چرا بیشتر پروژه‌های هوش مصنوعی به نتیجه نمی‌رسند

ابزارهای هوش مصنوعی قدرتمندتر از همیشه‌اند، اما نرخ شکست پروژه‌ها تغییری نکرده است. مشکل معمولاً فنی نیست. ### مسئلهٔ مبهم «استفاده از هوش مصنوعی برای بهبود فروش» یک مسئله نیست؛ یک آرزوست. مسئلهٔ درست این است: «چه بخشی از فرایند فروش بیشترین زمان یا خطا را دارد؟» ### دادهٔ ناآماده مدل خوب روی دادهٔ بد، خروجی بد می‌دهد. قبل از ساخت، باید مشخص شود داده کجاست، چه کیفیتی دارد و چه کسی مالک آن است. ### معیار موفقیت دیرهنگام اگر معیار موفقیت بعد از ساخت تعیین شود، هر نتیجه‌ای قابل توجیه می‌شود. معیار باید قبل از شروع، عددی و قابل اندازه‌گیری باشد. ### راه‌حل ساده است، نه آسان یک جلسهٔ شناخت خوب، یک پایلوت کوچک و یک معیار روشن. همین سه چیز، بیشتر پروژه‌های نیمه‌کاره را نجات می‌دهد.