三大症結阻礙數據與AI項目，企業如何實現“無摩擦AI”？

“當今絕大多數企業均認識到，為了獲得競爭優勢，將數據轉化為戰略資產勢在必行。”Altair創始人兼首席執行官James R. Scapa如此説道。

Altair（ALTR）是一家提供仿真、高性能計算（HPC）和人工智能（AI）領域軟件及雲解決方案的全球技術公司，近日公佈了一項國際調查結果。此項調查表明絕大多數全球企業均廣泛採用並實施了企業數據與AI戰略，所佔比例相當可觀。該調查還顯示，項目能否成功主要取決於組織、技術和財務等三大方面。

“人力、技術和投資方面均存在諸多問題，持續掣肘企業獲得基於數據的見解，進而無法高效、順利地交付成果。為了實現‘無摩擦 AI’，各大企業應積極轉向自助數據分析工具，使非專業技術背景的用户能夠在複雜的技術系統中輕鬆、高效地工作，防止上述問題繼續阻礙企業獲得長足發展。”James R. Scapa表示。

Altair發佈的這項關於Frictionless AI的全球獨立調查報告，吸引了美國、中國、法國、德國、印度、意大利、日本、韓國、西班牙和英國共計10個國家/地區的2037名來自目標行業領域的數據與數據分析專業人員參與其中。調查結果顯示，如果企業內部部門之間存在摩擦，那麼AI和數據分析項目會因此半途夭折，失敗率居高不下（介於36%至56%）。

阻礙數據與AI項目成功的三大症結

什麼是Frictionless AI（無摩擦AI）？

當企業實現“無摩擦 AI”時，數據分析將成為其業務中簡單易行的一部分，其項目具有快速、可重複和可擴展等特點。到那時，AI技術和數據科學與企業數據之間將不存在任何技術摩擦；數據專家與領域專家之間的組織摩擦也蕩然無存；而此時工作流程摩擦也消失殆盡，從而使數據應用從設計順利過渡至生產部署階段，進而實現高效的決策制定；遷移摩擦也將不再是基礎設施或工具變革的阻礙。

此次Frictionless AI全球獨立調查報告結果發現：組織、技術和財務是阻礙數據與AI 項目成功的三大症結所在。

1、組織方面。調查發現，各大組織正在努力填補數據科學領域大量的職位空缺，這是造成摩擦的重要原因。75%的受訪者表示他們正積極尋找數據科學領域的專業人才，而35%的受訪者則表示，大多數員工在AI技術方面的專業知識極為匱乏。調查中58%的人表示，人才短缺和提升現有員工技能水平所需的時間是企業採用AI戰略過程中所面臨的普遍問題。

2、技術方面。超過半數的受訪者表示他們所在的企業通常面臨着諸多技術限制，這極大地阻礙了數據與AI計劃的發展。總體而言，受訪者在數據處理速度、快速做出知情決策和數據質量方面遇到的阻力最大。近三分之二的受訪者(63%)稱，他們所在企業採用的AI驅動數據工具遠比實際所需更為複雜。33%的人認為舊有系統無法開發出先進的AI與機器學習計劃，此類問題迭出，最終往往會導致技術摩擦。

3、財務問題。儘管企業希望擴大其數據與AI戰略，但團隊與技術人員不得不面臨着來自財務方面的層層阻礙。25%的受訪者認為，財務限制作為一個關鍵的摩擦點，會對組織內部的AI項目造成負面影響。28%的人還表示管理層過多地關注於戰略的前期投資成本，無法理解投資AI和機器學習將如何使他們的企業受益。33%的受訪者紛紛表示，在依靠AI工具完成項目時，“實施成本高昂”（無論實際成本還是預算成本）是企業本身的一大短板。

AI技術和數據科學依然是企業投入重點

儘管項目失敗率居高不下，但各行業各地區的企業仍堅持採用AI技術。 四分之一的受訪者表示，他們所在企業的項目失敗率已超過50%。42%的受訪者承認，他們兩年來在AI領域屢屢受挫，其項目失敗率平均約為36%。儘管AI項目頻遭“滑鐵盧”，但各大企業仍堅持部署AI戰略，他們堅信從長遠來看，業務能力與服務水平必將得到大幅提升（78%），以往為數不多的成功經驗也表明此項技術有望實現質的飛躍（54%）。

積極尋求數據科學業務發展的企業也不在少數。

33%的受訪者稱，在過去兩年間，一半以上的數據科學項目均未能投產。此外，55%的受訪者還表示，在此期間，其三分之一以上的數據科學項目亦未能順利投產。令人震驚的是，高達67%的受訪者紛紛表示，超過四分之一的項目無法順利投產，此種情形比比皆是，屢見不鮮。

這也是全球範圍內存在的普遍問題。

調查顯示，在全球範圍內，技術和人才往往會制約各大企業在其內部順利地實現數據與AI戰略部署。來自亞太地區（APAC）和歐洲，中東及非洲地區（EMEA）的受訪者在調查中表示，與美洲地區（AMER）的企業相比，在過去的兩年裏，他們的AI項目失敗率往往更高（54%和35%），後者僅為29%。65%的APAC受訪者及61%的EMEA受訪者一致認為，其所在企業無法充分掌握AI工具，往往會使事情事倍功半。78%的APAC受訪者和75%的EMEA受訪者表示他們正積極發掘數據科學領域的專業人才。

如何高效利用海量且複雜的數據？

從全球視野看，賦能企業數字化轉型的數據服務商數量眾多、類型豐富、基因迥異，不僅包括服務工業、金融、零售等特定行業數字化轉型起家的服務商，還包括通用型AI技術、數據分析產品提供商。

在數據驅動業務發展和智能決策成為企業數字化轉型重要趨勢的背景下，如何將企業積累的海量且複雜的數據高效利用起來，挖掘併發揮數據的更大價值，打通企業設計研發-生產製造-營銷銷售-運維等全生命週期的數據流通和全流程數字化轉型，成為現階段企業亟需回答的命題。

事實上，儘管許多企業都在努力實現全流程的數據驅動，但部門之間、人員之間仍存在孤立現象，很多企業難以正確並高效利用快速增長的數據。企業在應用AI技術和AI產品過程中會產生多種“摩擦”，而數據分析中存在的“摩擦”將成為企業數字化轉型過程中的不穩定因素，導致項目失敗、成本和人員投入浪費等。

基於企業數據分析應用這一痛點，Altair在行業內首次提出了“Frictionless AI”，即“無摩擦AI”概念，旨在幫助企業解決用户與數據之間、數據與行業專家之間，以及工具、基礎設施不斷變化等帶來的摩擦。

Altair RapidMiner數據分析與人工智能平台

用户通過Altair RapidMiner數據分析與人工智能平台，可有效解決數據分析中的摩擦主要包括：數據專家和行業專家間的溝通偏差；缺乏知識或數據訪問權限等繁雜流程設計；數據不完整、混亂或格式不完善；數據專家與已建立的數據分析工具集間的技能脱節；工具和基礎設施不斷變化導致的不確定性或項目重定向等。