機械学習: 73% の企業が存続の危機に瀕

機械学習 (ML) が人工知能の主要なテクノロジーの 1 つであり、徐々に成熟しつつあるアプリケーション テクノロジーであることは誰もが知っています。具体的には、このテクノロジーは将来のデータ サイエンスに変化をもたらし、アプリケーション企業がより多くのデータ分析に基づいて意思決定を下せるようになり、それによってユーザーのビジネス エクスペリエンスが向上します。

#それでは、現在、ML はどのような側面で、どの程度まで企業の経営状況を改善しているのでしょうか?最近、Forrester Consulting は、北米の企業データ リーダーおよび意思決定者 150 名を対象とした調査に基づいて、事業運営上の意思決定における ML の重要なパフォーマンスについて結論付けました。これらの調査結果のうち、私たちに役立ち、学ぶことができるものはどれですか?

# まず、いくつかの重要な情報を見てみましょう。

• 機械学習の影響を受けるビジネスでは、自動異常検出 (Anomaly Detection) が今後 1 ～ 3 年で達成されるべき主要なタスクです;
• テクノロジーの実装過程では、データのサイロ化、解釈可能性の低さ、透明性の低さが進歩を妨げる主な障害となっており、テクノロジーの成熟度の向上が遅れています。スケジュール。
• ビジネスの成果にもっと焦点を当て、ML テクノロジーで多くの実践と効果が実証されている企業とパートナーシップを確立する方が有益です。この技術。

成熟段階にあるのは ML アプリケーションの 4 分の 1 だけです

開発と開発中リリース時期に関しては、ほとんどの回答者が 1 ～ 5 年を選択し、合計 72% を占めました。そのうち、半数以上がアプリを 1 ～ 2 年以内にリリースしたと回答しました。実際、成熟した機械学習戦略には 3 年以上の導入期間が必要ですが、この基準を満たす企業のうち、5 年以上適用している企業はわずか 4 分の 1 程度で、そのうちの 5% のみが適用しています。

さらに、回答者の 53% が ML を活用してビジネス効率を向上させることを計画しています。

現在のビッグ データとデータ分析戦略に関しては、46% の人がマルチクラウド (プライベート クラウドを含む) の使用を選択し、44% が研究を選択しています。モデル アーキテクチャにデータをより有効に活用するためにスタック パフォーマンスを向上させ、41% がデータ量の増加のニーズを満たすために規模を拡大することを選択しました。

#今後 1 ～ 3 年で、ML の主な戦略的応用方向は次のとおりです。異常データの自動検出 (40%)、自動的な透過的なアプリケーションの受信インフラストラクチャの更新 (39%)、AI アプリケーションを新しい規制および倫理要件に準拠させる (39%) など。

最もやるべきことは、技術管理におけるデータサイロを解決することです

技術的な能力を除けば、機械学習は人材管理とプロセス管理においても大きな課題に直面しています。その中で、41% は内部データのサイロを打破することが最も困難であると考えており、39% は学術モデルを展開可能な製品に変換することを選択しました。さらに、38% がそれぞれ AI リスクの軽減と外部データサイロの打破を選択し、36% が最大の困難は大規模で多様で混沌としたデータセットの処理にあると考えています。

データサイロ、モデル変換、データセットのカオスなど、それらはすべて学術界と商業化の間のギャップを反映しています。特にモデルの変換におけるギャップは、ML を使用してそれをユースケースに拡張するときに、データ フローの透明性、追跡可能性、説明可能性を明確に示すのが難しいと多くの人が感じていることです。

このため、ML導入の見通しが不透明な場合、経営者は機械学習に基づくビジネス導入にビジネス価値を見出すのは難しいと考えることになります。また、投資収益との明確な関係がなければ、経営者のこのテクノロジーへの投資意欲は大幅に低下します。回答者の73%は、機械学習は依然としてデータの透明性、トレーサビリティ、解釈可能性の点で課題に直面していると考えており、投資意向の不確実性が技術導入の難しさを悪化させており、好循環はまだ形成されていない。

意思決定者の 3 分の 2 は、引き続き ML の適用を増やす予定です

ただし、たとえ多くの課題があるため、意思決定者は機械学習への投資を決定する際に必然的に慎重になりますが、インタビュー対象者のほとんどは、ML の適用が依然として非常に必要であると信じています。意思決定者の 3 分の 2 (67%) は、組織の戦略計画にとって、ML テクノロジーの適用を総合的な方法で増やすことが非常に重要であると考えています。回答者の 66% は、現在使用されているツールセットに機械学習の技術的機能とアプリケーションを追加することが重要であると考えています。

# ビジネス レベルでは、機械学習が役割を果たすことが期待される上位 3 つの分野は次のとおりです。 データ プラットフォームの相互作用共有、エンタープライズ 組織内のデータ フローを追跡し、より迅速なアクションを推進します。

#サードパーティとの協力については、回答者の 37% が協力関係を確立しており、パートナーを開拓するつもりであると回答しました。 30% は、協力関係はあるが、それをより深いパートナーシップに発展させる準備ができていないと回答しました。さらに、回答者の19％と11％は、協力計画がある、または来年の協力に関心があると回答した。

回答者の 60% 以上が、機械学習の欠点や人材不足を補うために協力関係を活用していると回答しており、Win-Win の協力が得られていることがわかります。これはまだこの技術を開発するための重要な方法です。機械学習の分野で経験のあるサードパーティと協力することで、モデル開発、人材トレーニング、より多くのデータソースのマイニングにおいて相乗効果を生み出すことができます。

記事の参照と画像のソース:

##機械学習の運用により主要なビジネス成果が達成

以上が機械学習: 73% の企業が存続の危機に瀕の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。