聪明的公司如何克服 AI 疲劳，在项目失败后进行重建

快速阅读: 据《所有工作》称，AI疲劳加剧，企业AI项目失败率上升，导致员工和领导压力增大。专家建议从小处着手，聚焦实际业务场景，避免盲目推进。

公司内部的AI实验进展迅速，但并非总是顺利进行。根据标普全球市场情报公司（S&P Global Market Intelligence）对超过1000名受访者进行的调查分析，今年截至目前，放弃大部分AI项目的公司比例从2024年的17%上升至42%。数据显示，总体而言，平均每个公司放弃了46%的AI概念验证项目，而不是将其投入实际应用。

广告在经历了两年多的快速AI发展以及随之而来的压力后，一些面临多次AI失败的公司领导开始感到疲惫。员工们也感受到了这种疲惫感：根据量子工作场所（Quantum Workplace）的一项研究，自认为是频繁使用AI的员工报告的倦怠水平（45%）高于那些偶尔（38%）或从不（35%）在工作中使用AI的员工。

失败当然是研发和任何技术采用过程中不可避免的一部分，但许多领导者表示，与以往其他技术变革相比，围绕AI的压力感显著增加。同时，关于AI的讨论也远远超出了职场范围，AI正成为从学校到地缘政治等各个领域的焦点。

咨询公司West Monroe的AI及新兴技术负责人埃里克·布朗（Erik Brown）表示：“当市场上每个人都在用热门技术的信息不断向你灌输时，这是人类的天性——你就会厌烦听到这些。”

“失败和压力导致了‘AI疲劳’”在支持客户探索实施AI的过程中，布朗观察到一个显著的趋势，即客户普遍感到“AI疲劳”，并对未能产生实际成果的AI概念验证项目越来越沮丧。他将许多失败归因于企业选择了错误的应用场景，或者对适用于不同工作场景的AI子集存在误解。例如，由于大型语言模型（LLMs）变得流行，他们就急于用其解决问题，而实际上机器学习或其他方法可能更适合。

该领域本身发展迅速且复杂，使得人们更容易感到疲惫。在其他情况下，对可能性的期望和兴奋可能导致公司采取过于激进的举措，却没有充分思考。布朗描述了一家大型全球组织的案例，该公司召集了十几位顶尖的数据科学家组成一个新的“创新小组”，任务是找出如何利用AI推动产品创新。他说，他们开发了许多先进的AI驱动技术，但由于无法真正解决核心业务问题，难以被采纳，引发了大量挫败感。

布朗说：“我认为任何新技术，尤其是受到AI关注的新技术，很容易优先考虑技术本身。我认为这就是很多疲劳和初期失败的根源。”

流程自动化公司Tines的联合创始人兼首席执行官伊欧恩·欣奇（Eoin Hinchy）表示，在一年的时间里，他们的团队在一项AI计划中经历了70次失败，才最终找到了成功的版本。主要的技术挑战在于确保为公司客户构建的部署大型语言模型（LLMs）的环境足够安全和私密，因此他们必须做到万无一失。

更多故事：

如何领导全球分布式团队：来自领导力专家的3个策略
46分钟前亚马逊命令数千名员工搬迁，尽管AI相关裁员即将来临
12小时前 Yardi Kube推出面向新运营商的早期阶段计划
14小时前罗技 vs 戴尔：证明你无法为一个你不愿体验的未来工作构建解决方案
1天前

“当然，我们曾有几次感觉已经成功了，是的，这就是我们需要的功能，这将是重大突破——但随后我们意识到，实际上，我们需要回到起点。”他说。

除了实际解决技术方案的团队外，欣奇表示，公司的其他部分也因起伏不定而感到疲惫。特别是销售团队，他们在竞争激烈的销售环境中努力完成自己的职责，而其他供应商正在发布类似的产品，但他们无法控制最终产品的推出节奏。欣奇表示，从组织角度来看，协调产品和销售团队是最困难的。

“我们必须对工程师、产品团队和销售团队进行大量的鼓励、沟通和安抚，告诉他们，所有这些付出的努力和汗水，虽然看起来并不光鲜，但最终会得到回报。”他说。

让职能团队主导

在网络安全公司Netskope，首席信息安全部门主管詹姆斯·罗宾逊（James Robinson）也感受到了不少失望，他形容自己对未能实现各种技术任务的代理和其他投资感到失望。但尽管如此，他和他的工程师们仍然很大程度上保持着由内在动力驱动的积极性。然而，公司的治理团队却真的感到疲惫。他们的待办事项清单常常像是已完成的工作，因为他们要赶着批准新的努力、团队想要采用的最新AI工具，以及中间的一切。

在这种情况下，解决方案就在于流程。公司通过要求特定的业务单元负责初步的治理流程，并设定明确的预期，即在向AI治理委员会提出之前需要完成什么，从而减轻了一些负担。罗宾逊说：“我们正在积极探讨和探索的方法之一是，将这些事务纳入业务单元。”

“例如，对于营销或工程生产力团队，让他们实际进行第一轮审查。说实话，他们更有兴趣，也更有动力这样做，所以让他们进行审查。然后，一旦到达治理团队，他们只需进行一些深入的审核问题，我们就能确保文档齐全。”

这一做法与West Monroe的布朗所说的最终帮助他的客户从失败的“创新实验室”努力中恢复过来的方法相呼应。他的团队建议回到业务单元，识别一些关键挑战，然后看看哪些最适合用AI解决方案来解决。接着他们分成更小的团队，整个过程中都包括相关业务单元的意见，他们能够进行试验并建立一个原型，证明AI可以在一个月内帮助解决其中一个难题。又过了一个半月，该解决方案的第一个版本得以部署。

总的来说，他预防和克服AI疲劳的建议是从小事做起。“你可以做两件事情，这两件事是适得其反的：一个是屈服于恐惧，什么都不做，最终会被竞争对手超越；另一个是试图一次做太多的事情，或者在如何在企业的各个部分嵌入AI方面不够专注，这也会让你感到不堪重负。”他说，“所以退一步，考虑一下你可以在哪些场景中用AI进行试验，然后在这些职能领域中分成小团队，在一定的指导下逐步推进。”

毕竟，AI的目的是帮助你更聪明地工作，而不是更辛苦地工作。

作者：Sage Lazzaro 为《财富》杂志撰写，标题为“‘AI疲劳’正在加剧，随着公司概念验证的失败日益增多，如何防止它”，并经授权转载。

(以上内容均由Ai生成)