將人工智能和機(jī)器學(xué)習(xí)技術(shù)納入日常工作流程并不像你所相信的那樣容易。 這是Algorithmia對(duì)750名商業(yè)決策者進(jìn)行的一項(xiàng)調(diào)查的最高水平發(fā)現(xiàn)，該調(diào)查發(fā)現(xiàn)，雖然企業(yè)的機(jī)器學(xué)習(xí)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(gè)單機(jī)學(xué)習(xí)模型(18%的時(shí)間超過90天)。 大多數(shù)釘住的原因是未能達(dá)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(gòu)(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(jī)器學(xué)習(xí)狀況]研究的結(jié)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(duì)機(jī)器學(xué)習(xí)的投資，機(jī)器學(xué)習(xí)操作正在所有行業(yè)成熟，但增長(zhǎng)和改進(jìn)的巨大空間仍然存在。 對(duì)于ML團(tuán)隊(duì)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(jié)果，包括成本降低、欺詐檢測(cè)和客戶滿意度。 隨著ML技術(shù)和流程進(jìn)入市場(chǎng)并被采用，我們預(yù)計(jì)這些趨勢(shì)將繼續(xù)下去。

也許不足為奇的是，考慮到收養(yǎng)的障礙，機(jī)器學(xué)習(xí)的專業(yè)知識(shí)仍然是高需求。 僅有一半以上的Algorithmia接受調(diào)查的人說，他們的公司雇用了1到10名數(shù)據(jù)科學(xué)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(dāng)時(shí)公布了上一次企業(yè)機(jī)器學(xué)習(xí)狀況調(diào)查。

考慮到這一背景，對(duì)全行業(yè)數(shù)據(jù)科學(xué)家短缺的預(yù)測(cè)似乎具有先見之明。 在2016年，德勤預(yù)計(jì)到2018年將有18萬(wàn)名工人的缺口，在linked In上的數(shù)據(jù)科學(xué)家職位列表的數(shù)量從2012年到2017年增加了650%以上。