AI 當前已從理論逐步到模型部署與應用階段，然而有研究機構指出，雖然許多產業進行無數的前導專案 (Pilot Program)，但卻有 60% 的 AI 模型開發無法順利進入部署與應用。 40% 雖順利進入部署 AI 解決方案，但模型卻因疏於維護、監測與調校而逐漸失去準確性，到底出了甚麼事?
在企業營運中，許多預測分析流程仰賴 AI 模型的運作，而 AI 模型之所以能開發、部署與應用，背後是無數的 IT 與資料學團隊合作，包含資料串流的標準化與機器學習模型即時整合。為了能加速 AI 模型的開發與應用，一種新的趨勢——「AI 工業化」，成為當前最新作法，這套流程白話來說即是把 AI 產品化，然後用機器學習平台來生產這個「產品」。一如製造業產線上的自動化一樣，用一系列的步驟與協作，讓平台自動生成 AI 模型，再讓相關資料/IT 團隊進行後續作業，降低 AI 開發與維運成本，與解決分析軟體與程式語言不相同的問題。