머신 러닝 오퍼레이션ズ 부문에서 복잡성이 승리할 것

머신 러닝 오퍼레이션즈(MLOps)는 급성장하는 부문이다. 이 시장은 2025년까지 7억 달러에 이를 것으로 예상되며, 이는 2020년의 거의 4배에 해당한다.

그러나 기술적으로 완벽하고 강력한 이러한 솔루션이 예상한 수익을 창출하지 못한 것은 미래의 성장에 대한 우려를 불러일으켰다.

나는 이 분야에 대한 비관적인 시각을 이해할 수 있다. 나는 내 경력의 첫 20년 동안 내부적으로 MLOps 도구를 구축하는 데 시간을 보냈으며, 최근에는 MLOps 스타트업에 투자했다. 그러나 그들은 내가 기대했던 수준의 수익을 달성하는 데 느렸다. 내 경험과 투자 모두를 통해 나는 왜 이러한 스타트업이 어려움을 겪었는지, 그리고 왜 이제 성장할 준비가 되었는지 이해할 수 있다.

MLOps 도구는 데이터 기반 모델과 알고리즘을 배포하는 회사에 필수적이다. 소프트웨어를 개발한다면, 소프트웨어의 문제를 진단하고 예측할 수 있는 도구가 필요하다. 데이터 기반 솔루션을 구축하는 회사도 마찬가지이다. 모델을 평가하고, 데이터를 모니터링하고, 모델 매개변수와 성능의 드리프트를 추적하며, 모델의 예측된 성능과 실제 성능을 추적할 수 있는 적절한 MLOps 도구가 없으면, 모델을 생산성 крит적인 작업에 사용해서는 안 된다.

그러나 깊은 지식과 경험 없이 머신 러닝 기반 솔루션을 배포하는 회사들은 더 복잡한 도구가 필요한 것을 인식하지 못하며, 낮은 수준의 기술적 통합의 가치를 이해하지 못한다. 그들은 외부 요인에 작용하는 도구를 더 편안하게 느끼며, 도구가 작동하지 않는 경우 채택 비용과 위험이 낮기 때문에 더 선호한다.

반면에, 더 깊은 지식과 경험을 가진 머신 러닝 팀을 보유한 회사들은 이러한 도구를 자체적으로 구축할 수 있다고 믿으며, 제3자의 솔루션을 채택하고 싶어하지 않는다. 또한, MLOps 도구의 부족으로 인한 문제는 항상 쉽게 식별하거나 진단하기 어렵다. 모델링 대신 운영 실패로 나타날 수 있다. 결과적으로, 머신 러닝 기반 솔루션을 배포하는 회사들은, 기술적으로 정교하거나 비숙련된 회사들은, 채택에 느렸다.

그러나 상황이 바뀌기 시작했다. 회사들은 이제 복잡하고 깊이 통합된 MLOps 도구의 가치를 인식하기 시작했다. либо 이러한 도구가 없어서 문제를 경험했거나, 경쟁사들이 이러한 도구가 없어서 많은 고프로필 실패를 겪은 것을 보았기 때문이다. 이제는 더 복잡한 MLOps 솔루션에 대해 배우고 있다.

수익의 겨울을 살아남은 MLOps 회사들은 시장의 해빙과 판매 기회의 증가를 볼 수 있을 것이다.

표면적인 솔루션을 제공하는 회사들은 더 통합된 솔루션에 비즈니스를 잃기 시작할 것이다. 이러한 솔루션은 더難해 보이고 채택하기 어렵지만, 고객들에게 더 많은 모니터링, 디버깅, 및 복구 서비스를 제공한다. MLOps 소프트웨어 개발자들은 더 깊이 있고 철저하게 문제를 해결하는 강력한 소프트웨어를 구축하는 것이, 단기적으로 즉각적인 성과를 제공하지만 고객이 직면한 문제의 전체 범위를 해결하지 못하는 단순한 솔루션보다 장기적으로 승리할 것이라는 믿음을 유지해야 한다.