Nouveau rapport: Découvrez les 10 principales tendances de l’apprentissage automatique en entreprise pour 2021

Actualités de de l'Intelligence Artificielle - Machine Learning - Objets connectés

Nouveau rapport: Découvrez les 10 principales tendances de l’apprentissage automatique en entreprise pour 2021





Au cours des 12 derniers mois, il y a eu une myriade de développements dans le domaine de l’IA / ML. Non seulement nous avons constaté des changements dans les besoins en outils, en sécurité et en gouvernance des organisations, mais nous avons également été témoins de changements massifs dans le domaine en raison des impacts économiques du COVID-19.

Chaque année, Algorithmia interroge les chefs d’entreprise et les praticiens du domaine pour un rapport annuel sur l’état de l’apprentissage automatique dans l’entreprise. Cette année n’était pas différente. En novembre, nous avons mené une enquête auprès de plus de 400 chefs d’entreprise impliqués dans des initiatives d’IA / ML dans leurs organisations et avons découvert 10 tendances clés à la base de l’industrie en 2021.

Nous sommes ravis d’annoncer que le Tendances des entreprises en 2021 dans l’apprentissage automatique le rapport est maintenant disponible pour télécharger et lire gratuitement.

Voici un aperçu des thèmes clés des 10 tendances que nous avons découvertes:


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


L’un des principaux enseignements du rapport de cette année est que les services informatiques des entreprises augmentent considérablement les budgets et les effectifs du machine learning pour 2021. Non seulement le bouleversement de 2020 n’a pas entravé les efforts d’IA / ML déjà en cours, mais il semble avoir en fait accéléré ces projets. ainsi que de nouvelles initiatives.

L’enquête de cette année a révélé que 83% des organisations ont augmenté leurs budgets pour l’IA / ML et que le nombre moyen de scientifiques des données employés a augmenté de 76% d’une année sur l’autre. Les organisations se développent également dans plus de cas d’utilisation, en particulier dans les domaines qui peuvent offrir des avantages de premier ordre en période d’incertitude économique.

83% des organisations ont augmenté leurs budgets IA / ML d'une année sur l'autre

83% des organisations ont augmenté leurs budgets AI / ML d'une année sur l'autre


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


Notre rapport a révélé que les organisations rencontrent des défis tout au long du cycle de vie du ML, mais le principal défi est de loin Gouvernance AI / 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.

56% des organisations sont aux prises avec des problèmes de gouvernance, de sécurité et d'auditabilité


Thème 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


Même si les organisations se concentrent considérablement sur l’IA / ML, elles dépensent en fait plus du temps et des ressources sur le déploiement du modèle qu’avant. Notre rapport a révélé que dans 38% des organisations, les scientifiques des données consacrent plus de 50% de leur temps au déploiement de modèles, et le temps nécessaire pour déployer un modèle formé en production a en fait augmenté d’année en année.

Ce qui se passe? Les organisations semblent utiliser l’augmentation de leurs effectifs pour mettre à l’échelle manuellement les efforts d’IA / ML, plutôt que d’améliorer l’efficacité opérationnelle.

Le temps nécessaire pour déployer un modèle augmente d'année en année


Thème n ° 4: Les organisations rapportent de meilleurs résultats avec des solutions MLOps tierces


La bonne nouvelle est que l’IA / ML est beaucoup plus accessible que jamais et nous pensons que les organisations peuvent surmonter ces problèmes. Au tout début de l’IA / ML, toute organisation souhaitant déployer des modèles à grande échelle était essentiellement tenue de créer et de maintenir ses propres opérations d’apprentissage automatique (MLOps) à partir de zéro. Cependant, les organisations de toutes tailles peuvent désormais se lancer plus rapidement avec l’IA / ML et la faire évoluer efficacement.

Les solutions MLOps tierces sont l’une des raisons pour lesquelles la barrière à l’IA / ML est plus faible que jamais. Et notre enquête a révélé que les entreprises obtiennent de meilleurs résultats lorsqu’elles utilisent une solution tierce. 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 moins d’argent en infrastructure, déploient des modèles plus rapidement et consacrent moins de leurs data scientists Il est temps de modéliser le déploiement.

L'achat d'une solution tierce coûte en moyenne 19 à 21% de moins que la création de la vôtre


Découvrez les 10 tendances dans le rapport complet


2021 sera une année cruciale pour les initiatives d’IA / ML. Et ce qui ressort clairement de nos données, c’est que les organisations qui récolteront les plus grands avantages en 2021 sont celles qui investissent dans l’efficacité opérationnelle et la mise à l’échelle.

Préparez-vous au succès de vos initiatives d’IA / ML en 2021. Téléchargez le rapport aujourd’hui et découvrez les 10 tendances auxquelles les organisations devraient prêter attention si elles veulent réussir avec l’IA / ML dans l’année à venir.

En savoir plus sur la série de blogs ML Trends