मशीन लर्निंग ऑप्स सेक्टर में जटिलता क्यों जीतेगी

मशीन लर्निंग ऑप्स (एमएलओपीएस) एक तेजी से बढ़ता क्षेत्र है। बाजार 2025 तक 700 मिलियन डॉलर तक पहुंचने का अनुमान है – 2020 में इसके मूल्य का लगभग चार गुना।

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

मैं एमएलओपीएस स्पेस के चारों ओर निराशावाद 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 उस स्तर के राजस्व हासिल करने में धीमे रहे हैं जिसकी मुझे उम्मीद थी। एमएलओपीएस के साथ मेरे सकारात्मक और नकारात्मक अनुभवों के आधार पर, मैं समझता हूं कि क्यों इन स्टार्टअप्स ने संघर्ष किया है और क्यों वे अब विकास के लिए तैयार हैं।

एमएलओपीएस टूल्स डेटा-चालित 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 आपको इसकी विफलता के कारण महत्वपूर्ण राजस्व खोने का कारण बन सकते हैं। डेटा-चालित 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, गहरे ज्ञान और अनुभव के बिना एमएल-चालित समाधान तैनात करने वाली कंपनियां अधिक जटिल टूल्स की आवश्यकता को नहीं पहचानती हैं और न ही वे कम-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, गहरे ज्ञान और अनुभव वाली एमएल टीमों के साथ कंपनियां मानती हैं कि वे इन टूल्स को इनहाउस बना सकती हैं और तीसरे पक्ष के समाधानों को अपनाने में नहीं हैं। इसके अलावा, एमएलओपीएस टूल्स की कमियों से उत्पन्न होने वाली समस्याएं हमेशा पहचानने या निदान करने में आसान नहीं होती हैं – मॉडलिंग के बजाय संचालन विफलता के रूप में प्रकट होती हैं। परिणाम यह है कि एमएल-आधारित समाधान 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 होने वाली समस्याओं का अनुभव किया है या उन्होंने देखा है कि उनके प्रतिद्वंद्वी इन टूल्स की अनुपस्थिति से पीड़ित हैं, और अब उन्हें अधिक जटिल एमएलओपीएस समाधानों के बारे में सीखने के लिए मजबूर किया जा रहा है।

जिन एमएलओपीएस कंपनियों ने अब तक राजस्व की सर्दियों को बचाया है, उन्हें बाजार में पिघलने और बिक्री के अवसरों में वृद्धि की उम्मीद करनी चाहिए।

उपरिचित समाधान बेचने वाली कंपनियां अधिक एकीकृत समाधानों के लिए व्यवसाय खो देंगी जो समझने और अपनाने में अधिक कठिन हैं, लेकिन अपने ग्राहकों के लिए अधिक निगरानी, डीबगिंग और उपचार सेवाएं प्रदान करते हैं। एमएलओपीएस सॉफ्टवेयर डेवलपर्स को विश्वास रखना चाहिए कि शक्तिशाली सॉफ्टवेयर बनाना जो गहराई से और अधिक व्यापक तरीके से समस्याओं का समाधान करता है, लंबे समय में सरल समाधानों पर जीत हासिल करेगा जो तुरंत लाभ प्रदान करते हैं लेकिन अपने ग्राहकों का सामना करने वाली समस्याओं की पूरी गहराई का समाधान नहीं करते हैं।