別讓你的AI專案脫軌失敗

當我2018與2019年在LinkedIn擔任數據科學家時，只有數據科學組織中一小部分擁有統計學或電腦科學高等學位的人對人工智慧（AI）感興趣。AI──尤其是最近的明星「生成式AI」──如今已成為公司董事會議、領導階層討論會，與渴望大幅提高生產力的員工間隨意交流的中心主題。這個議題重要到我協助開設的一門課：「給經理人的數據科學」（Data Science for Managers），原本是教導MBA學生如何開發、善用與管理AI，如今已成為哈佛商學院一年級的必修課。

可嘆的是，在振奮人心的新聞頭條與心馳神往的潛力背後，隱藏一個令人警醒的現實：大部分AI專案都失敗了。有些對失敗率的估計高達80％，這幾乎是10年前企業IT專案失敗率的2倍。然而，還是有一些方法可以增加成功的機率。從我在產業界與學術界的經驗以及諮詢工作中，我發現企業可以大幅降低失敗的風險，只要謹慎完成每項AI專案在成為產品的路途上都會歷經的5大關鍵步驟：選擇、開發、評估、採用與管理。然而本文不僅談如何預防失敗，也談如何發展我所謂的「數據科學與AI營運」流程，這些流程可以幫助企業在日益由AI驅動的商業環境中競爭與生存。

1. 選擇

儘...