毫無疑問，機器學習操作 (MLOps) 是一個新興領域。該市場預計到 2025 年將達到 7 億美元——幾乎是 2020 年的四倍。
儘管如此，儘管這些解決方案在技術上可靠且功能強大，但並未產生預期的收入，這引發了人們對未來增長的擔憂。
我能理解圍繞這個領域的悲觀情緒，因為我職業生涯的前 20 年在一家受人尊敬的投資管理公司有效地構建了內部 MLOps 工具。最近，我投資了 MLOps 初創公司，但它們在達到我預期的收入水平方面進展緩慢。基於我對 MLOps 的積極和消極經歷，我理解為什麼這些初創公司一直在苦苦掙扎，以及為什麼他們現在準備好增長。
MLOps 工具對於部署數據驅動模型和算法的公司至關重要。如果您開發軟件，則需要能夠診斷和預測軟件問題的工具，這些問題可能會導致您因軟件故障而損失可觀的收入。構建數據驅動解決方案的公司也是如此。如果您沒有足夠的 MLOps 工具來評估模型、監控數據、跟踪模型參數和性能的漂移以及跟踪模型的預測性能與實際性能，那麼您可能不應該在生產關鍵任務中使用模型。
但是，在沒有深厚知識和經驗的情況下部署 ML 驅動的解決方案的公司不會認識到需要更複雜的工具，也不了解低級技術集成的價值。他們更願意使用基於外部性的工具，即使它們的效率較低，因為它們的侵入性較小，並且如果這些工具不起作用，則代表較低的採用成本和風險。
相反，擁有更深知識和經驗的 ML 團隊的公司認為他們可以在內部構建這些工具，並且不想採用第三方解決方案。此外，由 MLOps 工具的缺點導致的問題並不總是容易識別或診斷——表現為建模失敗與操作失敗。結果是部署基於 ML 的解決方案的公司，無論是技術成熟的還是經驗不足的，都採用緩慢。
但情況開始發生變化。公司現在認識到復雜、深度集成的 MLOps 工具的價值。他們要么因為沒有這些工具而遇到問題，要么看到競爭對手在許多引人注目的失敗中因缺席而受苦，現在被迫學習更複雜的 MLOps 解決方案。
到目前為止，那些在收入寒冬中倖存下來的 MLOps 公司應該會看到市場解凍和銷售機會增加。
銷售膚淺解決方案的公司將開始失去業務，轉向更難以理解和採用的更集成的解決方案，但會為其客戶提供更多的監控、調試和補救服務。 MLOps 軟件開發人員應該堅信，從長遠來看，構建能夠以更深入、更徹底的方式解決問題的強大軟件將勝過簡單的解決方案，這些簡單的解決方案可以立即帶來回報，但不能解決客戶面臨的所有問題。