ML Model Operationalization เป็นความท้าทายและโอกาสที่สำคัญสำหรับปี 2023

เมื่อเราก้าวเข้าสู่ปี 2023 ผู้เชี่ยวชาญด้านแมชชีนเลิร์นนิง (ML) กำลังพิจารณาข้อมูลในปีที่ผ่านมาและระบุโอกาสสำคัญที่อาจเกิดขึ้นในอนาคต ด้วยเหตุนี้ บริษัทของฉันจึงได้ทำการสำรวจผู้มีอำนาจตัดสินใจด้าน ML ในสหรัฐอเมริกาจำนวน 200 คน เพื่อทำความเข้าใจว่าโอกาสเหล่านั้นเป็นอย่างไร ประเด็นหนึ่งที่เรามุ่งเน้นคือความท้าทายเบื้องหลังการดำเนินงาน เรียนรู้เครื่องซึ่งผู้ตอบแบบสอบถามระบุว่าเป็นประเด็นสำคัญ

แม้ว่าแมชชีนเลิร์นนิงจะมอบคุณค่ามหาศาลให้กับองค์กรในทุกอุตสาหกรรม แต่สิ่งสำคัญคือต้องตระหนักว่าธุรกิจต่างๆ จะนำคุณค่านั้นไปใช้จริงได้ก็ต่อเมื่อสามารถใช้งานโมเดล ML ได้ ด้วยเหตุนี้ ต่อไปนี้คือข้อค้นพบที่น่าสนใจที่สุดบางส่วนจากการวิจัยของเรา รวมถึงความคิดเกี่ยวกับวิธีการ หมวดหมู่ MLOps สามารถเพิ่มโอกาสและปรับปรุงเพื่อให้ ML มีประโยชน์มากขึ้นและเข้าถึงได้ในอุตสาหกรรมต่างๆ 

การไม่สามารถใช้งานโมเดล ML ได้ส่งผลกระทบต่อรายได้

เมื่อเราถามผู้เชี่ยวชาญด้านแมชชีนเลิร์นนิงว่าองค์กรของพวกเขาถูกท้าทายให้สร้างมูลค่าทางธุรกิจและการค้าจากการลงทุนด้าน ML ด้วยการปรับใช้หรือสร้างผลผลิตของแมชชีนเลิร์นนิงไปป์ไลน์และโปรเจ็กต์ในวงกว้างหรือไม่ ทุกคนเกือบทุกคน (86%) เห็นด้วย โดยเกือบหนึ่งในสาม (29%) บอกว่าพวกเขา “ท้าทายมาก” ในทำนองเดียวกัน เกือบสามในสี่กล่าวว่าบริษัทของพวกเขาขาดรายได้หรือการสร้างมูลค่าเนื่องจากความท้าทายในการดำเนินงาน ML ในวงกว้าง โดยประมาณครึ่งหนึ่งอธิบายว่าความท้าทายเหล่านี้เป็น "รุนแรง" หรือ "รุนแรงมาก" 

เห็นได้ชัดว่าตัวเลขเหล่านี้บ่งบอกถึงปัญหาพื้นฐานที่ต้องแก้ไขในปี 2023 และต่อๆ ไป ตัวอย่างเช่น ความจำเป็นในการลงทุนเพิ่มเติมในเครื่องมือเพื่อสนับสนุนกระบวนการเรียนรู้ของเครื่องขั้นพื้นฐานเพื่อปรับปรุงการพัฒนา การปรับใช้ และการบำรุงรักษาโมเดล เช่นเดียวกับการมุ่งเน้นที่การทำให้กระบวนการสร้าง ทดสอบ ปรับใช้ และจัดการโมเดลแมชชีนเลิร์นนิงในสภาพแวดล้อมการผลิตเป็นไปโดยอัตโนมัติ ยกระดับการทำงานร่วมกัน การจัดการโครงการ และการปฏิบัติงาน

การลงทุนในระบบอัตโนมัติของกระบวนการ ML จะมีความสำคัญเป็นลำดับแรก

บางคนในอุตสาหกรรมเชื่อว่าภาวะเศรษฐกิจถดถอยจะลดการลงทุนด้าน AI และการเรียนรู้ของเครื่อง ในความเป็นจริงการใช้จ่ายมีแนวโน้มที่จะดำเนินต่อไป อย่างไรก็ตาม สิ่งที่จะเปลี่ยนไปคือประเภทของ AI และ ML ที่บริษัทต่าง ๆ จะต้องการลงทุนด้วย 

