2020年エンタープライズ機械学習市場レポート：7つの調査結果

[[285635]]

[51CTO.com クイック翻訳] Algorithmia が最近発表したレポートでは、2020 年に機械学習がより広く使用されるようになることに伴う課題が明らかにされています。報告書によると、2020年にはほとんどの企業が機械学習開発の初期段階にあるが、より高度な段階に進むには、企業は多くの障壁を克服する必要があるという。

Algorithmia の 2020 年エンタープライズ機械学習の現状レポートでは、745 人の技術専門家を対象に調査を行い、企業が 2020 年に機械学習を導入する計画とその過程で直面する主な問題を明らかにしました。レポートによると、機械学習の導入に関連する最大の課題には、スケーリング、バージョン管理、予算編成などがあるという。

アルゴリズミアの CEO ディエゴ・オッペンハイマー氏は次のように述べています。「人工知能と機械学習は、私たちが生涯で目にする最も影響力のある技術革新となるでしょう。企業の機械学習への取り組みを支援するために、レポートではデータを次の 7 つの調査結果に分類しています。

1. 機械学習のためのデータサイエンスの台頭

「データサイエンスの役割は、これらの企業が収集している膨大な量のデータを取得し、それを理解することです」とオッペンハイマー氏は語った。技術の進歩により多くの企業がより多くのデータを生成するようになり、より多くのデータサイエンティストの必要性が生まれている。

機械学習がより一般的になるにつれ、この需要の伸びは2020年まで続くだろう。報告書によると、企業の約60％が1人から10人のデータサイエンティストを雇用することになるという。

ガートナーは、これらの企業の半数以上が少なくとも 1 つの機械学習プロジェクトを進行中であることを発見しましたが、導入数は 2020 年までに 2 倍になると予想されています。機械学習プロジェクトが増加するにつれて、企業では機械学習エンジニア、機械学習開発者、機械学習アーキテクト、データエンジニア、機械学習オペレーター、人工知能 (AI) オペレーターなど、データサイエンスの新しい職種が見られるようになることがレポートで明らかになりました。

2. コスト削減が最優先

このレポートでは、企業が機械学習から得ると期待するメリットについても検証しています。全体的に、上位 3 つのユースケースには、企業コストの削減 (38%)、顧客の洞察とインテリジェンスの獲得 (37%)、顧客エクスペリエンスの向上 (34%) が含まれていることがレポートで明らかになりました。

「多くの場合、機械学習はエラーを減らすことができ、企業のコスト削減と収益増加に役立ちます」とオッペンハイマー氏は言います。「たとえば、大量のデータの入力や処理が必要な仕事は、多くの人手が必要で、エラーが発生しやすく、少し時間がかかりますが、機械学習によって自動化が大幅に進み、結果の精度が向上します。基本的なデータ入力作業を行う人を解放し、人間が処理する方が適した高度なタスクを処理できるようになります。」

報告書によると、大規模および中規模企業は主にコスト削減に重点を置いているのに対し、小規模企業は顧客体験の向上に関心があることがわかりました。

中小企業は顧客を維持し、安定した事業を維持するのに苦労していますが、大企業はそうではないかもしれません。機械学習の使い方を考えるとき、最適化は大きなユースケースだとオッペンハイマー氏は言う。

3. 多くの企業はまだ成熟の初期段階にあり、AIのためにAIを導入している。

レポートによると、2020 年時点で企業の機械学習プロジェクトはまだ初期段階にあり、企業の 21% がユースケースを評価中であると回答し、20% が実稼働環境で機械学習を早期に導入していると回答しています。

しかし、回答者は2020年末までに異なる段階にあると示唆した。約 23% がモデルを本番環境で使用したいと回答し、22% がモデルの開発を開始すると回答しました。

「将来、ビジネスを最適化するために機械学習とデータサイエンスを活用しない企業を想像するのは不可能です」とオッペンハイマー氏は言います。「問題は、多くのチームが最終結果がどのようなものになるかを理解せずに飛びついていることです。ビジネス最適化がどのようなものかを理解する必要があります。」

4. 導入までの長い道のり

企業が機械学習を導入するには長い時間がかかります。回答者によると、機械学習モデル 1 つだけでも、導入に最大 90 日かかるそうです。報告書によると、約20％の企業が90日以上かかると回答した。

機械学習プロジェクトは非常に新しく、現在のデータ サイエンティストがこのアプローチに十分精通していない可能性があるため、このプロセスにはしばらく時間がかかる可能性があります。これが、2020 年に新しいデータ サイエンティストの職種が出現する理由かもしれません。

報告書によると、大企業では導入までの道のりが長くなるという。オッペンハイマー氏は、主な理由は、会社が大きくなればなるほど、承認のリンクが増え、プロジェクトを監督するのに必要な人員が増えるためだと述べた。

5. スケーリングの問題

報告書によると、回答者はモデルの拡張を最大の課題として挙げており（43％）、昨年の30％から増加している。この課題は分散化された組織構造に関連している可能性があり、スケーリング中にツール、フレームワーク、プログラミング言語に問題が生じることが多いと報告書は述べている。

「大きな障壁の 1 つは、ツールが多すぎることです」とオッペンハイマー氏は言います。「モデルを構築する人々は、スケーリングが得意ではないことがよくあります。企業は、これらのチームには異なるスキルが必要であることを認識し、フレームワークが非常に急速に変化していることを認識する必要があります。機械学習の分野は非常に急速に変化しています。」

報告書で提案されている解決策の 1 つは、社内にイノベーション センターを設立することです。報告書によると、こうしたセンターは機械学習などの革新的なプロジェクトに特化しており、機械学習の作業を標準化するために機敏に運営できるという。

6. 予算と機械学習の成熟度が一致していない

レポートによると、機械学習の予算は全体的に増加しているものの、プロジェクトの成熟段階によって異なることがわかりました。

機械学習の成熟度が中期段階にある企業は機械学習の予算を 1% ～ 25% 増加しましたが、イノベーションの高度な段階にある企業では 39% が同様に増加しました。報告書によると、機械学習の成熟度が高い企業の約30％が、予算を26％から50％増加したと回答した。

オッペンハイマー氏は、「成功を証明できれば、より多くの予算を獲得できる」ことをデータは示唆していると述べた。 「多くの企業が機械学習とデータサイエンスの予算を全面的に増やしてきました。しかし、長期的に予算を増やしてきた企業は、機械学習とデータサイエンスをより広範な部門に統合する一定の成熟度に達しており、それに合わせてさらに予算を増やす必要があります。」

7. 企業全体での機械学習の成功を判断する

レポートによると、機械学習の成功を判断するための 2 つの主な指標は、ビジネス指標と機械学習モデルのパフォーマンスの技術的評価です。

「すべては結果にかかっています」とオッペンハイマー氏は述べ、チームは単にAIをAIのために実装するのではなく、なぜ機械学習プロジェクトに取り組むのかを決定し、最終目標を見つける必要があると付け加えた。

原題: 2020 年のエンタープライズ機械学習の現状: 7 つの重要な調査結果、著者: Macy Bayern

[51CTOによる翻訳。パートナーサイトに転載する場合は、元の翻訳者と出典を51CTO.comとして明記してください]