मशीन लर्निंग ऑप्स सेक्टर में जटिलता जीतेगी

इस बात में कोई संदेह नहीं है कि मशीन लर्निंग ऑपरेशंस (एमएलओपीएस) एक तेजी से विकसित हो रहा क्षेत्र है। बाजार 2025 तक $700 मिलियन तक पहुंचने का अनुमान है – जो 2020 में इसके आकार से लगभग चार गुना अधिक है।

फिर भी, तकनीकी रूप से ध्वनि और शक्तिशाली होने के बावजूद, इन समाधानों ने अपेक्षित राजस्व उत्पन्न नहीं किया है, जिससे भविष्य की वृद्धि के बारे में चिंताएं बढ़ गई हैं।

मैं इस स्थान के आसपास की निराशावादिता को समझ सकता हूं, क्योंकि मैंने अपने करियर के पहले 20 वर्षों में एक प्रतिष्ठित निवेश प्रबंधन फर्म में आंतरिक एमएलओपीएस टूल्स बनाने में प्रभावी ढंग से बिताए हैं। हाल ही में, मैंने एमएलओपीएस स्टार्टअप्स में निवेश किया है, लेकिन वे अपेक्षित राजस्व के स्तर तक पहुंचने में धीमे रहे हैं। एमएलओपीएस के साथ मेरे सकारात्मक और नकारात्मक अनुभवों के आधार पर, मैं समझता हूं कि इन स्टार्टअप्स ने क्यों संघर्ष किया है और क्यों वे अब वृद्धि के लिए तैयार हैं।

एमएलओपीएस टूल्स डेटा-संचालित मॉडल और एल्गोरिदम तैनात करने वाली कंपनियों के लिए महत्वपूर्ण हैं। यदि आप सॉफ्टवेयर विकसित करते हैं, तो आपको ऐसे टूल्स की आवश्यकता होती है जो आपको सॉफ्टवेयर के साथ समस्याओं का निदान और पूर्वानुमान लगाने की अनुमति देते हैं जो इसकी विफलता के कारण आपको महत्वपूर्ण राजस्व के नुकसान का कारण बन सकते हैं। डेटा-संचालित समाधान बनाने वाली कंपनियों के लिए भी यही सच है। यदि आपके पास मॉडल का मूल्यांकन करने, डेटा की निगरानी करने, मॉडल पैरामीटर और प्रदर्शन में ड्रिफ्ट को ट्रैक करने और मॉडल के पूर्वानुमानित बनाम वास्तविक प्रदर्शन को ट्रैक करने के लिए पर्याप्त एमएलओपीएस टूल नहीं हैं, तो आपको उत्पादन-महत्वपूर्ण कार्यों में मॉडल का उपयोग नहीं करना चाहिए।

हालांकि, एमएल-ड्राइवन समाधानों को तैनात करने वाली कंपनियां जिनके पास गहरा ज्ञान और अनुभव नहीं है, वे अधिक जटिल टूल्स की आवश्यकता को नहीं पहचानती हैं और न ही वे निम्न-स्तरीय तकनीकी एकीकरण के मूल्य को समझती हैं। वे बाहरी टूल्स के साथ अधिक सहज होते हैं, भले ही वे कम प्रभावी हों, क्योंकि वे कम आक्रामक होते हैं और यदि टूल्स काम नहीं करते हैं तो उनका अपनाने की लागत और जोखिम कम होता है।

इसके विपरीत, एमएल टीमों के साथ कंपनियां जो गहरा ज्ञान और अनुभव रखती हैं, वे सोचती हैं कि वे इन टूल्स को इन-हाउस बना सकती हैं और तीसरे पक्ष के समाधानों को अपनाने में नहीं हैं। इसके अलावा, एमएलओपीएस टूल्स की कमियों से उत्पन्न समस्याएं हमेशा आसानी से पहचानी या निदान नहीं की जा सकती हैं – मॉडलिंग के रूप में दिखाई देती हैं बनाम ऑपरेशनल विफलताएं। परिणाम यह है कि एमएल-आधारित समाधानों को तैनात करने वाली कंपनियां, चाहे वे तकनीकी रूप से परिष्कृत हों या अनुभवहीन, अपनाने में धीमी रही हैं।

लेकिन चीजें बदलने लगी हैं। कंपनियां अब जटिल, गहराई से एकीकृत एमएलओपीएस टूल्स के मूल्य को पहचान रही हैं। या तो उन्होंने इन टूल्स की अनुपस्थिति से उत्पन्न समस्याओं का अनुभव किया है या उन्होंने अपने प्रतिद्वंद्वियों को कई उच्च-प्रोफ़ाइल विफलताओं में इसकी अनुपस्थिति से पीड़ित देखा है, और अब उन्हें अधिक जटिल एमएलओपीएस समाधानों के बारे में सीखने के लिए मजबूर किया जा रहा है।

उन एमएलओपीएस कंपनियों को जो अब तक राजस्व की सर्दियों को बचा चुकी हैं, उन्हें बाजार में पिघलाव और बिक्री के अवसरों में वृद्धि देखनी चाहिए।

उपेर्फ़िशियल समाधान बेचने वाली कंपनियां अधिक एकीकृत समाधानों के लिए व्यवसाय खोना शुरू कर देंगी जो अधिक कठिन हैं और अपनाने में मुश्किल हैं, लेकिन अपने ग्राहकों के लिए अधिक निगरानी, डीबगिंग और उपचार सेवाएं प्रदान करती हैं। एमएलओपीएस सॉफ्टवेयर डेवलपर्स को विश्वास रखना चाहिए कि शक्तिशाली सॉफ्टवेयर बनाना जो समस्याओं को एक गहरे और अधिक व्यापक तरीके से हल करता है, लंबे समय में अपने ग्राहकों का सामना करने वाली समस्याओं की पूरी गहराई को हल नहीं करने वाले सरल समाधानों पर जीत हासिल करेगा।