かつてないほどスマートになったプラットフォーム

品質とガバナンスの欠如 — 効果的な機械学習のためだけでなく、機械学習のアウトプットに対する信頼を育むには、データを信頼するに足る適切なガバナンスが必要です。それには、次のような質問に答えられる必要があります。どのデータを使用すべきでしょうか？それはどこから来て、データをどのように処理したのでしょうか？それには、PII（個人を特定できる情報）が含まれていますか？これは前回使用したデータと同じものですか？機械学習では、同じデータをモデルのトレーニングとその後の実行に使用するため、結果は使用するデータの品質に大きく左右されます。したがって、良い品質のデータであることが不可欠です。データ品質に問題があれば、それが増幅された結果がアウトプットされます。

無法地帯のエコシステム — 機械学習とAIツールによるエコシステムは、驚くほど複雑で、セキュリティとガバナンスが最優先されるため、システムの構築、維持ができるスキルセットを持つスタッフを見つけるのが困難です。ニューヨーク・タイムズの記事によれば、データサイエンティストは、時間の80％をデータの整理・準備に費やしているのだそうです。  

ビジネスのROIが低い — 機械学習モデルという「ブラックボックス」による出力は、たとえそれが正確であっても、しばしば信頼されないことがあります。ほとんどの企業にとって、AIに対する投資はコアインフラストラクチャというより、サイエンスプロジェクトのように捉えられています。なぜなら、ビジネスは、理解せず、信頼もしていない機械学習モデルのアウトプットを意思決定の道具として使わないからです。そして、ビジネスに必要なデータサイエンティストやハードウェアは安価ではありません。コストが高く貧弱なアウトプットしか得られなければ、全体的なROIが低下します。