Uma nova pesquisa com 200 tomadores de decisão de aprendizado de máquina nos EUA analisa as tendências, oportunidades e desafios em aprendizado de máquina e MLOps (operações de aprendizado de máquina).
O estudo de ClearML descobriu que, para 41%, o maior desafio de sua plataforma, ferramentas ou pilha de MLOps é o atrito no uso de ferramentas com outras tecnologias. Enquanto 22 por cento citam o bloqueio do fornecedor-dificuldade de mudar para um provedor diferente sem custos, tempo ou interrupções significativos-como o maior desafio.
“MLOps como um campo novo e emergente é atualmente dominado por pontos fragmentados soluções que oferecem uma fração da funcionalidade que as empresas precisam para ML contínuo”, diz Moses Guttmann, CEO e cofundador da ClearML.”Esta situação precisa mudar. O objetivo deve ser reduzir a fragmentação e fornecer soluções mais abrangentes que atendam a todas as necessidades de MLOps, a fim de minimizar os desafios enfrentados pelos profissionais de ML e liberar bilhões de dólares em potencial de receita para tecnologia de IA e ML..”
Outros pontos problemáticos relatados pelos entrevistados da pesquisa incluem preços muito altos (39 por cento), processo de integração demorado demais (35 por cento) e falha da equipe em usar a solução pela qual pagaram (14 por cento). Além disso, 16 por cento dos entrevistados dizem que não usam ferramentas de terceiros, optando por usar ferramentas criadas internamente.
A esmagadora maioria dos entrevistados (92 por cento) diz que prefere usar uma plataforma unificada de MLOps que faz tudo, em vez de usar várias semiplataformas e soluções pontuais como parte de uma pilha de MLOps.
“Os tomadores de decisão de ML estão preparados para aumentar o investimento em MLOps este ano, mas de acordo com nossa resultados da pesquisa, eles estão buscando uma plataforma unificada de ponta a ponta, sem gastar gastando em várias soluções pontuais”, acrescenta Guttmann.”Com o crescente interesse em materializar o valor comercial dos investimentos em IA e ML, esperamos que a demanda por tecnologia integrada e completa impulsione a adoção de MLOps.”
O relatório completo está disponível no site ClearML.
Crédito da imagem: Jirsak/depositphotos.com