Incorporar de tecnologias de IA e aprendizado de máquina (ML / Machine Learning) nos fluxos de trabalho diários não é tão fácil quanto parece nos depoimentos. Essa é a conclusão de uma pesquisa com 750 tomadores de decisão em empresas realizada pela Algorithmia, que constatou que, embora a maturidade do aprendizado de máquina nas empresas geralmente esteja aumentando, a maioria delas (50%) passa entre 8 e 90 dias implantando um único modelo de aprendizado de máquina (com 18% levando mais de 90 dias). A maioria atribui a culpa à falta de escala (33%), seguida pelos desafios de reprodutibilidade do modelo (32%) e falta de adesão dos executivos (26%).

Publicidade

“As conclusões do nosso estudo [State of Enterprise Machine Learning] para 2020 são consistentes com o que ouvimos dos clientes”, disse o CEO da Algorithmia, Diego Oppenheimer. “As empresas estão aumentando seus investimentos em aprendizado de máquina, e a operacionalização do aprendizado de máquina está amadurecendo em todos os setores, mas ainda há espaço significativo para crescimento e aprimoramento.”

“O ciclo de vida da implantação dos modelos precisa transparente e suave para as equipes de ML. No entanto, as empresas com ciclos de vida de implantação de ML estabelecidos estão se beneficiando de resultados mensuráveis, incluindo redução de custos, detecção de fraudes e maior satisfação dos clientes. Esperamos que essas tendências continuem à medida que as tecnologias e processos de ML chegam ao mercado e são adotados. ”

Publicidade

Talvez sem surpresa, dadas as barreiras à adoção, profissionais com experiência em aprendizado de máquina permaneçam em alta demanda. Pouco mais da metade das pessoas consultadas pela Algorithmia afirma que suas empresas empregam entre 1 e 10 cientistas de dados, e 5% afirmam empregar mais de 1.000. 39% dizem ter 11 ou mais.

publicidade

As previsões de uma escassez de cientistas de dados em todo o setor parecem prescientes, dado esse contexto. Em 2016, a Deloitte previa uma falta de 180.000 trabalhadores em 2018, e o número de listagens de vagas para cientistas de dados no LinkedIn aumentou mais de 650% entre 2012 e 2017.

Apesar da intensa procura por talentos em ciência de dados nas empresas, quase 55% das empresas representadas no relatório dizem que ainda não implantaram um modelo de aprendizado de máquina. Um quinto ainda está avaliando casos de uso ou planeja mover modelos para produção dentro de um ano, e pouco mais de 22% têm modelos em produção há dois anos ou menos.

Publicidade

Mover modelos para produção continua sendo um desafio para a maioria das organizações, de acordo com a Algorithmia. Pelo menos 20% das empresas de todos os tamanhos dizem que seus cientistas de dados passam um quarto do tempo implantando modelos, devido a barreiras generalizadas para o aumento da escala, como a aquisição de hardware, dados e ferramentas e a realização das otimizações necessárias. O controle de versão e a reprodutibilidade dos modelos – que afetam processos-chave como pipelining, reciclagem de modelos e avaliação – é outro requisito importante para muitos.

Quaisquer que sejam os fatores ou a combinação de fatores, é provável que os orçamentos não sejam os culpados. Cerca de 43% dos entrevistados dizem que seus gastos com IA e aprendizado de máquina cresceram entre 1% e 25% de 2018 a 2019, enquanto 21% dizem que os orçamentos dos programas cresceram uma média de 26% a 50%. De fato, apenas 27% dos pesquisados ​​observaram que seus gastos não haviam mudado.

A Algorithmia relata que, entre as organizações que implantaram a IA com sucesso, a redução dos custos da empresa estava entre os casos de uso mais populares, seguida pela geração de informações e inteligência sobre os clientes, além de melhorar a experiência do cliente.

Publicidade

“A pesquisa deste ano deve confirmar … que o aprendizado de máquina na empresa está progredindo a passos largos”, escreveram os autores do relatório da Algorithmia. “Embora a maioria das empresas ainda esteja nos estágios iniciais da maturidade do [aprendizado de máquina], é incorreto pensar que há tempo para adiar seus esforços no setor. Se sua empresa atualmente não está interessada em ML, tenha certeza de que seus concorrentes estão, e a taxa de desenvolvimento da IA ​​provavelmente aumentará exponencialmente. ”

Fonte: Venture Beat 

Publicidade