ไม่ต้องสงสัยเลยว่าการดำเนินการแมชชีนเลิร์นนิง (MLOps) เป็นภาคส่วนที่กำลังเติบโต ตลาดคาดการณ์ว่าจะมีมูลค่าถึง 700 ล้านดอลลาร์ภายในปี 2568 ซึ่งเกือบสี่เท่าของในปี 2563
ถึงกระนั้น แม้ว่าจะฟังดูดีและมีประสิทธิภาพทางเทคนิค แต่โซลูชันเหล่านี้ก็ยังไม่สร้างรายได้ตามที่คาดไว้ ซึ่งทำให้เกิดความกังวลเกี่ยวกับการเติบโตในอนาคต
ฉันสามารถเข้าใจการมองโลกในแง่ร้ายโดยรอบ เนื่องจากฉันใช้เวลา 20 ปีแรกในอาชีพของฉันอย่างมีประสิทธิภาพในการสร้างเครื่องมือ MLOps ภายในที่บริษัทจัดการการลงทุนที่นับถือ เมื่อเร็ว ๆ นี้ ฉันได้ลงทุนในบริษัทสตาร์ทอัพ MLOps แต่พวกเขากลับได้รับรายได้ในระดับที่ฉันคาดไว้ช้า จากประสบการณ์ทั้งเชิงบวกและเชิงลบของฉันกับ MLOps ฉันเข้าใจว่าทำไมสตาร์ทอัพเหล่านี้ถึงประสบปัญหาและเหตุใดพวกเขาจึงพร้อมที่จะเติบโต
เครื่องมือ MLOps มีความสำคัญต่อบริษัทในการปรับใช้โมเดลและอัลกอริทึมที่ขับเคลื่อนด้วยข้อมูล หากคุณพัฒนาซอฟต์แวร์ คุณต้องมีเครื่องมือที่ช่วยให้คุณวินิจฉัยและคาดการณ์ปัญหาเกี่ยวกับซอฟต์แวร์ที่อาจทำให้คุณสูญเสียรายได้ที่สำคัญเนื่องจากความล้มเหลว เช่นเดียวกับบริษัทที่สร้างโซลูชันที่ขับเคลื่อนด้วยข้อมูล หากคุณไม่มีเครื่องมือ MLOps ที่เพียงพอสำหรับการประเมินโมเดล ตรวจสอบข้อมูล ติดตามการเลื่อนลอยในพารามิเตอร์และประสิทธิภาพของโมเดล และติดตามประสิทธิภาพที่คาดการณ์เทียบกับประสิทธิภาพจริงของโมเดล คุณอาจไม่ควรใช้โมเดลในงานที่มีความสำคัญต่อการผลิต
อย่างไรก็ตาม บริษัทต่างๆ ที่ใช้โซลูชันที่ขับเคลื่อนด้วย ML โดยไม่มีความรู้และประสบการณ์เชิงลึกจะไม่รู้จักความต้องการเครื่องมือที่ซับซ้อนมากขึ้น และไม่เข้าใจถึงคุณค่าของการผสานรวมทางเทคนิคระดับต่ำ พวกเขารู้สึกสบายใจมากขึ้นกับเครื่องมือที่ทำงานบนภายนอก แม้ว่าเครื่องมือเหล่านั้นจะมีประสิทธิภาพน้อยกว่าก็ตาม เนื่องจากไม่เป็นการรบกวนและแสดงถึงต้นทุนและความเสี่ยงในการนำไปใช้ที่ต่ำกว่าหากเครื่องมือใช้งานไม่ได้
ในทางตรงกันข้าม บริษัทที่มีทีม ML ที่มีความรู้และประสบการณ์เชิงลึกเชื่อว่าพวกเขาสามารถสร้างเครื่องมือเหล่านี้ได้ภายในบริษัท และไม่ต้องการนำโซลูชันของบุคคลที่สามมาใช้ นอกจากนี้ ปัญหาที่เกิดจากความบกพร่องของเครื่องมือ MLOps นั้นไม่ใช่เรื่องง่ายที่จะระบุหรือวินิจฉัยเสมอไป ซึ่งปรากฏเป็นการสร้างแบบจำลองเทียบกับความล้มเหลวในการดำเนินงาน ผลลัพธ์คือบริษัทต่างๆ ที่นำโซลูชันที่ใช้ ML ไปใช้งาน ไม่ว่าจะมีความซับซ้อนทางเทคนิคหรือไม่มีประสบการณ์ก็ตาม ต่างก็นำมาใช้อย่างเชื่องช้า
แต่สิ่งต่างๆ กำลังเริ่มเปลี่ยนไป ขณะนี้บริษัทต่างๆ ตระหนักถึงคุณค่าของเครื่องมือ MLOps ที่ผสานรวมอย่างลึกซึ้งและซับซ้อน ไม่ว่าพวกเขาจะเคยประสบปัญหาอันเป็นผลมาจากการไม่มีเครื่องมือเหล่านี้ หรือพวกเขาเคยพบเห็นคู่แข่งที่ต้องทนทุกข์ทรมานจากความล้มเหลวในระดับสูง และตอนนี้พวกเขาถูกบังคับให้ต้องเรียนรู้เกี่ยวกับโซลูชัน MLOps ที่ซับซ้อนมากขึ้น
บริษัท MLOps เหล่านั้นที่รอดพ้นจากช่วงฤดูหนาวของรายได้มาได้จนถึงตอนนี้ควรเห็นการละลายของตลาดและการเติบโตของโอกาสในการขาย
บริษัทที่ขายโซลูชันแบบผิวเผินจะเริ่มสูญเสียธุรกิจให้กับโซลูชันแบบบูรณาการที่เข้าใจและนำไปใช้ได้ยากกว่า แต่จะให้บริการตรวจสอบ แก้จุดบกพร่อง และแก้ไขเพิ่มเติมสำหรับลูกค้าของตน นักพัฒนาซอฟต์แวร์ MLOps ควรรักษาความเชื่อที่ว่าการสร้างซอฟต์แวร์ที่ทรงพลังซึ่งช่วยแก้ปัญหาอย่างลึกซึ้งและละเอียดถี่ถ้วนกว่าจะได้ชัยชนะในระยะยาวเหนือโซลูชันง่ายๆ ที่ให้ผลตอบแทนทันที แต่ไม่สามารถแก้ปัญหาที่ลูกค้าเผชิญได้ทั้งหมด