マシンラーニングオペレーションズ分野では洗練が勝利する

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おり、2020年の約4倍になる。 

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る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。

私はこの分野に対する悲観的な見方を理解できる。私は私のキャリアの最初の20年間で、著名な投資管理会社で内部のMLOpsツールを構築していたからである。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までに時間がかかった。MLOpsでの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、そしてなぜ今成長する準備ができ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会社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。データドリブンのソリューションを構築する会社も同様である。如果、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ツール、および予測されたパフォーマンスと実際のパフォーマンスを追跡するツールがない場合、モデルを生産 крит的タスクに使用するべきではない。

しかし、深い知識と経験を持たない会社は、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。彼らは、より効果的ではないとしても、外部性で動作するツールの方が、侵襲性が低く、ツールがうまくいか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会社は、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を採用したくない。さらに、MLOpsツールの短所による問題は、常に容易に識別または診断することができず、モデリングの故障ではなく、オペレーションの故障として現れる。結果として、MLベースのソリューションを展開する会社は、技術的に洗練されているか、または未経験であるかに関わらず、採用が遅れている。

しかし、状況は変化しつつある。会社は今、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。彼らはこれらのツールがないこと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強いられている。

これまで収益の冬を生き延びたMLOps会社は、市場の解凍と売上機会の増加を見込めるはずである。

表面的なソリューションを販売する会社は、より統合されたソリューションにビジネスを失うようになる。より統合されたソリューションは、より難しいもので、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、より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、最終的には、簡単な解決策よりも優れていると信じるべきである。簡単な解決策は即時の利益をもたらすかもしれないが、顧客が直面している問題の全範囲を解決することはできないからである。