David Magerman

マシンラーニングオペレーションズ部門では洗練された技術が勝利する

マシンラーニングオペレーションズ（MLOps）は確実に成長している分野である。市場は2025年までに7億ドルに達すると予測されている－2020年の約4倍である。　しかし、技術的には健全で強力であるものの、これらのソリューションは予想された収益を生み出せていないため、将来の成長について懸念が生じている。私は、この分野についての悲観的な見方を理解できる。私は、最初の20年間で、著名な投資管理会社で内部のMLOpsツールを構築することに費やした。最近では、MLOpsスタートアップに投資したが、期待した収益レベルに達するのに時間がかかった。MLOpsに関する私のポジティブな経験とネガティブな経験から、スタートアップがなぜ苦労したのか、そしてなぜ今成長のチャンスに立っているのかを理解できる。MLOpsツールは、データドリブンのモデルとアルゴリズムを展開する企業にとって非常に重要である。ソフトウェアを開発する場合、ソフトウェアの故障によって重大な収益を失う可能性のある問題を診断および予測するためのツールが必要である。同様に、データドリブンのソリューションを構築する企業も、モデルを評価するための適切なMLOpsツール、データを監視するためのツール、モデルパラメータとパフォーマンスのドリフトを追跡するためのツール、モデル予測と実際のパフォーマンスの追跡ツールがなければ、モデルを使用して運用上のタスクを実行するべきではない。しかし、深い知識と経験を持たない企業は、より洗練されたツールの必要性を認識しておらず、低レベルの技術的統合の価値を理解していない。外部性を操作するツールの方が、より効果的ではないとしても、侵襲性が低く、ツールが機能しない場合の採用コストとリスクが低いため、より快適である。一方、MLチームが深い知識と経験を持つ企業は、これらのツールを社内で構築できると考え、第三者ソリューションの採用を望まない。さらに、MLOpsツールの欠陥による問題は、常に容易に特定または診断することができず、モデリングの失敗として現れることがある。結果として、MLベースのソリューションを展開する企業は、技術的に洗練されたものであっても、未経験であっても、MLOpsツールの採用が遅れている。しかし、状況は変化しつつある。企業は今、洗練された、深く統合されたMLOpsツールの価値を認識し始めている。ツールの欠如による問題を経験したか、または競合他社が多くの高プロファイルの失敗で苦しんでいるのを見て、より複雑なMLOpsソリューションについて学ぶことを余儀なくされている。これまで収益の冬を生き延びたMLOps企業は、市場の解凍と売上機会の増加を期待できる。表面的なソリューションを提供する企業は、より統合されたソリューションにビジネスを失い始める。これらのソリューションは、理解して採用するのが難しいが、より多くの監視、デバッグ、修復サービスを提供する。MLOpsソフトウェア開発者は、より深く、徹底的に問題を解決する強力なソフトウェアを構築することは、長期的には、顧客が直面している問題の全範囲を解決しないシンプルなソリューションよりも勝利するだろうと信じ続けるべきである。