Algorithmia：50%的公司花费3个月以上的时间来部署单个AI模型

 
将AI和机器学习技术整合到日常工作流程中并非像您所相信的那样容易。这是Algorithmia对750个业务决策者进行的一项调查的最高发现，该调查发现，虽然企业中的机器学习成熟度总体上在提高，但大多数公司(50%)花费8到90天的时间部署一台机器学习模式(18%的学生需要超过90天的时间)。大多数人将责任归咎于无法扩展(33%)，其次是模型可再现性挑战(32%)和缺乏执行力支持(26%)。
Algorithmia首席执行官迭戈·奥本海默(Diego Oppenheimer)表示：“我们2020年[企业机器学习状况]研究的结果与我们从客户那里听到的一致。 “公司在机器学习方面的投资正在增长，并且机器学习的可操作性在所有行业中都日趋成熟，但是仍有很大的增长和改进空间。对于ML团队而言，模型部署生命周期需要继续变得更加高效和无缝。尽管如此，具有确定的ML部署生命周期的公司正在从可衡量的结果中受益，包括降低成本，欺诈检测和客户满意度。我们预计，随着机器学习技术和流程进入市场并被采用，这些趋势将继续下去。”
考虑到采用的障碍，不足为奇的是，机器学习专业知识的需求仍然很高。 Algorithmia进行调查的人中，只有略超过一半的人说他们的公司雇用1至10名数据科学家，而5%的人则表示他们雇用了1000多人。 39%的人说他们有11个或更多。后一个数字比2018年发布的最新状态(企业机器学习状况调查)高出18%。
在这种情况下，对整个行业的数据科学家短缺的预测似乎是有先见之明的。 2016年，德勤(Deloitte)预计到2018年将有18万名员工缺口，而从2012年到2017年，LinkedIn上的数据科学家职位清单数量增加了650%以上。
Algorithmia预计，随着对数据科学家的需求的增长，初级人员可能没有太多机会在​​其团队内部安排AI工作，因为许多项目范围界定可能是由前任完成的。但是，这也可能意味着领导者结盟很可能会获得批准，并且AI团队将在项目执行方面拥有更多所有权和回旋余地。
采纳和实施方面的挑战
尽管在企业中搜寻数据科学人才的需求激增，但报告中有近55%的公司表示尚未部署机器学习模型(去年为51%的公司)。仍然有五分之一的人仍在评估用例或计划在一年内将模型投入生产，并且只有22%以上的模型在生产中使用了两年或更短的时间。
这与国际数据公司(IDC)的分析师最近进行的一项研究大相径庭，该研究发现，在已经使用AI的组织中，只有25%的公司制定了“企业范围的” AI战略。对此调查做出回应的公司将AI解决方案的成本归咎于AI解决方案的成本，缺乏合格的工人，数据有偏见和不切实际的期望。
正如前面提到的，对于大多数组织来说，将模型投入生产仍然是一个挑战。至少有20%的各种规模的公司表示，由于普遍采用的扩展阻止程序(如采购硬件，数据和工具并执行必要的优化)，其数据科学家花费了四分之一的时间来部署模型。模型的版本控制和可复制性(影响流水线，模型重新训练和评估等关键过程)对许多人来说又是一个艰巨的任务。
无论是什么因素或因素综合起来，预算都不会受到指责。大约43%的受访者表示，从2018年到2019年，他们的AI和机器学习支出增长了1%至25%，而21%的受访者表示，计划预算平均增长了26%至50%。实际上，只有27%的受访者指出他们的支出没有改变，Algorithmicia归因于AI成熟的公司(即那些已部署模型至少两年的公司)将工作量增加了一倍。
人工智能用例
并不是所有的厄运和忧郁。
Gartner在1月的报告中指出，人工智能的实施在过去四年中增长了270%，仅在过去一年中增长了37%。根据麦肯锡全球研究所的数据，随后的劳动力市场转移将导致未来10年的国内生产总值(GDP)增长1.2%，并帮助获得20%至25%的净经济利益(13万亿美元)全球范围内-未来12年。
Algorithmia报告称，在成功部署了AI的组织中，降低公司成本是最受欢迎的用例之一，其次是生成客户见解和情报并改善客户体验。当然，根据细分市场的不同，应用程序也会有所不同。例如，银行和金融服务公司主要专注于留住客户和发现欺诈行为，而能源行业(包括公用事业公司)则专注于预测需求波动。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重中之重，而教育市场的主要用例是与客户互动。
因此，不应感到震惊，在C Suite调查中，十分之九的受访者将AI视为爱德曼调查中的“下一次技术革命”。回应该研究的大约94%的技术高管表示，人工智能将创造创新的“智能”房屋，而超过74%的集体表示，这将在加快自动驾驶汽车的开发方面“工具化”，例如，来自Alphabet子公司Waymo，Uber的自动驾驶汽车，通用汽车的Cruise，以及其他公司。
Algorithmia报告的作者写道：“今年的调查应该证实……企业中的机器学习正在迅速发展。” “尽管大多数公司仍处于[机器学习]成熟的早期阶段，但认为有时间延迟[机器学习]的努力是不正确的。如果您的公司目前不[机器学习]，请放心您的竞争对手，并且AI的发展速度必将成倍增长。”