ทำไมความซับซ้อนจะชนะในภาค Machine Learning Ops

ไม่มีข้อสงสัยว่าเครื่องมือการทำงานของเครื่องจักร (MLOps) เป็นภาคที่กำลังเติบโต อุตสาหกรรมนี้คาดว่าจะถึง 700 ล้านเหรียญสหรัฐฯ ในปี 2025 ซึ่งเกือบสี่เท่าของที่เป็นในปี 2020

อย่างไรก็ตาม แม้ว่าโซลูชันเหล่านี้จะมีความเที่ยงทางเทคนิคและทรงพลัง แต่ก็ไม่ได้สร้างรายได้ตามที่คาดหวัง ซึ่งทำให้เกิดความกังวลเกี่ยวกับการเติบโตในอนาคต

ฉันสามารถเข้าใจความเป็นปัญหาในพื้นที่นี้ได้ เนื่องจากฉันใช้เวลา 20 ปีแรกของอาชีพการงานในการสร้างเครื่องมือ MLOps ภายในบริษัทจัดการลงทุนที่มีชื่อเสียง เมื่อเร็วๆ นี้ ฉันลงทุนในสตาร์ทอัพ MLOps แต่พวกเขาเติบโตช้ากว่าที่ฉันคาดหวัง โดยอาศัยประสบการณ์ที่ดีและไม่ดีของฉันกับ MLOps ฉันเข้าใจว่าทำไมสตาร์ทอัพเหล่านี้จึงต้องดิ้นรน และทำไมพวกเขาถึงพร้อมที่จะเติบโต

เครื่องมือ MLOps เป็นสิ่งจำเป็นสำหรับบริษัทที่ใช้แบบจำลองข้อมูลและอัลกอริทึม หากคุณพัฒนาโปรแกรม คุณต้องการเครื่องมือที่ช่วยให้คุณวินิจฉัยและคาดการณ์ปัญหาเกี่ยวกับซอฟต์แวร์ที่อาจทำให้คุณเสียรายได้เนื่องจากความล้มเหลว ในทำนองเดียวกัน สำหรับบริษัทที่สร้างโซลูชันที่ขับเคลื่อนด้วยข้อมูล หากคุณไม่มีเครื่องมือ MLOps ที่เพียงพอสำหรับการประเมินแบบจำลอง การติดตามข้อมูล การติดตามการเปลี่ยนแปลงของพารามิเตอร์และประสิทธิภาพ และการติดตามประสิทธิภาพที่คาดหวังและจริงของแบบจำลอง คุณอาจไม่ควรใช้แบบจำลองในงานที่สำคัญต่อการผลิต

อย่างไรก็ตาม บริษัทที่ใช้โซลูชันที่ขับเคลื่อนด้วย AI โดยไม่มีความรู้และประสบการณ์ที่ลึกซึ้งไม่เข้าใจถึงความจำเป็นของเครื่องมือที่ซับซ้อนและไม่เข้าใจคุณค่าของการผสมผสานทางเทคนิคในระดับต่ำ พวกเขามีความสบายใจกับเครื่องมือที่ทำงานบนภายนอก แม้ว่าจะมีประสิทธิภาพน้อยกว่าก็ตาม เนื่องจากพวกมันไม่รุกรานและแสดงถึงต้นทุนการนำไปใช้และความเสี่ยงที่ต่ำกว่าหากเครื่องมือไม่ทำงาน

ในทางกลับกัน บริษัทที่มีทีม ML ที่มีความรู้และประสบการณ์ที่ลึกซึ้งเชื่อว่าพวกเขาสามารถสร้างเครื่องมือเหล่านี้ภายในองค์กรและไม่ต้องการใช้โซลูชันของบุคคลที่สาม นอกจากนี้ ปัญหาที่เกิดขึ้นจากข้อบกพร่องของเครื่องมือ MLOps ไม่เสมอไปที่จะระบุหรือวินิจฉัยได้ง่ายๆ ซึ่งปรากฏเป็นความล้มเหลวของการสร้างแบบจำลองเทียบกับการดำเนินงาน ผลลัพธ์คือบริษัทที่ใช้โซลูชันที่ขับเคลื่อนด้วย AI ไม่ว่าจะมีความเชี่ยวชาญทางเทคนิคหรือไม่มีประสบการณ์ ก็ช้าที่จะนำรับ

แต่สิ่งต่างๆ กำลังเปลี่ยนแปลง บริษัทต่างๆ กำลังรับรู้ถึงคุณค่าของเครื่องมือ MLOps ที่ซับซ้อนและผสมผสานอย่างลึกซึ้ง ไม่ว่าจะเป็นเพราะพวกเขาได้สัมผัสกับปัญหาจากการไม่มีเครื่องมือเหล่านี้ หรือพวกเขาได้เห็นคู่แข่งที่ต้องทนทุกข์ทรมานจากการไม่มีเครื่องมือเหล่านี้ในหลายกรณีที่มีชื่อเสียง และตอนนี้กำลังถูกบังคับให้เรียนรู้เกี่ยวกับโซลูชัน MLOps ที่ซับซ้อนมากขึ้น

บริษัท MLOps ที่รอดชีวิตจากฤดูหนาวรายได้จนถึงตอนนี้ควรเห็นการละลายของตลาดและการเติบโตของโอกาสในการขาย

บริษัทที่ขายโซลูชันที่ผิวเผินจะเริ่มสูญเสียธุรกิจให้กับโซลูชันที่ผสมผสานมากขึ้น ซึ่งยากต่อการเข้าใจและนำไปใช้ แต่ให้บริการติดตาม ลดความซับซ้อน และการแก้ไขปัญหาให้กับลูกค้า MLOps นักพัฒนาซอฟต์แวร์ควรยึดมั่นในความเชื่อที่ว่าการสร้างซอฟต์แวร์ที่ทรงพลังซึ่งแก้ปัญหาในลักษณะที่ลึกซึ้งและครอบคลุมมากขึ้นจะชนะในระยะยาวมากกว่าโซลูชันที่ให้ผลตอบแทนในทันที แต่ไม่แก้ปัญหาเต็มรูปแบบที่ลูกค้ากำลังเผชิญ