ایم ایل ماڈل آپریشنلائزیشن 2023 کے لیے ایک اہم چیلنج اور موقع ہے

جیسا کہ ہم 2023 کی طرف بڑھ رہے ہیں، مشین لرننگ (ML) پروفیشنلز پچھلے سال کا جائزہ لے رہے ہیں اور آگے بڑھنے کے ممکنہ اہم مواقع کی نشاندہی کر رہے ہیں۔ اس مقصد کے لیے، میری کمپنی نے حال ہی میں امریکہ میں مقیم 200 ایم ایل فیصلہ سازوں کو بہتر طور پر سمجھنے کے لیے پول کیا کہ وہ مواقع کیا ہو سکتے ہیں۔ ایک شعبہ جس پر ہم نے توجہ مرکوز کی وہ آپریشنل کرنے کے پیچھے چیلنج تھا۔ مشین لرننگ، جسے جواب دہندگان نے ایک اہم مسئلہ کے طور پر جھنڈا دیا۔

اگرچہ مشین لرننگ ہر صنعت میں تنظیموں کو بہت زیادہ اہمیت دے سکتی ہے، لیکن یہ جاننا ضروری ہے کہ کاروبار صرف اس وقت اس قدر کو حاصل کر سکتے ہیں جب وہ ML ماڈل کو فعال کر سکتے ہیں۔ اس کو ذہن میں رکھتے ہوئے، یہاں ہماری تحقیق سے کچھ انتہائی دلچسپ نتائج ہیں، اور اس کے بارے میں خیالات MLOps زمرہ اس موقع پر بڑھ سکتے ہیں اور ML کو مزید کارآمد اور تمام صنعتوں میں قابل رسائی بنانے میں بہتری لا سکتے ہیں۔ 

ایم ایل ماڈلز کو عملی شکل دینے میں ناکامی آمدنی کو نقصان پہنچاتی ہے۔

جب ہم نے مشین لرننگ کے ماہرین سے پوچھا کہ کیا ان کی تنظیموں کو ML سرمایہ کاری سے کاروباری اور تجارتی قدر پیدا کرنے کا چیلنج دیا گیا ہے - مشین لرننگ پائپ لائنز اور پروجیکٹس کو بڑے پیمانے پر لگا کر یا تیار کر کے - تقریباً سبھی (86%) نے اتفاق کیا، تقریباً ایک تہائی (29%) کے ساتھ۔ یہ کہتے ہوئے کہ وہ "بہت چیلنج" تھے۔ اسی طرح، تقریباً تین چوتھائیوں نے کہا کہ ان کی کمپنی ML کو پیمانے پر چلانے میں چیلنجوں کی وجہ سے آمدنی یا قدر پیدا کرنے سے محروم ہے، تقریباً نصف نے ان چیلنجوں کو یا تو "شدید" یا "انتہائی شدید" کے طور پر بیان کیا۔ 

ظاہر ہے، یہ اعداد ان بنیادی مسائل سے بات کرتے ہیں جنہیں 2023 اور اس کے بعد کے لیے حل کرنے کی ضرورت ہے۔ مثال کے طور پر، ماڈلز کی ترقی، تعیناتی، اور دیکھ بھال کو بہتر بنانے کے لیے بنیادی مشین لرننگ کے عمل کو سپورٹ کرنے کے لیے ٹولز میں مزید سرمایہ کاری کی ضرورت ہے۔ اس کے ساتھ ساتھ پیداواری ماحول میں مشین لرننگ ماڈلز کی تعمیر، جانچ، تعیناتی، اور ان کا نظم کرنے کے عمل کو خودکار بنانے، تعاون کو بڑھانے، پراجیکٹ مینجمنٹ اور آپریشنلائزیشن پر توجہ مرکوز کرنا۔

ایم ایل پروسیس آٹومیشن میں سرمایہ کاری ایک ترجیح ہوگی۔

صنعت میں کچھ لوگوں کا خیال ہے کہ کساد بازاری AI اور مشین لرننگ کی سرمایہ کاری کو کم کر دے گی۔ حقیقت میں، اخراجات جاری رہنے کا امکان ہے۔ تاہم، AI اور ML کی ان اقسام میں کیا تبدیلی آئے گی جن میں کمپنیاں سرمایہ کاری کرنا چاہیں گی۔ 

