Algorithmia 的调研报告显示,有将近 55% 的企业宣称他们并没有部署机器学习模型到日常工作;而在那些已经成功集成 AI 技术的企业中,有 50%的公司,为了部署一个 AI 模型,会花费掉 80~90 天的时间。
将 AI 和机器学习技术整合到日常工作中并不像你所想象的那般容易。这是 Algorithmia 调研公司的最新发现,该公司调研了 750 位公司业务决策者,调研发现,尽管机器学习在企业中的成熟度基本上成增长态势,但多数公司(50%)每部署一个机器学习模型需要花费 80~90 天(18%的公司花费的时间还超过了 90 天)。他们中大多数人将其归咎于缺少可扩展性(33%),其次是模型可复现性挑战(32%)以及缺乏高管参与(26%)。
“我们 2020 年【机器学习在企业中的状态】的调研结果和我们从客户那里听到的情况不谋而合”,Algorithmia 的 CEO Diego Oppenheimer 如是说。“企业正在增大机器学习领域的投入,机器学习的可操作性也在各行各业变得成熟起来,但是这个领域仍有巨大的增长和改进空间。模型部署周期需要更加高效,与机器学习团队也需要更加无缝衔接。尽管如此,已经部署机器学习技术的企业正受益于可度量的结果,包括成本削减、欺诈检测以及用户满意度提升等。随着机器学习技术和处理方式进入市场并在市场中落地,我们期待这些趋势能够继续保持下去。”
雇员的增长
由于采用机器学习的门槛很高,市场对机器学习专家的需求也就很高,这一点或许并不意外。Algorithmia 调查对象中有一半的人表示,他们的企业雇佣了 1~10 位数据科学家,5%的人表示雇佣人数超过了 1000;39%的人说他们公司有 11 位及以上的数据科学家。后面这个数字较 2018 年的 18%有了较大提升,2018 年的【机器学习在企业中的状态】调研报告是 Algorithmia 上一次发布的报告版本。
在这样的背景下,对整个行业数据科学家短缺的预测看起来是有先见之明的。2016 年,德勤预计到 2018 年将有 180,000 的岗位缺口,而 LinkedIn 上数据科学家职位数量在 2012 年到 2017 年增长超过 650%。
Algorithmia 预计随着对数据科学家需求的增长,团队中的初级水平数据科学家在塑造 AI 领域工作中的机会将变少,因为大部分需要初级水平雇员完成的工作可能已经被其前任们做完了。但是,这也会意味着不同团队之间的领导力对齐成为可能,AI 团队将在项目执行中拥有更多的自主权和灵活性。
落地和实施的挑战
尽管企业对数据科学家人才的寻找非常疯狂,但是该报告中有将近 55%的企业宣称他们还没有部署任何机器学习模型(去年这一数字是 51%)。五分之一的企业仍然在评估用例场景,或者计划在年内将模型投入生产领域,只有 22%多一些的企业在最近一两年内已经把模型投入到了生产领域。
这与国际数据公司(IDC:Internationale Data Corporation)分析师最近给出的研究报告一致,他们研究发现在那些已经使用了 AI 的组织中,只有 25%的组织开发出了“企业级”的 AI 战略。接受这个调查的公司将其归咎于 AI 解决方案的预算投入不够,能胜任工作的员工太少,以及数据偏差和不切实际的期望。
正如前面提到的,根据 Algorithmia 的调研,对于大多数组织来说,将机器学习模型投入到生产领域仍是一大挑战。至少 20%的公司(这样的统计囊括了所有规模的公司)都表示他们的数据科学家把四分之一的时间花在模型部署上,这是由于普遍存在的可扩展性匮乏而导致的,比如因为业务规模扩展而需要购买更多硬件、数据和工具,还要执行必要的模型优化。模型版本管理和可复现性是另一项艰巨的任务,因为它们会影响诸如流水线、模型再训练和评估等关键过程。
不管归结因素是什么,预算都不大可能会成为归因。大约有 43%的受访者宣称他们的 AI 和机器学习开销从 2018 年到 2019 年增长了 1%~25%不等,而 21%的人表示项目预算平均增长了 26%~50%。实际上,只有 27%的受访者表示他们的开销没有变化,Algorithmia 认为后者是已经具有了较成熟 AI 的企业——例如,这些企业在生产领域使用 AI 模型至少有两年时间,相比其他公司在 AI 方面的投入更高。
AI 用例场景
AI 落地情况也不全是坏消息。
Gartner在一月份的报告中指出,在过去四年中 AI 实施增长了 270%,仅是去年一年就增长了 37%。根据麦肯锡全球研究院的调研,接下来的劳动力市场转换将会在未来 10 年中给 GDP(Gross Domestic Product,国内生产总值)带来 1.2%的增幅,并在净经济收益中产生 20%~25%的增幅,从全球来看,这将在未来 12 年产生 13 万亿美金的增幅。
Algorithmia 报告说在那些已经成功部署了 AI 的组织中,减少企业成本是最受欢迎的 AI 用户场景之一,其次是给客户提供洞察力和智能性,帮助改善客户体验。当然,细分市场不同,应用程序的情况也不一样。例如,银行和金融服务公司大部分聚焦在怎样留住客户以及发现欺诈行为上,而能源领域(包括公用事业公司)则十分重视需求波动的预测。咨询和专业服务行业的受访者表示,减少客户流失是他们的首要任务,而教育市场的首要用户场景则是如何与客户交互。
因此,在 Edelman 的一项调查中,90%的 C Suite 受访者(头衔中以 Chief 开头的高管们)将 AI 描述为“下一代技术革命”,也就不足为奇了。受访的技术高管中,大约 94%的人认为 AI 会创新性地创造“智能”家庭,而超过 74%的人集体表示,AI 将“有助于”加速自动驾驶汽车的发展,例如 Alphabet 子公司 Waymo、Uber、通用汽车的科鲁兹等公司的自动驾驶汽车。
“今年的调研将证实……企业中的机器学习正在快速发展,”Algorithmia 报告的作者写道。“尽管大部分企业都还在【机器学习】成熟度的早期阶段,但认为可以推迟投入【机器学习】的时间,这是错误的想法。如果您的企业现在还没有【机器学习】意识,请放心,您的竞争对手会有这样的意识,AI 的发展速度肯定会成指数级增长。”
原文链接:
评论