今年1月，IBM發表了一份詳細的研究報告，解釋了為什麼數字化轉型隻提供了-5%到10%的投資回報率，而不是預計的150%！這是一個巨大差距，與我們在20世紀80年代的初始用戶端/伺服器實作、90年代的作業系統遷移、21世紀初的大資料實作以及過去十年分析的技術實作的經驗一緻。
這并不是說所有的技術實作都沒有達到目标，隻是說絕大多數實作都失敗了。反複出現的問題是技術不夠成熟，提供該技術的公司，以及部署該技術的公司，都用令人印象深刻的銷售努力來說服買方相信其好處，同時缺乏後續行動來確定所承諾的價值已經實作。
同樣的事情也可能發生在人工智能上。
當用戶端/伺服器趨勢襲來時，當時技術還沒有準備好，但它幾乎讓IBM破産，因為市場試圖轉向一些還沒有準備好的東西。
原因在于，銷售往往能超越産品所在的位置，遠遠超過圍繞産品的服務。當像人工智能這樣的新趨勢來襲時，每個人都想分一杯羹。但除了IBM和英偉達(NVIDIA)等公司在人工智能領域已經研究了幾十年，沒有人(包括谷歌)宣布為人工智能做好了準備。
IBM此次如此興奮的原因是，它擁有watsonx，這是目前市場上最成熟的人工智能解決方案。這一次，IBM在企業級生成式人工智能能力方面是最成熟的，而其他公司則依靠很少或根本沒有基礎的銷售和營銷承諾生存。
當銷售領先于技術時，買家就會吃虧。根據IBM關于數字化轉型的資料，很多人吃虧是因為他們沒有做盡職調查。
解決辦法:做好功課，遵循流程
在這種情況下，最成功的流程之一是“從試驗到生産”。不要一步到位地進行部署。一旦确信某個供應商已經為你提供了足夠成熟和完整的解決方案，建立一個或多個試點項目來驗證你的信念。即使是成熟的産品也不能适用于所有情況。你不想大規模失敗，但在試點中失敗是可以恢複和承受的。
但即使在試點之前，也需要確定供應商對收益和投資回報率的要求是可以實作的。向其他已經部署并實作了承諾的好處的人尋求參考，詢問供應商，看看他們是否已經在内部部署了這項技術，并要求與使用該技術公司的IT人員交談(他們通常會非常誠實)。
與其他正在嘗試同樣任務的人一起研究并擷取最佳實踐，要意識到并非每種解決方案都适用于每個公司甚至每個部門。
混合多雲是在正常運作時間、成本、可用性和可靠性之間提供最佳平衡的實踐。需要一個了解這個概念的供應商，與你信任的雲計算供應商有着深厚的關系，并且已經獲得了足夠的經驗，是以它不應該是在服務你的過程中學習的。
特别是對于人工智能資料，品質是至關重要的，你需要很多幫助來確定它。不想要一個有偏見或産生幻覺的AI，就像你不想要一個總是提供不準确答案的分析一樣。
這些新的人工智能功能預計将是多模式的，包括自然語言、圖像、音頻、視訊，甚至是關鍵的時間元素。人工智能的使用往往傾向于針對其中一種資料類型進行優化，而在其他資料類型上表現不佳，是以你需要了解其中的差異，并讓供應商知道在它不具備能力的領域，另一家供應商可能是更好的選擇。
最後，你需要度量标準和裡程碑方面的幫助，這樣，如果供應商的性能不佳，你就可以及早确定問題所在，要麼更換供應商，要麼更換團隊。如果與你合作的供應商不能幫助你為項目設定度量标準和目标，那麼你就找錯了供應商。
從20世紀80年代的用戶端/伺服器到今天的人工智能，我們在最近的大型技術中經常遇到的問題是，銷售遠遠超過産品和支援結構。其結果是部署不能滿足目标和期望。在許多情況下，更明智的做法是等到合适的合作夥伴、合适的團隊和合适的解決方案出現後，再行動。