Modelops 2022: состояние практики

Как корпоративные лидеры, ориентированные на ИИ, внедряют лучшие практики для обеспечения успеха бизнеса, управляя и масштабируя свои инициативы в области ИИ

Введение в ModelOps

ModelOps помогает организациям внедрять решения ИИ, организовывать путь к масштабному внедрению ИИ, а также интегрировать навыки DataOps, ITOps и DevOps. В качестве основных возможностей предприятия ModelOps включает в себя процессы, операции, инструменты и технологии, которые компании могут использовать для развертывания для мониторинга и даже управления своими моделями машинного обучения.

В ModelOps рабочие процессы предиктивной аналитики и машинного обучения запускаются, запускаются в работу и используются для воздействия на организацию, поэтому команды тратят меньше времени на задачи, которые должны быть выполнены в другом месте, и вместо этого сосредотачиваются на вещах, которые действительно важны для них. Modelops, несомненно, является корпоративной возможностью, которая позволяет всем сотрудникам организации участвовать в совместной работе над решениями ИИ и машинного обучения, чтобы работать вместе, чтобы максимально использовать потенциал ИИ.

Ваша трансформация ИИ обречена без ModelOps — Forrester

Как определено Gartner, ModelOps — это набор методов, направленных на автоматизацию общего набора операций, возникающих в проектах по науке о данных, которые включают конвейеры обучения моделей, контроль версий, управление данными, мониторинг экспериментов, тестирование и распространение. Он направлен на то, чтобы сделать все модели прогнозной аналитики, машинного обучения и искусственного интеллекта работоспособными.

Проще говоря, ModelOps включает в себя прогностическую аналитику и рабочие процессы машинного обучения, их внедрение в работу, заставляя их работать на самом деле и используя их для оказания влияния на повседневные операции, а не просто для предоставления информации. Это на самом деле о разнице между статическим пониманием и частью организации, которая перемещается и влияет на то, как все происходит.

Вам также может быть интересно прочитать Прогностическое обслуживание в индустрии 4.0: применение и преимущества

ModelOps: возможности корпоративного уровня

Искусственный интеллект совершенствуется и становится функцией всего предприятия, поэтому для его успеха необходимы согласованные и надежные возможности поддержки. Наука о данных и расширенная аналитика — темы, которые мы обсуждаем уже очень давно. Традиционно наука о данных рассматривалась в основном с точки зрения создания и развертывания отдельных моделей, однако, если мы сделаем шаг назад и посмотрим на картину в целом, мы можем быть удивлены, поняв, что разработка моделей — это лишь очень маленькая часть головоломки.

  • Накопление неразвернутых моделей может в конечном итоге негативно сказаться на росте компании.
  • модели требуют сложной переподготовки
  • каждое новое направление бизнеса требует нового набора данных.

Теперь, с масштабом, в котором мы занимаемся наукой о данных, существует огромная потребность в операциональном мониторинге и управлении этими моделями, и именно так вписывается ModelOps.

Gartner заявила, что к 2023 году по крайней мере 50% ИТ-руководителей будут бороться за то, чтобы перевести свои проекты прогнозирования ИИ от проверки концепции к зрелости производства.

Вам также может быть интересно прочитать Закон об искусственном интеллекте: подход к политике, основанный на оценке рисков, для достижения совершенства и доверия к искусственному интеллекту

Чтобы внедрять инновации в бизнес, предприятиям необходимо, чтобы ModelOps лежал в основе их стратегии ИИ, поскольку он помогает объединять различные артефакты, платформы и решения ИИ, а также обеспечивает масштабируемость и управление. По сути, ModelOps, как и DevOps, несомненно, является еще одной не менее мощной новой возможностью, которая также может дать организации так называемого корпоративного ИИ конкурентное преимущество.

Поэтому необходима круглосуточная операционная среда, поскольку большинство специалистов по данным используют инструменты моделирования с открытым исходным кодом, такие как ноутбук Jupyter или R studio. Кроме того, большинство специалистов по данным не знают или не имеют доступа к средам, в которых может наблюдаться задержка. Внедрение ИИ в корпоративные системы возможно только в том случае, если вы сможете внедрить единую стратегию, согласно которой каждая область бизнеса может использовать инструменты, наиболее соответствующие их потребностям, при этом обеспечивая эффективное и надежное поступление результатов в бизнес. , и с соблюдением всех правил.

«Модели более ответственны перед бизнесом, чем традиционное программное обеспечение. Они должны пройти нормативную проверку и соответствие. Правильно работающая модель может резко изменить общую производительность конкретного бизнес-подразделения. Таким образом, интеграция между бизнес-подразделениями и отделами комплаенса имеет решающее значение». — Форбс

ModelOps позволяет людям масштабировать науку о данных, но в то же время отслеживать ее, контролировать, управлять ею и так далее. Чтобы достичь этого, ModelOps должен находиться под ответственностью ИТ-директора, это необходимо для выработки общего взгляда на любой процесс операционализации ИИ между отделами и подразделениями, включая связанные процессы и инструменты. важно для их будущего конкурентного положения или даже для выживания.

