受到新冠肺炎疫情的影響,2020 年對大多數企業及組織來說都是個須「勒緊褲帶」的一年,而在這樣每筆錢都得花在刀口上的情況下,企業對人工智慧(AI)和機器學習(ML)等技術的投資又有何變化?時序進入 2021,今年的趨勢又會是如何?

根據市調機構 Gartner 於去年中旬釋出的預測,隨著企業針對業務及技術面進行預算調整,將雲端協作解決方案即網路安全等工作置於首位,預期 2020 年全球 IT 支出將下滑 8%。

起初,外界預期企業調降 IT 支出將優先從人工智慧和機器學習等技術的投資下手,但根據 Algorithmia 發布的研究報告顯示事實並非如此。2020 年的動盪不僅未妨礙那些已經在進行中的 AI 及 ML 開發進程,部分項目的推動甚至有加快的現象。

Algorithmia 針對 403 位於營收超過 1 億美元的公司內參與機器學習計畫的商業領袖進行調查,結果指出,儘管許多企業仍無法將這些不斷增加的投資轉換為實際效率及規模的提升,但 IT 部門仍在增加與機器學習相關的預算及人力資源。這顯示出,鑑於遠距上班正在加速數位轉型的進程,企業已將 AI 及 ML 技術及人才是為提高生產力及彈性的策略投資。

企業正在增加對 AI 的投資,以期達到短期的成本削減和長期的技術創新,並提高收入和效率。根據 Algorithmia 發布的 2021 年機器學習企業趨勢報告,今年企業針對 AI 及 ML 將有 4 個突出趨勢:

1. 企業正在增加 AI 及 ML 的預算、人力及用例

報告指出,在疫情爆發前,企業及組織便已不斷增加對 AI 及 ML 的投資,而由疫情帶來的不確定性則使此投資更具緊迫性。調查顯示,2020 年間,有 83% 的組織增加了對 AI 及 ML 的預算,聘用的數據科學家的平均數量年增 76%。

此外,企業也正在擴展 AI 及 ML 的用例(Use Cases)。調查發現,去年擁有 5 個以上 AI 及 ML 用例的企業比例較前年同期增長 74%。值得注意的是,企業關注的用例大多與客戶體驗及流程自動化有關,這些領域可在經濟不確定時為企業提供穩定收入來源。

2. 挑戰 ML 生命週期,特別在監管方面

企業正面臨著 ML 生命週期的挑戰,特別在監管方面。有 56% 組織認為安全性及可審核性問題最令人不安,有 67% 組織表示需要遵守有關 AI 及 ML 的多項法規。

而除了監管方面的挑戰外,組織仍繼續面臨著基本部署及組織化的挑戰。49% 組織將此問題列為關注焦點,根據調查,跨功能的一致性仍是阻礙企業使 AI 及 ML 更加成熟的主要障礙。

3. 儘管預算及人力有所增加,但組織仍在模型部署上花費了更多的時間

儘管預算和員工人數有所增加,但組織在模型部署上花費的時間和資源比以往更多。Algorithmia 發現,將訓練有素的模型部署到生產中所需的時間較 2019 年同期有所增加,且有 64% 組織花費超過一個月的時間來部署模型;有 38% 的組織的數據科學家花費超過 50% 的時間在模型部署上,而那些擁有更多模型的組織們,將為此花費更多數據科學家們的時間。

最重要的是,組織增加了投入在 AI 及 ML 的資源,卻沒有解決營運效率方面的潛在挑戰。這加劇了該問題,並導致組織在模型部署上花費更多的時間和資源。

4. 組織使用第三方 MLOps 解決方案效果更好

Algorithmia 的調查發現,當組織使用第三方解決方案來管理其機器學習作業(MLOps)時,會看到更好的結果。換句話說,與從頭開始建構及維護自己系統的組織相比,將第三方解決方案集合至自家系統或使用第三方平台的基礎結構,平均成本將減少 19-21%。且這些採用第三方解決方案的組織,花費在模型部署上的時間也會更少,將經過訓練的模型投入生產也更加快速。