人工智能（AI）已经取得了非凡的成就——至少在较小的范围内，比如个人助理、机器人和移动设备。然而，对于大型企业项目，目前尚无定论。高管和专业人士可能正在意识到，他们对人工智能的期望可能比计划的要复杂得多。人工智能技术正变得越来越昂贵，企业还没有准备好，投资回报率（ROI）仍然是一个很大的问号。

这是David Linthicum的警告，他是一位备受尊敬的分析师，曾写过一本关于企业集成、云计算和其他许多方面的书。但现在，他对人工智能项目的成功并不乐观——至少现在是这样。他认为，随着企业意识到现实与炒作不符，企业人工智能购买的“低迷”即将到来，并陷入幻灭的低谷。然而，一两年后将会出现与业务更紧密结合的可靠的人工智能用例和实现。

Linthicum解释说，企业对人工智能的幻想破灭有四个原因：

• 撞上“数据墙”：他解释说，企业遇到的主要问题“不是因为生成式人工智能技术不好，而是因为他们的数据不好”。挑战在于“这个问题没有简单的解决办法，您将不得不停止正在做的事情，返回并修复您的数据。对于许多这样的组织来说，这个特殊的问题在过去的二三十年里没有得到解决。（此外）这是一笔巨大的支出和风险，必须有人在董事会会议上告诉他们，我们将花费3000万美元来修复我们的数据，然后才能进入新一代人工智能。这些都很难做到。有话可说。”
• 金融价格冲击：构建、实施和维持人工智能需要比之前的云或移动等技术浪潮更多的资源。“这些东西很贵，”他说。“它们的成本至少是传统的两到三倍它们需要像gpu这样的专用处理器，它们需要大量的资源，它们需要大量的生态系统他们需要训练数据，也就是数据调优、模型训练、模型调优，所有这些都是人工智能带来的。”
• 缺乏战略方向：“企业需要更好地进行规划，”Linthicum说。“在你从事一个通用人工智能项目之前，不了解你的数据状态，这不是正确的做法。从战略上看，你的数据需要如何与你对这项新技术的利用保持一致。”
• 缺乏技能：人工智能的成功需要训练有素的人——”我说的不是一个关于学习一家云提供商的人工智能平台的认证培训，”Linthicum说。“我说的是理解架构、理解数据科学、理解人工智能伦理、理解模型调优、理解性能基准测试以及理解合成数据。”这与传统非常不同Nal软件开发。”

历史上没有任何技术可以与支持人工智能所需要的努力相提并论，“人工智能将更加复杂，成本也要高得多，”Linthicum详细说。

这需要“清理和管理他们的数据，获得他们需要的技能，进行战略规划，绘制出用例，并绘制出ROI。”然后，“你将进入一种状态，你将把人工智能作为你业务的战略差异化因素。你可以做一些竞争对手做不到的事情——提供更好的客户体验、更高的生产率、更低的价格和更高的效率。”