لماذا ستنتصر الحلول المتطورة في قطاع عمليات التعلم الآلي

ليس هناك شك في أن عمليات التعلم الآلي (MLOps) هي قطاع ناشئ. من المتوقع أن يصل حجم السوق إلى 700 مليون دولار بحلول عام 2025 – أي ما يقرب من أربع مرات ما كان عليه في عام 2020.

ومع ذلك، على الرغم من أن هذه الحلول سليمة تقنيًا وقوية، إلا أنها لم تنتج الإيرادات المتوقعة، مما أثار مخاوف بشأن النمو المستقبلي.

يمكنني فهم التشاؤم المحيط بهذا المجال، حيث قمت ببناء أدوات MLOps الداخلية خلال السنوات العشرين الأولى من مسيرتي المهنية في شركة إدارة استثمارات مشهورة. وفي الآونة الأخيرة، استثمرت في شركات ناشئة في مجال MLOps، ولكنها كانت بطيئة في تحقيق مستوى الإيرادات الذي كنت أتوقعه. بناءً على تجاربي الإيجابية والسلبية مع MLOps، أفهم لماذا عانت هذه الشركات الناشئة ولماذا هي الآن في وضع جيد للنمو.

أدوات MLOps هي أساسية للشركات التي تعتمد نماذج وخوارزميات مدفوعة بالبيانات. إذا كنت تطوّر برمجيات، فإنك تحتاج إلى أدوات تتيح لك تشخيص المشكلات وتوقّعها التي قد تسبب خسائر كبيرة في الإيرادات بسبب فشلها. نفس الشيء يطبق على الشركات التي تبني حلول مدفوعة بالبيانات. إذا لم تكن لديك أدوات MLOps الكافية لتقييم النماذج، ومراقبة البيانات، وتتبع الانحراف في معلمات النموذج والأداء، ومراقبة الأداء المتوقع مقابل الفعلي للنماذج، فمن المحتمل أنك لا يجب أن تستخدم النماذج في المهام الحرجة في بيئة التشغيل الفعلي.

ومع ذلك، الشركات التي تعتمد حلول مدفوعة بالتعلم الآلي دون معرفة عميقة وخبرة لا تعترف بضرورة الأدوات الأكثر تطورًا ولا تفهم قيمة التكامل التقني منخفض المستوى. إنها أكثر راحة مع الأدوات التي تعمل على الظواهر الخارجية، حتى لو كانت أقل فعالية، لأنها أقل غزوًا وتمثل تكلفة تبني وخطورة أقل إذا لم تنجح الأدوات.

على العكس من ذلك، الشركات التي لديها فرق تعلم آلي تمتلك معرفة أعمق وخبرة تعتقد أنها يمكن أن تبني هذه الأدوات داخليًا ولا تريد أن تتبنى حلولًا من طرف ثالث. بالإضافة إلى ذلك، لا يتم تحديد مشاكل الناتجة عن قصور أدوات MLOps دائمًا بسهولة أو تشخيصها – حيث تظهر كفشل في النمذجة مقابل فشل في العمليات. النتيجة هي أن الشركات التي تعتمد حلول مدفوعة بالتعلم الآلي، سواء كانت متقدمة تقنيًا أو غير متمرسة، كانت بطيئة في تبنيها.

لكن الأشياء بدأت تتغير. الشركات الآن تعترف بقيمة أدوات MLOps المتقدمة والمتكاملة بعمق. إما أنها قد واجهت مشاكل ناتجة عن عدم وجود هذه الأدوات أو أنها رأت منافسيها يعانون من غيابها في العديد من الإخفاقات البارزة، وأصبحت مضطرة الآن إلى التعرّف على حلول MLOps الأكثر تعقيدًا.

الشركات التي نجت من شتاء الإيرادات حتى الآن يجب أن تشهد انتعاشًا في السوق وزيادة في فرص البيع.

الشركات التي تبيع حلولًا سطحية سوف تبدأ في خسارة الأعمال لصالح حلول أكثر تكاملًا وأصعب في الفهم والتبني، ولكنها توفر المزيد من خدمات المراقبة وتصحيح الأخطاء ومعالجة المشكلات لعملائها. ينبغي لمطوّري برمجيات MLOps أن يظلوا واثقين من أن بناء برمجيات قوية تعالج المشكلات بعمق وشمول أكبر سينتصر على المدى الطويل على الحلول البسيطة التي توفر مكافآت فورية ولكنها لا تحل المشاكل الكاملة التي يواجهها عملاؤهم.