Seattle, Washington (10 décembre 2020) Algorithmie, leader des logiciels d’opérations et de gestion de ML, a publié son Tendances d’entreprise 2021 en apprentissage automatique rapport, décrivant les priorités et les défis des services informatiques de l’entreprise menant des initiatives d’IA / ML. L’un des principaux enseignements de l’étude à l’aveugle, qui a inclus 403 chefs d’entreprise impliqués dans des initiatives d’apprentissage automatique dans des entreprises dont le chiffre d’affaires est de 100 millions de dollars ou plus, est que les services informatiques des entreprises augmentent leurs budgets et leurs effectifs en matière d’apprentissage automatique malgré le fait que beaucoup n’ont pas appris comment traduire des investissements croissants en efficacité et en échelle.

Le paysage de l’IA / ML a considérablement changé au cours de la dernière année en raison des impacts économiques du COVID-19. Les entreprises se tournent vers leurs investissements dans l’IA pour offrir à la fois des réductions de coûts à court terme et des innovations technologiques à long terme afin de générer des revenus et de l’efficacité en ces temps incertains. Cela a conduit à un doublement des efforts d’IA / ML, les entreprises augmentant la taille de leurs budgets et de leurs équipes pour 2021.

Le rapport d’Algorithmia a révélé 10 tendances clés sur lesquelles les entreprises doivent se concentrer à l’approche de 2021. Voici un aperçu de certains des principaux thèmes de ses conclusions:

Constatation clé n ° 1: les organisations augmentent les budgets, le personnel et les cas d’utilisation de l’IA / ML

Les organisations augmentaient leurs investissements dans l’IA / ML avant la pandémie, selon Rapport 2020 d’Algorithmia, et l’incertitude économique du COVID-19 a ajouté à l’urgence. L’enquête 2021 a révélé que 83% des organisations ont augmenté leurs budgets pour l’IA / ML et que le nombre moyen de data scientists employés a augmenté de 76% d’une année sur l’autre.

En outre, les organisations se développent dans un plus large éventail de cas d’utilisation de l’IA / ML; l’enquête a révélé que le pourcentage d’organisations qui ont plus de cinq cas d’utilisation de l’IA / ML a augmenté de 74% d’une année sur l’autre. Notamment, les principaux cas d’utilisation sur lesquels les organisations se concentrent sont liés à l’expérience client et à l’automatisation des processus, domaines qui peuvent offrir des avantages de premier ordre en période d’incertitude économique.

Constatation clé n ° 2: Les défis couvrent le cycle de vie du ML, en particulier avec la gouvernance

Les organisations sont confrontées à des défis tout au long du cycle de vie du ML, le principal défi étant de loin la gouvernance de l’IA / ML. 56% de toutes les organisations classent les problèmes de gouvernance, de sécurité et d’auditabilité comme une préoccupation – et 67% de toutes les organisations déclarent devoir se conformer à plusieurs réglementations pour leur IA / ML.

En plus des défis de gouvernance, les organisations continuent de faire face à des défis de déploiement et d’organisation de base. 49% des organisations ont classé les problèmes d’intégration de base comme une préoccupation, et l’enquête a révélé que l’alignement interfonctionnel continue d’être un obstacle majeur aux organisations atteignant la maturité de l’IA / ML.

Constatation clé n ° 3: malgré l’augmentation des budgets et des recrutements, les organisations consacrent plus de temps et de ressources – pas moins – au déploiement de modèles

Malgré l’augmentation des budgets et des effectifs, les organisations dépensent désormais plus du temps et des ressources sur le déploiement du modèle qu’avant. Algorithmia a constaté que le temps requis pour déployer un modèle entraîné en production augmentait d’année en année et que 64% de toutes les organisations mettent un mois ou plus pour déployer un modèle. 38% de toutes les organisations consacrent plus de 50% du temps de leurs data scientists au déploiement de modèles – et les organisations avec plus de modèles consacrent plus de temps de leurs data scientists au déploiement, pas moins.

L’essentiel est que les organisations ont augmenté leurs ressources d’IA / ML sans résoudre les défis sous-jacents avec l’efficacité opérationnelle. Cela a exacerbé le problème et conduit les organisations à consacrer plus de temps et de ressources au déploiement de modèles.

Constatation clé n ° 4: les organisations rapportent de meilleurs résultats avec des solutions MLOps tierces

L’enquête 2021 d’Algorithmia a révélé que les entreprises constatent de meilleurs résultats lorsqu’elles utilisent une solution tierce pour gérer leur opérations d’apprentissage automatique (MLOps). Plus précisément, par rapport aux organisations qui construisent et maintiennent leurs propres systèmes à partir de zéro, les organisations qui intègrent des solutions de points commerciaux dans leurs systèmes ou utilisent une plate-forme tierce dépensent en moyenne 19 à 21% de moins sur les coûts d’infrastructure. En moyenne, leurs data scientists passent également une plus petite partie de leur temps sur le déploiement de modèles et il leur faut moins de temps pour mettre un modèle entraîné en production.

«Le COVID-19 a provoqué un changement rapide qui a remis en question nos hypothèses dans de nombreux domaines. Dans cet environnement en évolution rapide, les entreprises repensent leurs investissements et voient l’importance de l’IA / ML pour générer des revenus et de l’efficacité en période d’incertitude », a déclaré Diego Oppenheimer, PDG d’Algorithmia. «Avant la pandémie, la principale préoccupation des organisations poursuivant des initiatives d’IA / ML était le manque de talents internes qualifiés. Aujourd’hui, les entreprises s’inquiètent davantage de savoir comment mettre en production plus rapidement les modèles de ML et comment garantir leurs performances au fil du temps. Bien que nous ne voulions pas marginaliser ces problèmes, je suis encouragé par le fait que le type de défis a plus à voir avec la façon de maximiser la valeur des investissements en IA / ML plutôt que de savoir si une entreprise peut ou non les poursuivre. . »

Lisez les 10 tendances de l’algorithmie Tendances d’entreprise 2021 en apprentissage automatique rapport Ici.

À propos d’Algorithmia

Pour les leaders de l’apprentissage automatique qui ont besoin de mettre en production des modèles de machine learning plus rapidement, de manière plus sécurisée et à moindre coût dans leurs processus opérationnels existants, Algorithmia est un logiciel d’opérations d’apprentissage automatique (MLOps) qui gère toutes les étapes du cycle de vie du machine learning. Contrairement aux solutions de gestion MLOps à faire soi-même inefficaces, coûteuses et non sécurisées qui enferment les utilisateurs dans des piles technologiques spécifiques, Algorithmia automatise le déploiement de ML, optimise la collaboration entre les opérations et le développement, exploite les processus SDLC et CI / CD existants et fournit une sécurité et une gouvernance avancées. À ce jour, plus de 120 000 ingénieurs et spécialistes des données ont utilisé la plate-forme d’Algorithmia, y compris les Nations Unies, les agences gouvernementales de renseignement et les entreprises du Fortune 500. Pour plus d’informations, visitez www.algorithmia.com.

Contact médias:

Kevin Wolf
TGPR
(650) 483-1552
kevin@tgprllc.com