无论是添加语言、移植到新渠道，还是将数字员工重新部署到其他部门工作，使用大部分原始构建不仅可以降低总体成本，还可以在更快的时间范围内完成项目。虽然一些会话式AI产品声称能够通过多种语言和渠道进行开发，但它们通常意味着每个新部署都需要全新的构建。随着企业扩大会话AI的使用范围以扩展当前项目，并提供新的实施。很明显，那些能够重用资源的企业具有明显的优势。
80%的人工智能项目仍将是炼金术
这在一定程度上是因为开发工具本身的设计方式，其操作更像是黑盒子，而不是一系列可以根据操作需求进行调整的模块。正如Gartner所说:"到2020年，80%的人工智能项目仍将是炼金术，由那些在企业中无法施展才能的奇才管理。"
这一预测对于已经承诺使用严格的"机器框架"类型工具的企业来说是个坏消息，这些工具可能只适用于单点解决方案，但无法解决面临大量数字化转型项目的企业所面临的挑战。
它显示了对已经供不应求的技能的依赖。它体现出了这样的问题:如果业务用户没有可见性，他们如何确保正在构建的内容符合目的。更不用说无法控制基础设施的CIO以及潜在的安全和隐私问题。但最重要的是，它强调了可扩展性的重要性。
可扩展性问题
许多会话AI供应商会讨论可扩展性，但他们仅涉及现有的应用程序。很少有人能够将应用程序轻松移植到另一种语言通道。此外，更少启用协作工作，例如允许一个团队的开发人员重用由另一个团队构建的对话组件。
但是，即使在应用程序中，可扩展性通常也是有限的，这让许多企业感到意外。经常出现的是企业已经构建了一个试点或概念验证，并准备进行全面部署，但却发现这是不可行的。因为当他们扩展到满足应用程序的完整规范时，目标的数量(也就是客户想要实现的目标)增加了，只有少数开发工具能够超过80-100个目标。
虽然一些面向企业的工具确实提供了一定程度的可扩展性，但是仍然可能需要构建多个解决方案来满足全球企业的需求。而且，正如成功会话AI应用程序的五条黄金法则所解释的那样，这带来了必须克服的进一步的问题。
需要更高的透明度
企业应该更深刻地认识到，开发人员和业务用户之间在构建项目时需要更高的透明度，以及重用会话AI组件，以更轻松地满足可扩展性问题。
如果企业想要通过会话AI来满足其提高客户参与度和生产力的关键指标，他们就不能再忽视更紧迫的问题，即如何快速、轻松地扩展应用程序以满足全球业务需求。
