最后，另一个让开始人工智能之旅的公司感到痛苦的领域是预测人工智能战略的结果和价值。鉴于机器学习在许多领域的应用都是新的，因此很难提前知道人工智能战略需要多长时间来规划和实施以及投资回报将是多少。这反过来又使组织中的创新者在获得对人工智能计划的支持时难以让其他人参与进来。

在 Rackspace 调查的受访者中，18% 的人认为缺乏明确的商业案例是采用人工智能战略的主要障碍。高管缺乏承诺也是最大的障碍之一。缺乏用例和高级管理层的承诺再次出现在机器学习之旅的主要挑战中。

“人工智能经常作为寻找组织内部问题的解决方案四处游荡。我相信这是其在组织内广泛采用的最大障碍之一，”DeVerter 说。“由于人工智能从业者可以展示人工智能如何使他们的特定公司受益的实际例子——领导层将进一步资助这些活动。就像任何商业冒险一样——领导层需要知道这将如何帮助他们节省或赚钱。”

评估人工智能计划的结果非常困难。根据调查，衡量人工智能计划成功的前两个关键绩效指标 (KPI) 是利润率和收入增长。可以理解，这种对快速利润的关注部分是由于人工智能计划的高成本。根据 Rackspace 的调查，组织每年平均在人工智能计划上花费 106 万美元。

但是，虽然一个好的 AI 计划应该会带来收入增长和降低成本，但在许多情况下，机器学习的长期价值在于开发新的用例和产品。

“如果短期财务收益没有与可以由这些短期收益提供资金的长期战略相结合，那么短期财务收益可能是短视的，”DeVerter 说。

如果您负责组织中的 AI 计划，请确保清楚地列出 AI 策略的用例、成本和收益。决策者应该清楚地了解他们的公司将要开展的工作。他们应该了解投资人工智能的短期利益，但他们也应该知道从长远来看他们会获得什么。