L’article de ZDNet discute des défis rencontrés lorsqu’on tente d’appliquer les méthodes agiles aux projets d’intelligence artificielle (IA). Il explique que les sprints agiles, conçus pour des développements itératifs rapides, se heurtent à la nature exploratoire et imprévisible des projets IA.

Les problèmes incluent l’incertitude des résultats, la nécessité de grandes quantités de données et des difficultés de communication entre les équipes techniques et métiers. Pour surmonter ces obstacles, une collaboration plus fluide et une adaptation des processus sont nécessaires.

L’étude de la RAND suggère que d’autres facteurs peuvent limiter le succès des projets d’IA. Alors que les échecs des technologies de l’information ont été bien documentés au cours des dernières décennies, les échecs de lA prennent une autre tournure.

« L’IA semble présenter des caractéristiques de projet différentes, telles que des exigences coûteuses en termes de main-d’œuvre et de capital et une grande complexité algorithmique. Cela rend les projets d’IA différents d’un système d’information traditionnel », expliquent les coauteurs de l’étude.

Par conséquent, les développeurs d’IA doivent s’assurer que la DSI comprend l’objectif du projet et le contexte du domaine. « Les malentendus et les erreurs de communication concernant l’intention et l’objectif du projet sont les raisons les plus courantes de l’échec d’un projet d’IA.