Az AI manapság az egyik legvonzóbb terület mindazok számára, akik szeretnének befektetni a következő olyan dologba, amely nagy növekedési potenciállal és rendkívül jövedelmező lehetőségekkel kecsegtet. A befektetés persze nem veszélytelen, hiszen jelenleg az AI jellegű projekteknek több, mint 80%-a kudarcra van ítélve, legalábbis erre jutottak a RAND Corporation elemzői, akik 65 adattudóssal és mérnökkel beszéltek. Ez az arány a hagyományos startupokhoz és projektekhez képest kétszer nagyobb sikertelenségi rátát mutat. A szóban forgó szakemberek az AI területén dolgoznak már évek óta, így alaposan rálátnak az egyes startupok és projektek hiányosságaira, amelyek miatt egyes projektek már az ötlet fázisában halálra vannak ítélve.

A kutatás szerint az egyik legnagyobb probléma, ami kudarcra kárhoztatja a hasonló projekteket, nem más, mint az, hogy a résztulajdonosok céljai nincsenek összhangban – márpedig ha többfelé húznak, abból többnyire csak nehézségek adódnak. A vezetésben többnyire olyan kép él a mesterséges intelligenciával kapcsolatban, ami a valóságban megalapozatlannak nevezhető, ez pedig nagyjából annyak köszönhető, hogy az AI-t számos olyan tulajdonsággal ruházzák fel például a hollywoodi produkciók is, amiket a jelenlegi technológiai fejlettségi szinten még nem lehet megoldani. A vezetés és a szakemberek közötti közös nevező hiánya gyakran azt eredményezi, hogy a projektekben résztvevőknek nincs elég anyagi erőforrásuk és idejük, hogy teljesítsék a célokat, már ha azok megvalósíthatóak egyáltalán.

Ez persze nem jelenti azt, hogy csak és kizárólag a vezetők hibásak, a mérnökök pedig hiba nélkül végzik a dolgukat, sőt. Az interjúkból az is kiderült, hogy az adattudósokat sokszor megzavarják az AI területén megjelenő legújabb fejlesztések, amelyeket meg is próbálnak beépíteni az éppen futó projektbe, de közben azt elfelejtik számításba venni, hogy az adott fejlesztésnek milyen értéke és hatása lesz a projekt egészére nézve. Félreértés ne essék, valóban fontos, hogy naprakészek legyenek a mérnökök az új technológiákat illetően, azt viszont mérlegelni kell, hogy egy friss fejlesztés segít-e megoldani az éppen felmerülő problémákat, vagy inkább még összetettebbé és átláthatatlanabbá teszi-e a projektet ahhoz képest, amilyen az jelenleg.

Nagyon fontos, hogy az efféle projekteknél megfelelően előkészített adatkészletekkel dolgozzanak, az infrastruktúra megfelelő legyen, valamint az AI és a megoldandó probléma között „kompatibilitás legyen”. Sajnos ezek közül sokszor egy vagy akár több feltétel sem teljesül, ami a kudarc előszobája. Ezek a problémák ráadásul nemcsak a privát szektorra jellemzőek, hanem az egyetemi kutatásokra is, ott ugyanis sokszor az a cél, hogy elkészüljön egy publikáció, arra viszont sokszor nem fordítanak időt és energiát, hogy a kutatás eredményeinek való életben történő lehetséges felhasználási módjaira is ránézzenek.

A kutatás eredményei alapján már nem is annyira meglepő, miért következett be annyi kudarc az elmúlt évek folyamán az AI szektorban. A Baidu elnök-vezérigazgatója, Robin Li Yanhong korábban például arról beszélt, hogy Kínában túlságosan sok nagy nyelvi modell áll rendelkezésre (LLM – Large Language Model), amelyek létrehozásával sokszor csak feleslegesen pazarolják az értékes erőforrásokat, ugyanis ezek sokszor csak nagyon kevés esetben bizonyulnak hasznosnak élesben, a világban jelentkező problémák megoldásakor, esetenként pedig teljesen haszontalanok.

A mesterséges intelligencia területén tapasztalható fejvesztett versengés közepette érdemes lenne egy kicsit rápillantani a kudarcba fulladt projektek valós okaira annak érdekében, hogy az új projektek esetében már ne kövessék el azokat a hibákat a befektetők és a cégvezetők, amiket korábban másoknak már sikerült. Amennyiben az AI projektek hosszabb távon sem váltják be a hozzájuk fűzött reményeket a sok-sok kudarc miatt, az végül a teljes iparág összeomlását is okozhatja: több billió dolláros buborékként durranhat ki és válhat semmivé.