Las tasas de fracaso de los proyectos de IA superan el 80% - un estudio cita entre los principales problemas el escaso reconocimiento de los problemas y el centrarse en las últimas tendencias tecnológicas

Todo el mundo y su tía parecen estar subiéndose al tren de la IA en busca de márgenes de beneficio inflados y bombo publicitario; basta con echar un vistazo a la reciente renovación de la marca Ryzen de AMD como ejemplo paradigmático de este bombo de la IA. Un estudio reciente realizado por RAND ha descubierto que este enfoque centrado en la IA puede no ser todo lo que se pretende, ya que los proyectos de IA parecen fracasar con el doble de frecuencia que los proyectos de desarrollo de software normales.

Durante el estudio, RAND entrevistó a 65 expertos del sector con más de cinco años de experiencia en el desarrollo de herramientas de IA y aprendizaje automático para entidades privadas y el mundo académico y destiló sus respuestas en cinco razones principales de los fracasos de los proyectos de IA/ML.

El fracaso número uno, según el estudio, fue un fallo de liderazgo más que un fallo técnico. Los directivos o bien no entendían cuál era el problema que intentaban resolver con la IA, o bien no comunicaban el problema a los equipos de desarrollo, o bien intentaban aplicar la IA a un problema que no estaba preparado para resolver. Los jefes de proyecto estaban tan centrados en utilizar los últimos y mejores avances de la IA para resolver sus problemas que pasaron por alto soluciones más sencillas y baratas que no utilizaban la IA.

Como explicó uno de los entrevistados, a veces se ordenaba a sus equipos que aplicaran técnicas de IA a conjuntos de datos con un puñado de características o patrones dominantes que podrían haberse captado rápidamente con unas simples reglas de si-entonces.

La disponibilidad de recursos también fue un punto de fallo importante, ya que se citó que la dirección no quería o no podía asignar los recursos necesarios para procesar los datos necesarios y entrenar adecuadamente los sistemas de IA. Con frecuencia, esto da lugar a que un proyecto no se entregue o entregue un producto incompleto, consecuencia de subestimar lo complejo que es crear y entrenar un sistema de IA.

Del mismo modo, muchos líderes tenían expectativas poco realistas sobre la IA como resultado del reciente bombo publicitario y las afirmaciones de marketing, lo que se convierte en un problema cuando los equipos de desarrollo son incapaces de entregar lo prometido en el plazo que se esperaba de ellos.

Para obtener una visión más detallada de los datos, las razones del fracaso y las recomendaciones de los investigadores, consulte el informe de investigación de RAND.