ฉันคาดว่าบริษัทต่างๆ จะลงทุนในเทคโนโลยีที่สามารถปรับปรุงประสิทธิภาพและผลผลิตได้ในทันที ในขณะที่บริษัทต่าง ๆ มองหาการปรับค่าใช้จ่ายให้เหมาะสมและเพิ่มประสิทธิภาพการดำเนินงานในปี 2023 พวกเขามีแนวโน้มที่จะหันไปใช้แพลตฟอร์ม AI และ ML เพื่อช่วยให้กระบวนการและงานต่าง ๆ มีขนาดใหญ่ขึ้นโดยอัตโนมัติ ด้วยการทำให้กิจกรรม ฟังก์ชัน และระบบที่ทำเป็นประจำเหล่านี้เป็นไปโดยอัตโนมัติ บริษัทต่างๆ สามารถเพิ่มทุน ความสามารถ และทรัพยากรอันมีค่าอื่นๆ เพื่อมุ่งเน้นไปที่โครงการระดับสูงที่มีมูลค่าเพิ่ม สิ่งนี้จะช่วยให้พวกเขาเพิ่มทรัพยากรและประหยัดค่าใช้จ่ายได้อย่างรวดเร็ว ท้ายที่สุดแล้วจะเพิ่มความสามารถในการทำกำไรและเวลาในการออกสู่ตลาด 

เรายังเห็นแนวโน้มนี้ไปสู่การเพิ่มประสิทธิภาพอัตโนมัติในการสำรวจ เนื่องจากผู้นำแสดงความสนใจในการลงทุนอย่างต่อเนื่องในทรัพยากรเพื่อเพิ่มประสิทธิภาพของกระบวนการ ML โดยเฉพาะอย่างยิ่งระบบอัตโนมัติและการประสาน ด้วยการทำให้การดำเนินงาน ML เป็นไปโดยอัตโนมัติ องค์กรต่างๆ สามารถทำสิ่งต่างๆ ได้มากขึ้นโดยใช้เวลาน้อยลง และการมุ่งเน้นที่ประสิทธิภาพและประสิทธิผลนี้เป็นสิ่งที่มีค่าอย่างยิ่งในช่วงเวลาที่เศรษฐกิจตกต่ำ

เป้าหมายที่ไม่ชัดเจนส่งผลกระทบต่อการดำเนินงาน

ไม่น่าแปลกใจที่มีการตัดการเชื่อมต่อระหว่างองค์กรและโปรเจ็กต์แมชชีนเลิร์นนิง ซึ่งส่งผลต่อการดำเนินการของโมเดล การศึกษาของเราพบว่าเกือบ 20% ของผู้ตอบแบบสอบถามอ้างว่า “กลยุทธ์และเป้าหมายขององค์กรที่ไม่ชัดเจน” กำลังท้าทายการดำเนินงาน ML ในวงกว้างภายในบริษัทของตน 

ในการแก้ปัญหานี้ องค์กรต้องใช้แนวทางแบบองค์รวมมากขึ้นสำหรับเวิร์กโฟลว์ ML ของตน เพื่อให้แน่ใจว่ามีความชัดเจนมากขึ้นเกี่ยวกับวัตถุประสงค์ของ ML และผลกระทบต่อองค์กรทั่วทั้งกระดาน ซึ่งหมายความว่าทีม ML และผู้นำ C-suite ควรทำงานร่วมกันเพื่อระบุเป้าหมายและวัตถุประสงค์ทางธุรกิจเฉพาะที่องค์กรหวังว่าจะบรรลุผ่านการริเริ่มการเรียนรู้ของเครื่อง ซึ่งควรรวมถึงการกำหนดเมตริกเพื่อความสำเร็จ เช่น รายได้ที่เพิ่มขึ้นหรือความพึงพอใจของลูกค้าที่ดีขึ้น นอกจากนี้ยังหมายความว่าทั้งสองทีมควรทบทวนและประเมินความคืบหน้าเกี่ยวกับความคิดริเริ่ม ML อย่างสม่ำเสมอเพื่อให้มั่นใจว่าเป็นเช่นนั้น บรรลุเป้าหมายของพวกเขา และส่งมอบคุณค่าที่คาดหวัง ในการปิดช่องว่างนี้ระหว่างทีม ML, DevOps และ C-suite และสร้างความโปร่งใสและการทำงานร่วมกันมากขึ้น อุตสาหกรรมสามารถจัดการกับอุปสรรคของกลยุทธ์และเป้าหมายที่ไม่ชัดเจนนี้ได้ดีขึ้น

โดยสรุป การวิจัยของเราแสดงให้เห็นว่าการดำเนินงานของ ML เป็นความท้าทายที่สำคัญ เช่นเดียวกับโอกาสสำหรับการลงทุนและการเติบโตในปี 2023 ในขณะที่องค์กรต่าง ๆ มองหาการเพิ่มประสิทธิภาพการลงทุนในสภาพแวดล้อมทางเศรษฐกิจที่ท้าทายในปีหน้า ฉันเชื่อว่าการบรรลุความเป็นเลิศในการดำเนินงาน ML จะเป็นอันดับแรก ลำดับความสำคัญ.

• เนื้อหาที่ขับเคลื่อนด้วย SEO และการเผยแพร่ประชาสัมพันธ์ รับการขยายวันนี้
• เพลโตบล็อคเชน Web3 Metaverse ข่าวกรอง ขยายความรู้. เข้าถึงได้ที่นี่.
• ที่มา: https://www.dataversity.net/ml-model-operationalization-is-a-key-challenge-and-opportunity-for-2023/