尽管 AI 具有广阔的前景，但许多公司仍然无法充分发挥机器学习和其他 AI 功能的潜力。然而，讽刺的是，这一问题在很大程度上是人自己造成的，正是低效的工作流阻碍了公司充分发挥 AI 的价值。

例如，数据科学家有时无法获得构建机器学习模型所需的资源和数据，无法与同事有效开展协作，需要管理许多不同的开源工具。而应用开发人员有时需要对数据科学家开发的模型进行完全重新编码，然后才能将这些模型嵌入到其应用中。

此外，随着开源 AI 工具不断涌现，IT 团队要花费更多的时间来持续更新工作环境，以此为数据科学团队提供支持。在很多情况下，由于数据科学团队工作方式不够标准化，这个问题还会变得更加复杂。

最终，高管层可能无法看到 AI 投资的价值，自然也就不会提供充足的支持和资源来构建 AI 成功所需要的协作和集成式生态系统。