这篇文章讨论了人工智能应用于业务的现实和挑战，以及应对这些挑战的解决方法。
随着人工智能技术的发展，尤其是生成式AI聊天机器人，这个话题在商业和公众中受到越来越多的关注。机器学习（ML），尤其是深度学习和生成式ML，是这些发展的主要驱动力。
然而，对AI在业务环境中的冷静分析揭示了一个似乎与头条新闻相矛盾的故事。根据麦肯锡的数据，只有15%的企业ML项目能够成功。另一项由Gartner进行的研究发现，只有53%的AI项目能够从原型阶段进入生产阶段。如果这是真的，为什么企业要投入数十亿美元来开发人工智能呢？
这种脱节不是因为炒作，虽然确实存在一些炒作，而是因为方法的问题。组建ML解决方案的组织最常见的策略是查看数据集并展示对其进行建模的方式（通常是预测性的）。这种策略会引起问题，因为所提出的解决方案是在一个独立的环境中开发的，忽视了公司的运营实际情况。
如果组织从解决方案到问题反推，那么AI的应用就更有可能成功：确定在运营环境中部署有效解决方案所需的条件，识别真正的问题，然后将所提出的解决方案分解成更小的步骤。
选择正确的问题
