2019 年，最终失败的 AI 项目数量约为 85% 左右，其中 96% 的组织表示遇到了数据质量、数据标签和构建模型置信度方面的问题。 另据报道，高级管理层对人工智能及其所能带来的价值缺乏了解。
如今，人工智能（和人工智能项目）仍处于部署的早期阶段。 如果公司使用人工智能，他们是在外部供应商的预制系统中使用它，这些供应商开发了人工智能，而不是他们的客户公司。
然而，展望未来，更多的公司将找到开发自己的内部人工智能的理由，这意味着定义一种与人工智能配合使用的项目管理方法。
AI项目与传统项目有何不同？
在传统的项目管理中，即使是使用敏捷等方法来完成，项目的成功也是由所生产的软件和易于理解的流程来定义的。 即使项目开发不像敏捷那样线性完成，基本步骤仍然是定义、设计、开发、测试和部署。 这些应用程序运行的数据几乎总是一个结构化的记录数据系统，该系统已经过质量审查，并且在形式和实质上都相当成熟。
因为传统软件开发所依赖的数据是可靠的，并且因为每个人都了解项目中使用的开发步骤，所以传统软件开发项目的不确定性要少得多。 这使得可以根据过去的项目历史来附加可信的项目截止日期。
不幸的是，人工智能项目不具备同样的稳定性，也不容易为项目完成指定硬性期限。
应对人工智能项目的不确定性
人工智能项目没有绝对的“结束”，除非你要终止这个项目。
如果你是人工智能项目经理，你就必须接受“没有尽头”的现实——项目的管理层和赞助商也是如此。
为什么没有尽头？
因为人工智能会根据其运行的数据来分析数据，并且数据会不断变化。 当您添加新的数据源时，结果将会改变。 人工智能本身还将包含机器学习 (ML)，可以识别数据模式并从这些模式中学习。 这也可以改变结果。
您的管理层和用户应该了解（并期望）随着数据的变化，结果也会发生变化。 这个过程的一部分包括接受不确定性作为人工智能系统进化的一部分。
定义您的 AI 项目可交付成果
从项目角度来看，在某个时刻，人工智能项目应该被视为完成。
大多数人工智能项目的目标是使人工智能结果与主题专家的结论至少有 95% 的一致性。 一旦达到 95% 的阈值，该项目就被认为足够准确，可以上线。 此时，该项目应该被宣布完成。
这并不意味着人工智能应用程序或系统的所有工作都已经结束。 将有
随着时间的推移，“漂移”可能会导致人工智能失去一些准确性。 在这些时候，人工智能将需要重新校准，以再次以最佳质量交付——但这就是软件维护。
人工智能项目的交付成果是否总是按计划进行？
答案是响亮的“不！”
有时，人工智能使用的数据没有得到适当的准备，特别是当引入新的和不熟悉的数据源时。 脏数据会扭曲人工智能结果。
其次，如果你的业务案例发生变化（以及用户希望从中获得的价值），人工智能将不再符合公司的需求。最后，无论你多么努力，人工智能项目都行不通。 尝试。 这种可能性应该事先与管理层讨论——一旦人工智能项目显示它无法成功，每个人都应该立即“拔掉插头”。
