在过去的两年里，许多企业已经启动了数十个AI概念验证项目，但这些项目的失败率很高，投资回报率也令人失望，然而，现在出现了一种新趋势，即对AI实验的“散弹枪”式方法进行重大重新评估。
一些IT观察人士现在注意到，许多企业正在减少他们启动的AI概念验证项目数量，一些IT领导者转而使用商业AI工具，而更多人则专注于有限数量的战略性和有针对性的用例。
在经历了一个广泛实验的时代之后，当时公司正在探索AI的潜力，现在许多公司已经将注意力集中在少数几个用例上，AArete公司(一家IT和管理咨询公司)的AI、数字化和技术解决方案董事总经理Bhrugu Pange说道。
“我们正在看到从高量实验向更聚焦、结果驱动的AI部署的显著转变，”他说，“企业不再并行启动数十个概念验证项目，而是优先处理几个用例，在这些用例中，AI 可以被深度嵌入到运营工作流程中，并推动可衡量的结果。”
例如，AArete的一位客户财务部门将发票处理视为一个高摩擦的工作流程，然后创建了一个由AI驱动的解决方案，该方案包括GenAI、自然语言处理和光学字符识别技术，Pange说道。
“这一努力源自财务部门内部，在周期时间和准确性方面带来了可衡量的改进——超过了几个缺乏运营锚定的并行实验，”他补充说，“这种聚焦的方法反映了一个实际的转变：当数据、业务背景和运营紧迫性在几个跨越整个企业的明确定义计划中结合起来时，AI才能带来最大的价值。”
数十个AI概念验证项目的时代正在减少
IDC 2024年4月的一项调查发现，当时企业平均运行37个AI概念验证项目，但一些AI专家认为这个数字被显著低估了，一些大型公司正在运行数百个试点项目。
Pange 表示，许多前几年运行数百个概念验证项目的企业现在减少到了大约30个，各个业务单元专注于三到五个实验。
其他观察人士也注意到了同样的趋势，尽管他们没有提供今天启动的概念验证项目数量减少的具体估计。即使是在2024年7月，当数据管理提供商Hitachi Vantara发布其最新的《数据基础设施全球状态报告》时，大多数企业也开始将AI项目视为传统的研发项目，并期望在两到三年的时间内获得回报，而不是追求快速的投资回报率，该公司的AI首席技术官Jason Hardy说道。
在公司高管坚持要求对AI进行实验的压力下，IT领导者被迫在速度和成本之间寻求平衡，Hardy说。尽管存在这种压力，但他最近与客户的几乎每一次对话都涉及到了运行更少、更具战略性的概念验证项目的话题，他补充说。
“虽然快速推进的压力导致许多早期采用者在尚未完全准备好的情况下就部署了AI，但我们开始看到成功的采用案例，特别是随着对自主式AI关注点的扩大。”他说。
现在，更多的IT领导者似乎正在抵制因害怕错过(FOMO)而产生的压力，“AI实验的狂野西部”时代似乎正在结束，Hardy说。
“虽然通过概念验证项目和试点项目来识别可能结果的‘散弹枪’式方法确实能扩大搜索范围，但客户更容易因追求科学实验或低价值成果而分心，”他说，“如果没有执行蓝图，客户可能会发现自己试图以多种不同的方式解决同一个基础问题，从而强调了低效性。”
改变对话方向
仍在被鼓励启动数十个AI概念验证项目的CIO应该将对话引向其他方向，IT外包提供商TaskUs的CIO Chandra Venkataramani说道。他的公司已经创建了一个AI采用的战略框架，重点放在有限数量的高价值概念验证项目上。
“不要将速度误认为是进步，”他说，“当面临启动大量AI项目的压力时，CIO应该将对话引向影响力，将决策锚定在明确的业务目标和员工成果上。”
他建议CIO采取长期的方法来部署AI，AI项目应该符合运营需求，IT领导者应该专注于在团队和客户之间建立对已部署AI工具的信任。
“要有选择性，”Venkataramani 补充说，“不要只是为了完成任务而运行概念验证项目。”
快速失败中的价值
然而，一些AI专家敦促 CIO 为AI实验留出空间。虽然许多企业已经推出了副驾驶(Copilots)和其他“低垂果实”式的AI工具，但IT领导者在找到专业化和新领域的AI用例时可以推动竞争优势，IDC GenAI战略计划的高级研究总监 Nancy Gohring 说道。
CIO 仍然应该关注AI实验的“快速失败”方法，并在 1000 个潜在用例和少数几个用例之间找到平衡，她补充说。
“与其担心从概念验证到生产的推进速度，不如建立能够让你非常快速地尝试新想法并确定它们是否值得推向生产的系统，”Gohring 说，“你真的不需要更少的概念验证项目本身，你需要的是能够快速实验的能力。”
过去的概念验证项目失败可能更多地与缺乏治理有关，而不是启动的概念验证项目数量，AI 平台供应商 Domino Data Lab 的首席运营官 Thomas Robinson 补充说。IT 领导者应该为AI项目建立里程碑，包括有效的项目管理以及用于评估进度的检查点，他建议道。
尽管如此，AI 概念验证项目仍然有其价值，他补充说。“放慢速度并不一定更明智，”他说，“我们一直看到的是，在治理的框架下加速AI生命周期实际上能带来更好的结果。”
快速迭代结合负责任的监督是成功的关键，Robinson 补充说。
“关键不在于减少概念验证项目的数量，而在于受控的速度——能够快速实验、快速学习，并扩展那些行之有效的方案，同时保持合规性和控制力。”他说。
