夜雨聆风关键讯息，D1时间送达！
企业网D1net
越来越多的企业发现，AI项目失败并不是因为技术不够先进，而是缺少真正推动落地的人、数据和治理机制。MIT的研究显示，大多数生成式AI试点在达成目标前便夭折，许多企业甚至准备直接终止表现不佳的项目。Corning和Westlake等企业高管指出，成功的AI试点往往具备四个共同点：有强力赞助人持续推动、员工真正参与并验证AI结果、建立跨部门治理体系，以及拥有可用的数据基础。更重要的是，企业不仅要复盘成功，更要系统记录失败经验。AI竞争的关键，正在从“会不会做”转向“能不能规模化复制成功”。
自动化推进需要一位对结果负责、能够推动用户参与的倡导者，但数据和治理同样能决定一个项目的成败。
将一个AI项目从萌芽想法推进到更广泛的部署，是一项复杂的任务。对于CIO而言，驾驭这种复杂性至关重要，因为企业已经开始根据其IT领导者完成——并可重复——这一流程的能力来衡量绩效。
为减轻这一负担，高管们正在开发各种方法，以识别特定用例中的成功潜力。一些人则聚焦于员工如何将工具融入现有流程。
对于材料科学公司Corning的高级副总裁兼首席数字与信息官Soumya Seetharam而言，试点项目成功的一个早期信号是：员工们开始将AI模型的输出作为一种数据来源，来验证其预测的准确性。
“他们实际上在运营评审中这样做了，说：‘我们的AI模型给出了这个结果，我们内部的传统流程给出了那个结果，这是我们综合得出的结论，这是我们的预测，’”Seetharam在周二MIT Sloan CIO研讨会上发言时说道，“他们并没有盲目使用AI模型给出的预测，而是会审视它，与传统流程的结果进行对比，然后再加上自己的判断。”
MIT研究人员去年发现，绝大多数生成式AI试点项目在实现既定目标之前就已失败。根据Solvd的一份报告，超过一半的企业今年可能会因表现不佳而终止AI试点项目。受访的技术领导者指出，缺乏监督是导致试点项目脱轨的关键因素。
Westlake公司——一家生产石化产品、塑料和建筑材料的制造商——的CIO Mark Schmidt表示，能够走出试点阶段的AI工具需要一位负责推动的领导者来掌舵。在正确的领导下，一次成功可以产生涟漪效应，并随着其他人复制成功经验而在整个组织中推广开来。
“你必须有合适的赞助人，”Schmidt在同一场小组讨论中说道，“这位赞助人必须有动力和愿景，把这件事推下去。”
数据与治理
另外两个关键要素同样决定着企业AI试点项目的成败：数据和治理。
Seetharam表示，Corning建立了多层治理体系，公司成立了一个AI与机器学习治理委员会，成员包括总法律顾问、多位高管以及Seetharam本人，该委员会负责审批哪些AI用例可以发布到统一的内部市场中，使企业内其他员工能够使用既有效又符合公司标准的工具。
即便治理策略已经到位，如果试点项目无法获取所需数据，仍然可能功亏一篑。
Schmidt表示，如果没有合适的数据集来驱动工具，也没有积极的赞助人来推动采用，“你选的东西在当前阶段可能太难了。”
前CIO、现任顾问和董事会成员Vipin Gupta表示，为了推动试点项目向前发展，企业还必须从以往的错误中吸取教训。
“我们往往会庆祝成功、记录成功，”担任该场小组讨论主持人的Gupta说道，“但我们在记录失败方面却没有展现出同样的自律。”
关于企业网D1net(www.d1net.com)
国内头部to B IT门户，同时在运营国内头部的甲方CIO专家库和智力输出及社交平台-信众智(www.cioall.com)。旗下运营19个IT行业公众号(微信搜索D1net即可关注)
如果您在企业IT、网络、通信行业的某一领域工作，并希望分享观点，欢迎给企业网D1net投稿。
投稿邮箱：
editor@d1net.com
合作电话：
010-58221588（北京公司）
021-51701588（上海公司）
合作邮箱：
Sales@d1net.com
企业网D1net旗下信众智是CIO（首席信息官）的专家库和智力输出及资源分享平台，有六万多CIO专家，也是目前较大的CIO社交平台。
信众智对接CIO为CIO服务，提供数字化升级转型方面的咨询、培训、需求对接等落地实战的服务。也是国内较早的toB共享经济平台。同时提供猎头，选型点评，IT部门业绩宣传等服务。
扫描 “二维码” 可以查看更多详情
