Survei baru terhadap 200 pembuat keputusan pembelajaran mesin yang berbasis di AS mengamati tren, peluang, dan tantangan dalam pembelajaran mesin dan MLOps (operasi pembelajaran mesin).
Studi dari ClearML menemukan bahwa untuk 41 persen, tantangan terbesar platform, alat, atau tumpukan MLOps mereka, adalah gesekan dalam menggunakan alat dengan teknologi lain. Sementara 22 persen mengutip kunci vendor — kesulitan beralih ke penyedia lain tanpa biaya, waktu, atau gangguan yang signifikan — sebagai tantangan terbesar.
“MLOps sebagai bidang baru dan berkembang saat ini didominasi oleh solusi titik terfragmentasi yang menawarkan sebagian kecil dari fungsionalitas yang dibutuhkan perusahaan untuk ML berkelanjutan,” kata Moses Guttmann, CEO dan salah satu pendiri ClearML. “Situasi ini perlu diubah. Tujuannya adalah untuk mengurangi fragmentasi dan memberikan solusi yang lebih komprehensif yang memenuhi semua kebutuhan MLOps, untuk meminimalkan tantangan yang dihadapi oleh praktisi ML dan membuka potensi pendapatan miliaran dolar untuk teknologi AI dan ML .”
Masalah tambahan yang dilaporkan oleh responden survei termasuk harga yang terlalu tinggi (39 persen), proses orientasi terlalu lama (35 persen), dan tim gagal menggunakan solusi yang mereka bayar (14 persen). Selain itu, 16 persen responden mengatakan bahwa mereka sama sekali tidak menggunakan alat pihak ketiga, alih-alih memilih untuk menggunakan alat yang dibuat secara internal.
Sebagian besar responden (92 persen) mengatakan mereka lebih suka menggunakan satu platform MLOps terpadu yang melakukan segalanya, daripada menggunakan beberapa semi-platform dan solusi titik sebagai bagian dari tumpukan MLOps.
“Pengambil keputusan ML siap untuk meningkatkan investasi di MLOps tahun ini, tetapi menurut hasil survei kami, mereka mencari platform end-to-end terpadu, bukan membelanjakan pembelanjaan di beberapa solusi titik,” tambah Guttmann. “Dengan meningkatnya minat untuk mewujudkan nilai bisnis dari investasi AI dan ML, kami berharap permintaan akan teknologi all-in-one yang mulus akan mendorong adopsi MLOps.”
Laporan lengkap tersedia dari situs ClearML.
Kredit gambar: Jirsak/depositphotos.com
