかの主要な要因を特定しました：
-
目標のミスアライメント：ビジネスリーダーは、しばしばSFではなく科学的事実に基づいたAIの能力に対して非現実的な期待を持っています。この認識のずれが、不十分なリソースとタイムラインにつながります。
-
新しいものに飛びつく症候群：エンジニアは時として、問題解決よりも目新しさを優先し、実用的な価値を考慮せずに最先端のAI技術を実装することがあります。
-
不十分なデータ：多くのプロジェクトが、効果的なAIトレーニングに必要な高品質で適切に準備されたデータセットを欠いています。
-
不十分なインフラ：データガバナンスとモデルデプロイメントインフラへの投資不足がプロジェクトの成功を妨げています。
-
AIの能力の過大評価：大規模な投資の増加にもかかわらず、AIにはまだ重要な限界があり、それらがしばしば見過ごされています。
業界への影響
高い失敗率はAI業界に広範囲な影響を及ぼしています：
- Baidu の CEO である Robin Li Yanhong は、中国における大規模言語モデルの乱立を批判し、資源の無駄と実用的なアプリケーションの欠如を指摘しています。
- 中国はAI特許出願で先行していますが、2010年から2023年の研究引用数でトップ20にランクインしている中国の組織は1つ（ Chinese Academy of Sciences ）だけです。
- AIのハイプと実世界の結果のギャップは、期待が適切に管理されなければ、潜在的に1兆ドル規模のバブルにつながる可能性があります。
今後の展望
AIプロジェクトの成功率を向上させるために、組織は以下のことを行うべきです：
- ビジネスリーダーと技術チームの間で明確なコミュニケーションと目標の一致を確保する
- 最新のAIトレンドを追いかけるのではなく、実世界の問題解決に焦点を当てる
- 堅牢なデータインフラストラクチャとガバナンスに投資する
- AIの能力と限界について現実的な期待を設定する
AIが進化し続ける中、野心と現実のギャップを埋めることが、その真の可能性を引き出し、高額な失敗を避けるために不可欠となるでしょう。