기계 학습 오퍼레이션ズ 부문에서 정교함이 승리할 것

기계 학습 오퍼레이션즈(MLOps)는 분명히 성장하는 부문입니다. 시장은 2025년까지 7억 달러에 달할 것으로 예상되며, 이는 2020년보다 거의 4배에 달합니다.

그러나 기술적으로는 완벽하고 강력하지만, 이러한 솔루션은 예상한 수익을 창출하지 못했으며, 이는 미래의 성장에 대한 우려를 불러일으켰습니다.

私は이 공간을 둘러싼 비관적인 견해를 이해할 수 있습니다.私は 경력의 첫 20년 동안 유명한 투자 관리 회사에서 내부 MLOps 도구를 구축하는 데 효과적으로 시간을 보냈기 때문입니다. 최근에私は MLOps 스타트업에 투자했지만, 예상한 수준의 수익을 달성하는 데 느렸습니다. MLOps와의 긍정적이고 부정적인 경험을 바탕으로, 나는 왜 이러한 스타트업이 어려움을 겪었는지, 그리고 왜 이제 성장할 준비가 되었는지 이해합니다.

MLOps 도구는 데이터驱动형 모델과 알고리즘을 배포하는 회사에 필수적입니다. 소프트웨어를 개발한다면, 소프트웨어의故障으로 인해 중요한 수익을 잃을 수 있는 문제를 진단하고 예측할 수 있는 도구가 필요합니다. 데이터驱动형 솔루션을 구축하는 회사도 마찬가지입니다. 모델을 평가하고, 데이터를 모니터링하고, 모델 매개변수와 성능의 변화를 추적하며, 모델의 예측된 성능과 실제 성능을 추적할 수 있는 충분한 MLOps 도구가 없다면, 생산성 крит적인 작업에 모델을 사용해서는 안 됩니다.

그러나 깊은 지식과 경험 없이 기계 학습驱动형 솔루션을 배포하는 회사들은 더 정교한 도구가 필요한 것을 인식하지 못하며, 저수준 기술 통합의 가치를 이해하지 못합니다. 외부성에 작동하는 도구를 더 편안하게 느끼며, 도구가 작동하지 않는 경우 채택 비용과 위험이 낮기 때문에, 도구가 덜 효과적일지라도 더 편안하게 느끼기 때문입니다.

반면에, 더 깊은 지식과 경험을 가진 기계 학습 팀을 보유한 회사들은 이러한 도구를 자체적으로 구축할 수 있다고 생각하여, 제3자 솔루션을 채택하고 싶어하지 않습니다. 또한, MLOps 도구의 부족으로 인한 문제는 항상 쉽게 식별되거나 진단되지 않으며, 모델링 대신 작동 실패로 나타날 수 있습니다. 결과적으로, 기계 학습 기반 솔루션을 배포하는 회사들은, 기술적으로 정교하거나 부족하거나, 채택에 느렸습니다.

그러나 상황은 이제 변하고 있습니다. 회사들은 이제 정교하고 깊이 통합된 MLOps 도구의 가치를 인식하기 시작했습니다. 도구가 없는 결과로 문제를 경험했거나, 많은 고プロ필 실패에서 경쟁자가 도구의 부재로 고통받는 것을 보았으며, 이제는 더 복잡한 MLOps 솔루션에 대해 배우고 있습니다.

지금까지 수익 동계를 переж어온 MLOps 회사들은 시장의 해빙과 판매 기회 증가를 볼 것입니다.

표면적인 솔루션을 판매하는 회사들은 더 통합된 솔루션에 비즈니스를 잃기 시작할 것입니다. 이러한 솔루션은 더 어렵게 이해하고 채택할 수 있지만, 고객에게 더 많은 모니터링, 디버깅 및 복구 서비스를 제공합니다. MLOps 소프트웨어 개발자는 강력한 소프트웨어를 구축하여 문제를 더 깊이 있고 철저하게 해결할 수 있다는 믿음을 유지해야 합니다. 이는 고객이 직면한 문제의 전체 범위를 해결하지 못하는 단순한 솔루션보다 장기적으로 승리할 것입니다.