Deloitte: MLOps está a punto de comenzar en la empresa


Deloitte Consulting publicó hoy un informe que indica que se acerca una era dorada para la IA, siempre que las empresas puedan implementar y mantener un enfoque coherente del aprendizaje automático (MLOps).

Basándose en la investigación de mercado de Cognilytica centrada en la inteligencia artificial, el informe MLOps: IA industrializada de Deloitte encuentra que se proyecta que el mercado de plataformas MLOps tendrá ventas anuales de más de $ 4 mil millones para 2025.

Varias startups ya se están enfocando en proporcionar estas plataformas. Sin embargo, lo que está menos claro es hasta qué punto MLOps podría convertirse en una extensión de las plataformas DevOps en las que muchas empresas confían hoy para crear e implementar software.

En el centro de este debate está la forma en que las organizaciones están construyendo e implementando modelos de IA. El equipo de ciencia de datos promedio tiene la suerte de poder construir e implementar dos modelos de IA por año. Sin embargo, a raíz de la pandemia de COVID-19, las empresas han acelerado las inversiones en inteligencia artificial para impulsar la transformación empresarial digital, dijo Beena Ammanath, director ejecutivo del Deloitte AI Institute. «Esta habitación se calentará en los próximos 18 meses», dijo Ammanath.

A medida que las organizaciones buscan poner en funcionamiento estos modelos de IA, la gestión de MLOps a gran escala se convierte en un tema importante, agregó.

Por supuesto, las empresas de capital de riesgo y otros inversores están invirtiendo fondos en nuevas empresas de MLOps con la esperanza de que puedan salir a bolsa o ser adquiridas antes. El candidato más probable para tal adquisición sería un proveedor de una plataforma de gestión de TI existente, ya que MLOps se está convirtiendo cada vez más en parte de las operaciones de TI principales.

Sin embargo, MLOps es diferente de la inteligencia artificial para operaciones de TI (AIOps). El primero se refiere al proceso de creación e implementación de aplicaciones infundidas con modelos de IA, mientras que el segundo se refiere a la aplicación de IA para automatizar la gestión de las operaciones de TI. De hecho, MLOps adopta muchos de los principios que desarrollaron los equipos de DevOps para automatizar la creación e implementación de aplicaciones para modelos de IA.

Estos procesos MLOps se extienden no solo a cómo se crean e implementan los modelos de IA, sino también a cómo se controlan y, en última instancia, se ajustan. Uno de los principales problemas con los modelos de IA es que los resultados pueden variar con el tiempo a medida que se encuentran disponibles nuevas fuentes de datos o cuando las condiciones comerciales cambian más allá del alcance del modelo original. Para hacer esto, las empresas deben actualizar este modelo de IA o reemplazarlo con un modelo de IA diferente. En todos los casos, los equipos de TI deben probar y validar continuamente las recomendaciones de los modelos de IA para garantizar que sean coherentes, relevantes y que funcionen dentro de las pautas éticas.

La coordinación de este nivel de actividad entre equipos de científicos de datos, desarrolladores, ingenieros de datos, personal de control de calidad y personal de TI requiere un enfoque altamente disciplinado para MLOps, dijo Ammanath.

En este momento, todavía hay una buena cantidad de escepticismo saludable cuando se trata de aplicar la IA. Los procesos bien definidos tienden a ser más adecuados para la automatización mediante algoritmos de aprendizaje automático. Los días en que la IA podría algún día reemplazar la necesidad de personas aún están muy lejos. En cambio, la mayoría de las aplicaciones de IA simplemente amplían las capacidades humanas.

El desafío para las empresas ahora es que muchos de sus procesos existentes están desactualizados a medida que las empresas adoptan la transformación empresarial digital. Aplicar modelos de inteligencia artificial a procesos comerciales que no se utilizan tanto es mucho más difícil que automatizar un proceso que ha funcionado de la misma manera durante años, dijo Ammanath.

Independientemente del caso de uso, no hay forma de volver a poner el espíritu de la IA en la botella proverbial. Casi todas las aplicaciones se amplían en diversos grados mediante uno o más modelos de IA. El desafío y la oportunidad ahora es proporcionar las plataformas que harán posible no solo construir y desplegar modelos de IA a gran escala, sino también restablecerlos si es necesario antes de causar daños permanentes.

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *