Demam emas kecerdasan buatan mungkin sedang menuju titik realitas. Sebuah studi baru oleh RAND Corporation menemukan bahwa 80% proyek AI berakhir dengan kegagalan, membuang miliaran dolar investasi dan sumber daya.
Temuan Utama
- Lebih dari 80% proyek AI gagal, dua kali lipat tingkat kegagalan startup teknologi non-AI
- Ketidaksesuaian antara harapan pimpinan dan realitas teknis adalah alasan utama kegagalan
- Hanya 14% organisasi merasa sepenuhnya siap untuk mengadopsi teknologi AI
- Pengajuan paten AI China melampaui AS 6 berbanding 1, tetapi kesulitan dalam dampak dunia nyata
Penyebab Kegagalan Proyek AI
Studi RAND, yang mewawancarai 65 ilmuwan data dan insinyur di sektor AI, mengidentifikasi beberapa faktor kunci yang berkontribusi pada tingginya tingkat kegagalan:
-
Tujuan yang tidak selaras: Pemimpin bisnis sering memiliki harapan yang tidak realistis terhadap kemampuan AI, dipicu oleh fiksi ilmiah daripada fakta ilmiah. Ketidaksesuaian ini menyebabkan sumber daya dan jadwal yang tidak memadai.
-
Sindrom objek berkilau: Insinyur terkadang menerapkan teknik AI terbaru tanpa mempertimbangkan nilai praktisnya, memprioritaskan kebaruan daripada pemecahan masalah.
-
Data yang tidak memadai: Banyak proyek kekurangan dataset berkualitas tinggi dan disiapkan dengan baik yang diperlukan untuk pelatihan AI yang efektif.
-
Infrastruktur yang tidak memadai: Kurangnya investasi dalam tata kelola data dan infrastruktur penerapan model menghambat keberhasilan proyek.
-
Overestimasi kemampuan AI: Meskipun pertumbuhan investasi besar, AI masih memiliki keterbatasan signifikan yang sering diabaikan.
Implikasi Industri
Tingginya tingkat kegagalan memiliki konsekuensi luas bagi industri AI:
- CEO Baidu Robin Li Yanhong telah mengkritik proliferasi model bahasa besar di China, mengutip pemborosan sumber daya dan kurangnya aplikasi praktis.
- Meskipun China memimpin dalam pengajuan paten AI, hanya satu organisasi China (Chinese Academy of Sciences) yang masuk dalam 20 besar untuk kutipan penelitian antara 2010 dan 2023.
- Ketidaksesuaian antara hype AI dan hasil dunia nyata berpotensi menyebabkan gelembung triliunan dolar jika harapan tidak dikelola dengan baik.
Langkah ke Depan
Untuk meningkatkan tingkat keberhasilan proyek AI, organisasi harus:
- Memastikan komunikasi yang jelas dan tujuan yang selaras antara pemimpin bisnis dan tim teknis
- Fokus pada pemecahan masalah dunia nyata daripada mengejar tren AI terbaru
- Berinvestasi dalam infrastruktur dan tata kelola data yang kuat
- Menetapkan harapan yang realistis untuk kemampuan dan keterbatasan AI
Seiring evolusi AI, menjembatani kesenjangan antara ambisi dan realitas akan sangat penting untuk membuka potensi sebenarnya dan menghindari kegagalan yang mahal.