摘要：许多AI的概念验证(POC)项目因目标不明确、数据准备不足以及缺乏内部专业知识而失败。同样，过于激进的概念验证批准以及来自高层的误导性压力也是导致失败的原因。

许多AI的概念验证(POC)项目因目标不明确、数据准备不足以及缺乏内部专业知识而失败。同样，过于激进的概念验证批准以及来自高层的误导性压力也是导致失败的原因。

概念验证已成为CIO的AI战略的关键组成部分，它提供了一种低风险的方式来测试AI用例，而无需全面投入。

但随着企业越来越多地经历试点疲劳，并转向寻求实际成果，从这些实验中获得的经验将不足以支撑——该过程本身可能需要产生更具体的成功率。

最新研究发现，在观察到的概念验证项目中，有88%未能达到大规模部署的标准。研究发现，每家公司推出的33个AI概念验证项目中，只有4个能够进入生产阶段。

研究报告显示：“AI概念验证项目数量众多，但转化为生产项目的比例很低，这表明企业在数据、流程和IT基础设施方面的准备程度较低。一半的企业已经采用了AI，但大多数仍处于实施或实验的早期阶段，在小规模或特定用例中测试技术，因为他们正在努力克服不明确的ROI、AI就绪数据不足以及缺乏内部AI专业知识等挑战。”

跟踪GenAI的分析师发现了类似的模式，他们注意到公司强烈希望利用GenAI，但担心各种错误使其难以将技术提升到下一个层次。

此外，Moor Insights & Strategy的副总裁兼首席分析师Jason Andersen认为，对GenAI概念验证项目的要求过低，是导致大量实验失败的原因之一。

Andersen表示：“在企业中，GenAI概念验证项目的批准要比其他技术容易得多”，这主要是因为CEO和董事会迫切希望尽可能多地试验GenAI。他说：“他们表示，‘我想了解更多，所以我会批准一个概念验证项目，看看这是否以及如何适用于我的业务。’” Andersen还表示，他看到企业部署了“大量的概念验证项目”。

Andersen说，IT管理人员正在利用这一趋势，试图为更广泛的技术工作获得批准。“很多工作并不是GenAI，但他们试图在其中加入一些GenAI的元素，”他解释道，“他们认为，‘如果我们加入一些GenAI，就能得到批准。’”

关于投资回报率的问题

ABI Research的首席分析师Reece Hayden表示，他的研究也发现企业概念验证的批准数量激增。“GenAI的概念验证门槛已经降低了很多”，部分原因是“开发GenAI概念验证的成本现在要低得多”，Hayden说。

企业的试点到生产转化率可能会因每家企业如何计算投资回报率而有所不同——尤其是如果他们对AI的风险承受能力不同。

Hayden说：“这将产生巨大差异。这关乎风险和他们对风险的接受程度——以及可能缺乏准确性。与非AI项目相比，风险水平要高得多，而且回报大于风险的情况很少见。”

Info-Tech Research Group的首席研究总监Brian Jackson对AI试点的低生产率持更为乐观的态度。

他说：“概念验证的全部意义在于实验。不要害怕第一次失败，这不是浪费。如果从中吸取了良好的教训，那么即使失败也无妨。”

研究显示，高试点失败率的根源在于系统性的IT问题，包括数据操作不足和AI人才匮乏。

IDC集团副总裁Ashish Nadkarni表示：“这些GenAI倡议大多是在董事会层面发起的。很多这种恐慌性思维是导致这些倡议的原因。”“这些概念验证项目资金严重不足或根本没有资金。大多数情况下，进行概念验证并不是因为有一个强有力的商业案例。在我看来，这是涓滴经济。”

AI营销活动导致董事会和首席执行官对IT高管施加不当压力，要求他们现在就采取行动利用AI。

Nadkarni说：“投资回报率的计算受到了一定程度的紧迫感和一定程度的生存威胁的影响。警钟正在敲响，人们愿意在投资回报率的意义上打破规则。他们吓坏了。”

来源：阿之科技最前线