Wallaroo.AI’ye göre, önde gelen kuruluşlardaki yapay zeka ekip liderlerinin %92’si, yapay zeka girişimlerinin değer ürettiğini düşünüyor.
Başarılı bir formül bulan ankete katılanların çoğu, yakın gelecekte makine öğrenimi harcamalarını ve makine öğrenimi modellerinin kullanımını önemli ölçüde artırmayı planlıyor.
Wallaroo.AI CEO’su Vid Jain, “Öncü makine öğrenimi kuruluşlarının, kendi makine öğrenimi üretim yolculuklarına çıkan diğer kuruluşlara öğretecekleri çok sayıda dersi var” dedi. “Bu nedenle, başarılı kuruluşların makine öğreniminden nasıl gerçek iş değeri ürettiğini anlamaya yardımcı olmak için bu araştırmayı görevlendirdik. Aynı derecede önemli olan şey, bırakın kârlılık üzerinde önemli bir etki yaratması bir yana, çoğu makine öğrenimi projesinin üretime ulaşmasını engelleyen tuzaklardan nasıl kaçındıklarını öğrenmek istedik.”
Önde gelen firmalar daha fazla değer için makine öğrenimi yatırımlarını artırıyor
Yapay zeka girişimlerinin %90’ının önemli miktarda yatırım getirisi sağlamada başarısız olduğunu ve kabaca yarısının prototip aşamasını asla terk etmediğini gösteren önceki sektör araştırmalarına rağmen, bu ankete yanıt verenlerin büyük çoğunluğu (%92) üretimdeki modellerinden iş değeri buluyor ve %66’sı da iş değeri olduğunu düşünüyor. modeller olağanüstü veya beklentileri aşan sonuçlar verdi.
Bu öncü kuruluşlar arasında yapay zekanın yaygın kullanım durumları arasında müşteri deneyiminin kişiselleştirilmesi, dolandırıcılık tespiti, satış ve pazarlamanın optimize edilmesi ve gerçek zamanlı karar alma sürecinin iyileştirilmesi yer alıyor. Bu grubun başarısı, diğer kuruluşların kendi en iyi uygulamalarını geliştirirken dikkate almaları gereken temel bir yol haritası sunmaktadır:
Yaklaşmak: Yanıt veren kuruluşların çoğunluğu, üretimdeki makine öğrenimi modellerini izlemek için sağlam, tanımlanmış bir yaklaşıma ve özel bir ekibe sahiptir. Aslında, daha büyük kuruluşların %71’inde ML’de en az 100 kişi çalışıyor, yarıdan fazlasında ise 250’den fazla kişi çalışıyor. Aynı zamanda, katılımcıların %80’i ML test ve izleme sürecinde otomasyona güveniyor.
Yatırımın etkileri. Zaten makine öğreniminde değer bulan öncü şirketler yoğun yatırım yaptı ve yatırımlarını artırmayı planlıyor. Ankete katılanların dörtte biri makine öğrenimi için mali yıl başına 25 milyon dolar harcıyor; üçte ikisi şu anda yılda 10 milyon dolardan fazla harcıyor; Yüzde 84’ü 5 milyon dolardan fazla harcıyor.
Başarıyı yakalayan çoğu firma makine öğrenimi harcamalarını artırmayı planlıyor; Ankete katılan kuruluşların üçte ikisi önümüzdeki 3 yıl içinde makine öğrenimi harcamalarını en az iki katına çıkarmayı bekliyor ve %34’ü bunu en az dört katına çıkarmayı planlıyor. Ancak çoğu kuruluşun bu düzeyde zaman veya para yatırımı yapma yeteneği yoktur, bu da otomatik çözümler ve verimliliği ve ölçeklenebilirliği artırmanın diğer yollarını arama ihtiyacını daha da vurgulamaktadır.
