50%的公司花費8到90天的時間部署一個人工智能模型

將人工智能和機器學習技術納入日常工作流程并不像你所相信的那樣容易。 這是Algorithmia對750名商業(yè)決策者進行的一項調查的最高水平發(fā)現(xiàn)，該調查發(fā)現(xiàn)，雖然企業(yè)的機器學習成熟度普遍提高，但大多數(shù)公司(50%)在8到90天之間部署了一個單機學習模型(18%的時間超過90天)。 大多數(shù)釘住的原因是未能達到規(guī)模(33%)，其次是模型重現(xiàn)性挑戰(zhàn)(32%)和缺乏高管收購(26%)。

Algorithmia首席執(zhí)行官迭戈?奧本海默(Diego Oppenheimer)表示：“我們2020年[企業(yè)機器學習狀況]研究的結果與我們從客戶那里聽到的情況是一致的。 “企業(yè)正在加大對機器學習的投資，機器學習操作正在所有行業(yè)成熟，但增長和改進的巨大空間仍然存在。 對于ML團隊來說，模型部署生命周期需要繼續(xù)更加高效和無縫。 盡管如此，已建立ML部署生命周期的公司正在受益于可衡量的結果，包括成本降低、欺詐檢測和客戶滿意度。 隨著ML技術和流程進入市場并被采用，我們預計這些趨勢將繼續(xù)下去。

也許不足為奇的是，考慮到收養(yǎng)的障礙，機器學習的專業(yè)知識仍然是高需求。 僅有一半以上的Algorithmia接受調查的人說，他們的公司雇用了1到10名數(shù)據科學家，5%的人說他們雇用了1000多名;39%的人說他們有11名或更多。 這一數(shù)字比2018年的18%有所上升，當時公布了上一次企業(yè)機器學習狀況調查。

考慮到這一背景，對全行業(yè)數(shù)據科學家短缺的預測似乎具有先見之明。 在2016年，德勤預計到2018年將有18萬名工人的缺口，在Linked In上的數(shù)據科學家職位列表的數(shù)量從2012年到2017年增加了650%以上。