Gartner预测到2026年,60%的AI项目将被放弃。从我在ECM/内容工作中的观察来看,原因不在于模型本身。
摘要
Gartner预测到2026年,60%的AI项目将被放弃。作者在企业内容管理领域工作,认为真正的阻碍是混乱的非结构化遗留内容和不一致的元数据,而非AI模型本身。
我在企业内容管理领域工作,主要帮助组织现代化改造老旧的传统文档系统。过去一年左右,AI话题完全主导了与客户的对话,但实际阻碍项目推进的因素几乎从未被公开讨论过。问题在于内容本身。多年积累的文档散落在文件共享或老旧的ECM系统中,没有一致的元数据,没有明确的所有权,同一文档的版本散落在三个不同地方。即使把世界上最好的模型指向这些数据,它仍然会产生不一致或不可靠的输出,因为它读到的是一团乱麻。我参与的每一次审计都发现同样的问题:非结构化存储、不清晰的保留策略、没人确切知道哪个版本是“真正的版本”。这才是真正的障碍,而且比起谈论智能体和副驾驶,这显得毫不光鲜,所以往往直到项目陷入停滞才被提及。我很好奇其他做实施工作的人是否也看到了同样的情况,还是说不同行业会有所不同。
相似文章
Gartner认为到2027年,40%的agentic AI项目会被取消。我现在正在构建一个,我相信这个预测。
作者反思了Gartner的预测,即到2027年40%的agentic AI项目将被取消,强调真正的失败不是模型能力不足,而是由于数据质量差或API问题在生产中悄无声息地失败,而且大多数团队衡量的是单次任务完成情况,而非数百次运行中的可靠性。
AI本身真的还是难点吗,还是让AI访问正确数据才是难点?
探讨LLM能力与企业数据访问及权限哪个才是AI应用落地的更大瓶颈,认为内容管理正变得与模型本身同等关键。
为何如此多的代理型AI项目失败?
探讨代理型AI项目在企业环境中失败的常见原因,重点分析基础设施、遗留系统、数据碎片化及治理挑战。
@akshay_pachaar: 95%的企业AI项目无法交付。但很少是因为模型不好。它们失败是因为团队无法回答…
讨论了为什么95%的企业AI项目因治理、ROI和部署问题而失败,并推广了一位资深从业者编写的免费书籍,涵盖框架和模式。
大多数公司的人工智能问题不在于模型
一项分析指出,公司在人工智能方面失败的原因在于它们专注于模型,而非基础层——流程设计、治理、知识架构、人工判断和反馈循环——而这些才是真正的价值来源。文章引用了纳德拉的“令牌资本”概念、苹果可切换模型的Siri,以及显示战略与执行之间存在巨大差距的调查数据。