对大多数企业来说，生成式人工智能令人兴奋，但尚未取得成功。这需要迅速改变，但这将需要一些企业可能不愿意做的工作。
公共云市场正在经历爆炸式的增长，原因很容易理解。对生成式人工智能的兴趣促使企业转向他们的公共云控制台，以分配更多的资源，包括数据存储和计算，这些资源往往更高端，成本更高。
人们不需要寻找那些令人失望的数据。高德纳公司估计，85%的人工智能实施没有达到预期或没有完成。许多项目再也没有复活。人们可以在谷歌上搜索所有关于人工智能的坏消息；总的趋势是，企业擅长花钱，但不擅长构建和部署人工智能。
报告显示，云计算技术的部署方式发生了重大转变，主要是对具有密集计算需求的生成式人工智能的需求。越来越多地依赖云服务来托管、培训和部署人工智能模型，这说明了人工智能创新与云基础设施之间的共生关系。组织已经在基于云的解决方案上投入了大量资金，以适应高级人工智能模型的复杂需求，推动了云计算容量和功能的极限。
不幸的是，人工智能无处不在。项目的放弃率反映了资源错位和战略疏忽的更广泛趋势。人工智能能力的快速发展与数据需求的复杂性和特殊性的增加相匹配。许多组织需要帮助来获取和管理高质量的数据，以便成功地部署人工智能，这已经成为大多数企业必须克服的障碍。
数据是问题所在
糟糕的数据质量是导致项目失败的主要因素。随着企业涉足更复杂的人工智能应用，对定制高质量数据集的需求暴露了现有企业数据的不足。尽管大多数企业都知道他们的数据本来可以更好，但他们不知道有多糟糕。多年来，企业一直在拖延数据问题，不愿解决问题，而技术债务却在积累。
人工智能需要优秀、准确的数据，这是许多企业所没有的。至少这需要投入大量的工作。这就是为什么很多企业放弃生成式人工智能的原因。数据问题的解决成本太高，许多知道什么对自己的职业生涯有好处的首席信息官也不想承担这个责任。在标记、清理和更新数据以保持其与培训模型的相关性方面的复杂性已经变得越来越具有挑战性，强调了组织必须驾驭的另一层复杂性。
通常，数据问题是由前任犯的错误造成的，例如将许多流程和关键数据元素推到ERP系统中，或者追逐炒作驱动的趋势，例如数据仓库。
云计算不会拯救你
尽管存在这些挑战，将人工智能与云计算集成仍然是一个关键的重点领域，为扩展人工智能计划提供必要的基础设施。公司继续探索云计算解决方案，以支持他们的人工智能雄心。然而，我们现在知道，投资回报比预期的要慢。
生成式人工智能项目的潜力和实用性之间的差距导致了对人工智能战略的谨慎乐观和重新评估。这促使组织仔细评估人工智能成功所需的基本要素，包括强大的数据治理和战略规划——企业认为部署人工智能过于昂贵和风险太大。
这里的理解是，云计算不会拯救你。这不是平台的问题；这是一个数据资产和资源知识的问题，需要为企业提供生成式人工智能。
这将导致人工智能世界中的有产者和无产者。那些能够将数据整理好并有效使用人工智能的人可以将生成式人工智能作为战略差异化因素，将公司带入下一个阶段。而其他人则会袖手旁观。
云计算提供商将在未来几年内增长，就像人们现在看到的那样。然而，除非他们能够教会他们的客户如何定义一个能够克服许多失败的人工智能战略，否则他们的市场将再次收缩。至少我们知道原因了。
企业在生成式人工智能方面表现糟糕、项目失败的原因很好理解。这不是分析师和首席技术官无法解释的错误。人们知道为什么人工智能项目会陷入困境，企业似乎不愿意或无法投资解决方案。但他们迟早会这样做，希望一些首席信息官有政治勇气正面解决问题，不管是否使用云计算，这是唯一可行的办法。