مجھے امید ہے کہ کمپنیاں ایسی ٹیکنالوجیز میں سرمایہ کاری کریں گی جو فوری طور پر کارکردگی اور پیداواری صلاحیت کو بہتر بنا سکیں۔ چونکہ کمپنیاں 2023 میں لاگت کو بہتر بنانے اور اپنے کاموں کو ہموار کرنے کے خواہاں ہیں، وہ ممکنہ طور پر AI اور ML پلیٹ فارمز کا رخ کریں گی تاکہ وہ بڑے پیمانے پر عمل اور کاموں کو خودکار بنانے میں مدد کریں۔ ان معمول کی سرگرمیوں، افعال اور نظاموں کو خودکار بنا کر، کمپنیاں زیادہ اعلیٰ سطحی، ویلیو ایڈڈ پروجیکٹس پر توجہ مرکوز کرنے کے لیے سرمایہ، ہنر، اور دیگر قیمتی وسائل کو آزاد کر سکتی ہیں۔ یہ انہیں وسائل کو خالی کرنے اور لاگت کو تیزی سے بچانے کی اجازت دے گا، بالآخر ان کے منافع اور مارکیٹ کے لیے وقت میں بہتری آئے گی۔ 

ہم سروے میں خودکار اصلاح کی طرف یہ رجحان بھی دیکھتے ہیں، جیسا کہ رہنماؤں نے ML کے عمل کو زیادہ سے زیادہ بنانے کے لیے وسائل میں مسلسل سرمایہ کاری میں دلچسپی ظاہر کی، خاص طور پر آٹومیشن اور آرکیسٹریشن۔ اپنے ML آپریشنز کو خودکار بنا کر، تنظیمیں کم کے ساتھ زیادہ کام کر سکتی ہیں، اور کارکردگی اور پیداواری صلاحیت پر یہ توجہ خاص طور پر معاشی بدحالی کے وقت میں قابل قدر ہے۔

آپریشنلائزیشن کو نقصان پہنچانے والے غیر واضح اہداف

حیرت کی بات نہیں، تنظیموں اور ان کے مشین لرننگ پروجیکٹس کے درمیان رابطہ منقطع ہے، جو ماڈلز کے آپریشنلائزیشن کو متاثر کر رہا ہے۔ ہمارے مطالعے سے معلوم ہوا ہے کہ تقریباً 20% جواب دہندگان کا دعویٰ ہے کہ "غیر واضح تنظیمی حکمت عملی اور اہداف" ان کی کمپنی میں ایم ایل کو بڑے پیمانے پر چلانے کو چیلنج کر رہے ہیں۔ 

اس کو حل کرنے کے لیے، تنظیموں کو اپنے ML ورک فلو کے لیے زیادہ سے زیادہ جامع انداز اپنانا چاہیے، اس بات کو یقینی بناتے ہوئے کہ ML کے مقصد اور پوری تنظیم پر اثر کی مزید وضاحت ہو۔ اس کا مطلب یہ ہے کہ ML ٹیموں اور C-suite لیڈروں کو مخصوص کاروباری اہداف اور مقاصد کی نشاندہی کرنے کے لیے مل کر کام کرنا چاہیے جو تنظیم اپنے مشین لرننگ اقدامات کے ذریعے حاصل کرنے کی امید رکھتی ہے۔ اس میں کامیابی کے لیے میٹرکس کی وضاحت کرنا شامل ہونا چاہیے، جیسے کہ آمدنی میں اضافہ یا کسٹمر کی اطمینان میں اضافہ۔ اس کا مطلب یہ بھی ہے کہ دونوں ٹیموں کو ایم ایل کے اقدامات پر ہونے والی پیشرفت کا باقاعدگی سے جائزہ لینا چاہیے اور اس کا جائزہ لینا چاہیے تاکہ یہ یقینی بنایا جا سکے۔ ان کے مقاصد کو پورا کرنا اور متوقع قیمت کی فراہمی۔ ML ٹیموں، DevOps، اور C-suite کے درمیان اس فرق کو ختم کرنے اور مزید شفافیت اور تعاون پیدا کرنے میں، صنعت غیر واضح حکمت عملی اور اہداف کی اس رکاوٹ کو بہتر طریقے سے حل کر سکتی ہے۔

خلاصہ کرنے کے لیے، ہماری تحقیق سے پتہ چلتا ہے کہ ایم ایل آپریشنلائزیشن ایک کلیدی چیلنج کے ساتھ ساتھ 2023 میں سرمایہ کاری اور ترقی کا ایک موقع ہے۔ چونکہ تنظیمیں اگلے سال ایک چیلنجنگ معاشی ماحول میں سرمایہ کاری کو بہتر بنانا چاہتی ہیں، مجھے یقین ہے کہ ایم ایل آپریشنلائزیشن میں بہترین کارکردگی کا حصول سرفہرست ہوگا۔ ترجیح

• SEO سے چلنے والا مواد اور PR کی تقسیم۔ آج ہی بڑھا دیں۔
• پلیٹو بلاک چین۔ Web3 Metaverse Intelligence. علم میں اضافہ۔ یہاں تک رسائی حاصل کریں۔
• ماخذ: https://www.dataversity.net/ml-model-operationalization-is-a-key-challenge-and-opportunity-for-2023/