Ölçek: Ankete katılan önde gelen kuruluşlar, ölçeklendirmenin makine öğreniminden yatırım getirisi elde etmek için gerekli olduğuna inanıyor. Aslında, yanıt verenlerin %36’sı önümüzdeki 3 yıl içinde makine öğrenimi modellerinin kullanımının 10 kat artmasını bekliyor; Ankete katılanların neredeyse tamamı önümüzdeki 3 yıl içinde makine öğrenimi kullanımlarını beş kattan fazla artırmayı planlıyor.
ML’deki engellerin üstesinden gelmek
Öncü firmalar, yoldaki bazı engellerle karşılaşmadan ML’de başarıya ulaşamadı. Pazar olgunlaştıkça ve yeni araçlar ve platformlar çevrimiçi hale geldikçe bu engellerin bazıları giderilirken, diğerleri de etki yaratmaya devam edecek.
Birçok kuruluş, yazılım, geliştirme yeteneği ve dış danışmanlarla ilgili maliyetleri artırarak nokta çözümlerinden kendi çerçevelerini oluşturmak zorunda kaldı. Bu kendin yap çerçeveleri aynı zamanda karmaşık ve yönetilmesi zor olma eğilimindedir ve bu da alt maliyetlere yol açar. Ancak pazar olgunlaştıkça kuruluşlar artık anahtar teslimi çerçevelere yönelebilirler.
Ankete katılanların üçte ikisi, kuruluşların makine öğrenimi hedeflerini gerçekleştirmelerini engelleyen en büyük sorun olarak makine öğrenimi uzmanlarının eksikliğini belirtiyor. Büyük, iyi kaynaklara sahip kuruluşlar yetenekleri bulma ve elde tutma konusunda sorun yaşıyorsa, bunun makine öğrenimini benimsemek isteyen daha küçük kuruluşlar için açık sonuçları olacaktır.
Özellikle platformlarını optimize etmemiş kuruluşlar için ML projelerini uygulamanın karmaşıklığı ve maliyeti, maliyet ve karmaşıklığı başarının önündeki zorluklar olarak belirten çok sayıda katılımcı göz önüne alındığında, her kuruluşun kaldıramayacağı bir yüktür. Bu, uygulaması daha basit, yönetimi daha kolay ve otomasyonu sağlayan platformların bulunmasına daha da büyük önem veriyor.
Yeni dalga işletmelerin makine öğrenimi üretimi için kendi operasyon platformlarını oluşturmaya karar verip vermemesinden bağımsız olarak, her boyuttaki kuruluşun makine öğrenimi üretim sürecinin tüm aşamalarını verimli bir şekilde dağıtabilmesi, ölçekleyebilmesi, izleyebilmesi ve optimize edebilmesi kritik öneme sahiptir.
NewtonX Stratejik İçgörüler ve Analitik Başkan Yardımcısı Patiwat Panurach, “Bu raporun önemi abartılamaz” dedi. “ML’deki bu kadar hızlı büyüme ve genişlemenin sonuçları çok derin ve Baş Veri Sorumluları üzerinde yoğun bir baskı oluşturuyor. Bilginin güç olduğu bir ortamda, makine öğreniminin geleceğini şekillendiren kurumsal liderlerin uzmanlığına dayanan bu rapor, diğer Veri Sorumlularının stratejilerini zenginleştirecek ve ML destekli için sağlam bir temel oluşturmalarına yardımcı olacak. gelecek.”
Raporun dikkate değer çıkarımları arasında, yapay zeka hâlâ erken büyüme aşamasında olsa da, özellikle müşteri deneyimini kişiselleştirme, dolandırıcılık tespiti, satışları optimize etme gibi rekabet avantajı elde edebilecek endüstriler için, işletmelerin yapay zekayı iyi bir yatırım haline getirmeleri için yeterli değerin bulunduğu yer alıyor. ve pazarlama ve gerçek zamanlı karar almanın iyileştirilmesi.