Operasionalisasi Model ML Merupakan Tantangan dan Peluang Utama untuk Tahun 2023

Memasuki tahun 2023, para profesional pembelajaran mesin (ML) mengamati tahun lalu dan mengidentifikasi peluang kunci potensial untuk bergerak maju. Untuk itu, perusahaan saya baru-baru ini menyurvei 200 pembuat keputusan ML yang berbasis di AS untuk lebih memahami kemungkinan peluang tersebut. Satu bidang yang kami fokuskan adalah tantangan di balik operasionalisasi Mesin belajar, yang ditandai oleh responden sebagai masalah utama.

Meskipun pembelajaran mesin dapat memberikan banyak nilai bagi organisasi di setiap industri, penting untuk diketahui bahwa bisnis hanya dapat mengaktualisasikan nilai tersebut jika mereka dapat mengoperasionalkan model ML. Dengan mengingat hal itu, berikut adalah beberapa temuan paling menarik dari penelitian kami, ditambah pemikiran tentang bagaimana kategori MLOps dapat memanfaatkan kesempatan tersebut dan meningkat untuk menjadikan ML lebih bermanfaat dan dapat diakses di seluruh industri. 

Ketidakmampuan Mengoperasikan Model ML Merugikan Pendapatan

Saat kami bertanya kepada pakar machine learning apakah organisasi mereka ditantang untuk menciptakan nilai bisnis dan komersial dari investasi ML – dengan menerapkan atau memproduksi pipeline dan proyek machine learning dalam skala besar – hampir semua orang (86%) setuju, dengan hampir sepertiga (29%) mengatakan mereka "sangat tertantang." Demikian pula, hampir tiga perempat mengatakan perusahaan mereka kehilangan pendapatan atau penciptaan nilai karena tantangan dalam mengoperasionalkan ML dalam skala besar, dengan kira-kira setengahnya menggambarkan tantangan ini sebagai “parah” atau “sangat parah”. 

Jelas, angka-angka ini berbicara tentang masalah mendasar yang perlu dipecahkan pada tahun 2023 dan seterusnya. Misalnya, kebutuhan akan lebih banyak investasi pada alat untuk mendukung proses pembelajaran mesin dasar guna meningkatkan pengembangan, penyebaran, dan pemeliharaan model. Serta fokus pada otomatisasi proses membangun, menguji, menerapkan, dan mengelola model pembelajaran mesin di lingkungan produksi, meningkatkan kolaborasi, manajemen proyek, dan operasionalisasi.

Investasi dalam Otomasi Proses ML Akan Menjadi Prioritas

Beberapa di industri percaya resesi akan melemahkan AI dan investasi pembelajaran mesin. Pada kenyataannya, pengeluaran kemungkinan akan terus berlanjut. Namun, yang akan berubah adalah jenis AI dan ML yang ingin diinvestasikan oleh perusahaan. 

Saya mengantisipasi perusahaan akan berinvestasi dalam teknologi yang dapat meningkatkan efisiensi dan produktivitas dalam waktu dekat. Karena perusahaan ingin mengoptimalkan biaya dan merampingkan operasi mereka pada tahun 2023, mereka kemungkinan akan beralih ke platform AI dan ML untuk membantu mereka mengotomatiskan proses dan tugas dalam skala besar. Dengan mengotomatiskan aktivitas, fungsi, dan sistem rutin ini, perusahaan dapat membebaskan modal, bakat, dan sumber daya berharga lainnya untuk fokus pada proyek bernilai tambah tingkat tinggi. Ini akan memungkinkan mereka membebaskan sumber daya dan menghemat biaya dengan cepat, yang pada akhirnya meningkatkan profitabilitas dan waktu mereka ke pasar. 

Kami juga melihat tren pengoptimalan otomatis ini muncul dalam survei, karena para pemimpin menyatakan minatnya untuk terus berinvestasi dalam sumber daya guna memaksimalkan proses ML, terutama otomatisasi dan orkestrasi. Dengan mengotomatiskan operasi ML mereka, organisasi dapat melakukan lebih banyak hal dengan lebih sedikit, dan fokus pada efisiensi dan produktivitas ini sangat berharga di masa krisis ekonomi.

Tujuan yang Tidak Jelas Melukai Operasionalisasi

Tidak mengherankan, ada keterputusan antara organisasi dan proyek pembelajaran mesin mereka, yang berdampak pada operasionalisasi model. Studi kami menemukan bahwa hampir 20% responden mengklaim “strategi dan tujuan organisasi yang tidak jelas” menantang operasionalisasi ML dalam skala besar di dalam perusahaan mereka. 

Untuk mengatasi hal ini, organisasi harus menggunakan pendekatan yang lebih holistik untuk alur kerja ML mereka, memastikan bahwa tujuan dan dampak ML lebih jelas bagi organisasi secara keseluruhan. Ini berarti bahwa tim ML dan pemimpin C-suite harus bekerja sama untuk mengidentifikasi tujuan dan sasaran bisnis spesifik yang ingin dicapai oleh organisasi melalui inisiatif pembelajaran mesinnya. Ini harus mencakup penentuan metrik untuk sukses, seperti peningkatan pendapatan atau peningkatan kepuasan pelanggan. Ini juga berarti bahwa kedua tim harus meninjau dan menilai kemajuan inisiatif ML secara berkala untuk memastikan kemajuan tersebut memenuhi tujuan mereka dan memberikan nilai yang diharapkan. Dalam menutup celah antara tim ML, DevOps, dan C-suite ini serta menciptakan lebih banyak transparansi dan kolaborasi, industri dapat mengatasi kendala strategi dan tujuan yang tidak jelas ini dengan lebih baik.

Singkatnya, penelitian kami menunjukkan bahwa operasionalisasi ML adalah tantangan utama serta peluang untuk investasi dan pertumbuhan pada tahun 2023. Saat organisasi berupaya mengoptimalkan investasi dalam lingkungan ekonomi yang menantang tahun depan, saya yakin pencapaian keunggulan dalam operasionalisasi ML akan menjadi yang terbaik. prioritas.

• Konten Bertenaga SEO & Distribusi PR. Dapatkan Amplifikasi Hari Ini.
• Platoblockchain. Intelijen Metaverse Web3. Pengetahuan Diperkuat. Akses Di Sini.
• Sumber: https://www.dataversity.net/ml-model-operationalization-is-a-key-challenge-and-opportunity-for-2023/