ML Model Operationalization Is A Key Challenge And Opportunity For 2023

Taasavaldanud Platon

järgijaid: 0

2023. aastasse jõudes teevad masinõppe (ML) spetsialistid möödunud aastast kokkuvõtte ja tuvastavad potentsiaalsed peamised võimalused edasiliikumiseks. Sel eesmärgil küsitles minu ettevõte hiljuti 200 USA-s asuvat ML-i otsustajat, et paremini mõista, millised need võimalused võiksid olla. Üks valdkond, millele keskendusime, oli elluviimise taga olev väljakutse masinõpe, mille vastajad märkisid võtmeprobleemina.

Kuigi masinõpe võib tuua palju väärtust organisatsioonidele igas valdkonnas, on oluline mõista, et ettevõtted saavad seda väärtust realiseerida ainult siis, kui nad saavad ML-mudeli kasutusele võtta. Seda silmas pidades on siin mõned meie uurimistöö kõige huvitavamad leiud ja mõtted selle kohta, kuidas MLOps kategooria võib juhtuda ja täiustada, et muuta ML kasulikumaks ja kättesaadavamaks kõigis tööstusharudes.

Suutmatus ML-mudeleid kasutusele võtta kahjustab tulu

Kui küsisime masinõppe ekspertidelt, kas nende organisatsioonidel on väljakutse luua ML-investeeringutest äri- ja äriväärtust – masinõppe torujuhtmete ja projektide ulatusliku juurutamise või tootmisega – nõustusid peaaegu kõik (86%), peaaegu kolmandik (29%). öeldes, et nad on "väga väljakutseid esitanud". Samamoodi ütles peaaegu kolm neljandikku, et nende ettevõte jäi tulust või väärtuse loomisest ilma ML-i ulatusliku kasutuselevõtu väljakutsete tõttu, ligikaudu pooled nimetasid neid väljakutseid kas "tõsiste" või "väga tõsisteks".

Ilmselgelt räägivad need numbrid põhiprobleemidest, mis tuleb lahendada aastal 2023 ja pärast seda. Näiteks vajadus rohkem investeerida tööriistadesse, mis toetavad põhilisi masinõppeprotsesse, et parandada mudelite arendamist, juurutamist ja hooldust. Samuti keskendutakse masinõppemudelite loomise, testimise, juurutamise ja haldamise protsessi automatiseerimisele tootmiskeskkonnas, koostöö tõhustamisele, projektijuhtimisele ja kasutuselevõtule.

Investeeringud ML protsesside automatiseerimisse on prioriteetsed

Mõned tööstusharu esindajad usuvad, et majanduslangus vähendab tehisintellekti ja masinõppe investeeringuid. Tegelikkuses kulutamine tõenäoliselt jätkub. Siiski muutuvad AI ja ML tüübid, millesse ettevõtted soovivad investeerida.

Eeldan, et ettevõtted investeerivad tehnoloogiatesse, mis võivad lähitulevikus tõhusust ja tootlikkust parandada. Kuna ettevõtted soovivad 2023. aastal kulusid optimeerida ja oma tegevust sujuvamaks muuta, pöörduvad nad tõenäoliselt AI- ja ML-platvormide poole, et aidata neil protsesse ja ülesandeid ulatuslikult automatiseerida. Nende rutiinsete tegevuste, funktsioonide ja süsteemide automatiseerimisega saavad ettevõtted vabastada kapitali, talente ja muid väärtuslikke ressursse, et keskenduda kõrgetasemelisematele lisandväärtusega projektidele. See võimaldab neil kiiresti ressursse vabastada ja kulusid kokku hoida, parandades lõpuks nende kasumlikkust ja turuletuleku aega.

Seda suundumust automatiseeritud optimeerimise suunas näeme ka küsitluses, kuna juhid väljendasid huvi jätkuva investeeringute vastu ressurssidesse, et maksimeerida ML-protsesse, eriti automatiseerimist ja orkestreerimist. Oma ML-i toiminguid automatiseerides saavad organisatsioonid vähemaga rohkem ära teha ning see keskendumine tõhususele ja tootlikkusele on eriti väärtuslik majanduslanguse ajal.

Ebaselged eesmärgid kahjustavad operatiivsust

Pole üllatav, et organisatsioonide ja nende masinõppeprojektide vahel on katkestus, mis mõjutab mudelite kasutuselevõttu. Meie uuring näitas, et peaaegu 20% vastanutest väidavad, et "ebaselged organisatsioonilised strateegiad ja eesmärgid" on nende ettevõttes mastaabis ML-i elluviimine keeruline.

Selle lahendamiseks peavad organisatsioonid kasutama oma ML-i töövoogu terviklikumalt, tagades, et ML-i eesmärk ja mõju organisatsioonile on kogu ulatuses selgem. See tähendab, et ML-i meeskonnad ja C-komplekti juhid peaksid tegema koostööd konkreetsete ärieesmärkide ja -eesmärkide kindlakstegemiseks, mida organisatsioon loodab oma masinõppe algatustega saavutada. See peaks hõlmama edumõõdikute määratlemist, nagu suurenenud tulu või paranenud klientide rahulolu. See tähendab ka, et mõlemad meeskonnad peaksid korrapäraselt üle vaatama ja hindama ML-algatuste edusamme, et tagada nende toimimine oma eesmärke täita ja oodatava väärtuse pakkumine. Selle lõhe kaotamisel ML-meeskondade, DevOpsi ja C-komplekti vahel ning luues rohkem läbipaistvust ja koostööd, saab tööstus paremini toime tulla selle ebaselge strateegia ja eesmärkidega takistusega.

Kokkuvõtteks võib öelda, et meie uuringud näitavad, et ML-i kasutuselevõtt on 2023. aastal nii võtmetähtsusega väljakutse kui ka võimalus investeeringuteks ja kasvuks. Kuna organisatsioonid soovivad järgmisel aastal investeeringuid väljakutseid pakkuvas majanduskeskkonnas optimeerida, siis usun, et tipptaseme saavutamine rahalise rahapesu elluviimisel on tipptasemel. prioriteet.