Вам также может быть интересно прочитать Моделирование операций для безопасного и надежного ИИ

Состояние ModelOps 2022

Потребность в ModelOps стала очевидной в 2022 году для предприятий, стремящихся внедрить ИИ, поскольку лидеры в области искусственного интеллекта достигли стадии «осведомленности» о своих путешествиях по ModelOps. Осознание ценности ModelOps и того, как он может помочь организациям преодолеть проблемы внедрения решений искусственного интеллекта, которые, как мы знаем, непросты.

Многим организациям до сих пор не удается масштабировать ИИ и усугубляет то, что мы живем в постоянно развивающемся и меняющемся мире, где, следовательно, данные постоянно меняются, и есть необходимость постоянно выпускать новые решения и новые модели машинного обучения, что, в свою очередь, , они должны постоянно обновляться и пересматриваться, быть доступными и пригодными для использования в режиме реального времени. В этом очень сложном сценарии ModelOps становится необходимостью, если организации хотят решать такие задачи и внедрять машинное обучение в производство и преодолевать все эти трудоемкие, требующие навыков и ресурсов действия по обработке данных.

Недавние опросы руководителей, ориентированных на ИИ, были проведены Corinium в партнерстве с ModelOp, чтобы получить представление о том, где находятся команды и куда движется рынок. Отчет о состоянии ModelOps предлагает подробный обзор крупных проблем, тенденций и возникающих стратегий.

Это второй ежегодный опрос о состоянии операционализации модели. Он дает независимое представление о методах и возможностях, необходимых для эффективного использования ИИ. Исследование проливает свет на текущее состояние корпоративных функций ModelOps и методы, которые позволяют достичь совершенства при управлении и масштабировании корпоративных инициатив в области искусственного интеллекта.

Вам также может быть интересно прочитать Раскрытие ценности ИИ в бизнес-приложениях с помощью ModelOps

Методология, использованная в исследовании

Опрос проводился в феврале и марте 2022 года, в нем приняли участие 100 руководителей, занимающихся ИИ, из американских (70%) и европейских (30%) компаний.

Респонденты были отобраны из предприятий с годовой выручкой не менее 1,8 млрд долларов США в секторах финансовых услуг (35), страхования (35), производства (15) и розничной торговли продуктами питания (15). Среди них Allianz, BNP Paribas, CNH Industrial, Deutsche Bank, JPMorgan Chase и Walmart.

Их должностные обязанности варьируются от уровня C до директоров, вице-президентов или глав отделов, включая вице-президентов по науке о данных, глобальных руководителей по рискам, руководителей по искусственному интеллекту и других руководителей, ориентированных на искусственный интеллект.

Опрос включал 18 вопросов о зрелости ИИ в организациях и возможностях ModelOps, а также о препятствиях на пути внедрения моделей, с которыми сталкиваются компании, и о том, куда они вкладывают средства для преодоления этих проблем.

Затем результаты были объединены с комментариями семи отраслевых экспертов, чтобы поместить эти уникальные идеи о состоянии операционализации корпоративной модели в контекст.

Ниже приведены некоторые из основных моментов:

  • 86% респондентов говорят, что руководители компаний требуют ответов о возврате их инвестиций в ИИ, но только 38% говорят, что могут их предоставить.
  • Только 5 % респондентов говорят, что у них есть полное представление о моделях, находящихся в производстве на предприятии.
  • У 100 % респондентов теперь есть выделенные бюджеты для ModelOps — по сравнению с 51 % в 2021 году.
  • 80 % говорят, что нехватка персонала с нужными навыками создает проблемы, и это число выросло на 10 % по сравнению с предыдущим годом.

Как получить и прочитать весь отчет

ModelOps рассматривается как ключевой инструмент для облегчения координации и сотрудничества между различными командами.

Компании, использующие ИИ, поняли, что им необходимо стандартизировать и автоматизировать свои процессы ModelOps, и они внедрили инструменты, которые позволяют им делать это эффективно. В результате они могут более четко увидеть свои инвестиции в ИИ, уменьшить воздействие и повысить рентабельность инвестиций, а также снизить затраты на внедрение ИИ. Организации, которые все еще находятся на кривой зрелости, теперь лучше понимают свой путь к успеху.

Отчет о состоянии ModelOps предлагает исчерпывающую информацию о возникающих проблемах, тенденциях и стратегиях. Как 100 руководителей крупных предприятий, занимающихся вопросами ИИ, разрабатывают методы, обеспечивающие превосходство в управлении и масштабировании инициатив в области ИИ.

Полный отчет доступен для скачивания, бесплатную копию можно получить здесь https://bit.ly/3EVlYxi.

Заключение

В «Отчете о состоянии ModelOps за 2022 год» отмечается значительный рост осведомленности о необходимости улучшения корпоративных методов ModelOps, которые определяются как способность управлять моделями принятия решений на основе ИИ наряду с традиционными статистическими моделями. Он включает в себя все, что происходит с момента запуска модели в производство до ее окончательного вывода из эксплуатации (и далее).

Вы также можете прочитать статью Как ModelOps помогает вам реализовать стратегию ИИ
Подпишитесь на меня, чтобы получать ежедневные новости о технологиях и инновациях

https://bit.ly/m/ingliguori

Рекомендации