سوف ينمو سوق عمليات التعلم الآلي العالمية (MLOps)، الحلول التي تساعد علماء البيانات على تبسيط وتحسين عمليات نشر التعلم الآلي، بمعدل نمو سنوي متوسط يقارب 45٪ حتى عام 2030. تم إجراء التوقع من قبل شركة الأبحاث Valuates Reports، التي تتوقع قفزة في قيمة قطاع من 186.4 مليون دولار أمريكي، التي تم تحقيقها في عام 2023، إلى 3.6 مليار دولار أمريكي. أحد الأسباب الرئيسية لارتفاع هذا السوق قد يكون تقليل المدة الزمنية لتطوير النماذج التنبئية. التقييم من قبل كارلوس ريلفاس، كبير علماء البيانات في شركة داتاريكس، الشركة المتخصصة في استخدام الذكاء الاصطناعي لإضافة قيمة في المفهوم"القرار كخدمة".
وفقًا له، لتطوير أنظمة مماثلة باستخدام الطرق التقليدية، تستغرق المؤسسات في المتوسط بين أسبوعين إلى ثلاثة أسابيع، اعتمادًا على تعقيد القطاع.
"من ناحية أخرى، عند استخدام MLOps، يمكن لعالم البيانات أتمتة عملية الإنشاء بأكملها. أولاً، يقوم بتدريب جميع النماذج من خلال التعلم الآلي التلقائي الذي يختبر الخوارزميات لمعرفة أيها يعمل بشكل أفضل. في هذه المرحلة، يمكن للعالم أيضًا، إذا رغب في ذلك، تحميل الكود الذي لديه بالفعل وحفظ جميع المستندات وجميع الرموز، وبالتالي ضمان حماية توثيق جميع قواعد البيانات. ويعود نجاح MLOps إلى حقيقة أنها تلغي كل هذه الخطوات، حيث يكون منشئ النموذج نفسه مسؤولاً ويمتلك كل ما يحتاجه للانتقال من البداية إلى نهاية المشروع"، كما يقول.
في عام 2024، أطلقت شركة داتاريك حلاً من نوع MLOps موجهًا لتلبية احتياجات الشركات الرائدة في أنشطة مثل منح الائتمان، مخاطر الاحتيال، احتمالية تغيير العمل، الإنتاجية في القطاع الزراعي، وغيرها. فقط خلال النصف الأول من هذا العام، تم استخدام الأداة لإجراء أكثر من 10 ملايين استعلام، ومن بين الفوائد التي حصل عليها مستخدمو هذه التقنية، كان أحد أبرزها هو تقليل الوقت بشكل كبير. مع MLOps للشركة الناشئة، انخفض متوسط المدة من ثلاثة أسابيع إلى مسألة ساعات.
يشرح كارلوس ريلفاس أيضًا أنه بعد بناء هذا التدريب الأول، تدخل مرحلة ثانية داخل منصة MLOps الخاصة بـ Datarisk، وهي الجزء الذي يمكن للعالم أن ينشئ فيه تلقائيًا، بنفسه، واجهة برمجة تطبيقات (API) لنموذج ليتم استخدامه في بيئات خارجية. المرحلة الثالثة، وفقًا له، هي إدارة الحل. في هذه المرحلة، الهدف هو ضمان أن النموذج الذي تم تطويره وتدريبه ويُستخدم لا يزال يحافظ على أداء جيد مع مرور الوقت. "الأداة قادرة على مراقبة كل من استخدام تطبيقاتك وعمل واجهات برمجة التطبيقات لضمان أن كل شيء يعمل وفقًا للبرنامج، وأيضًا للسماح بقياس جودة النموذج. تتيح الحلول التحقق، على سبيل المثال، مما إذا كانت هناك أي متغيرات قد تغيرت مع مرور الوقت، وتصدر تنبيهات للمستخدم النهائي في حال كان النموذج يفقد أدائه"، يقول.
إن استجابة السوق والآفاق التي قدمتها شركة Datarisk تسمح للشركة بالتنبؤ بنمو يزيد عن خمسة أضعاف حجم استخدام هذا الحل بحلول نهاية عام 2025.
المؤسس المشارك والرئيس التنفيذي لشركة داتاريكس، جوناتا إيمريك، يوضح أنه من خلال أن تصبح رائدة في تقديم الحلول بمفهوم MLOps في البرازيل، فإن الشركة الناشئة تطبق استراتيجية نضوج وتحسين فرضيات أعمالها الرئيسية. نحن نفهم بشكل أعمق احتياجات السوق والآن نحن مستعدون لتقديم حلول قادرة على تحويل بشكل كامل وذو أهمية بالغة واقع علم البيانات في البلاد،" يقول.
وفقًا لإيميريك، في الحالة المحددة لتطوير النماذج التنبؤية، تظهر حلول MLOps كاستجابة للعمليات الداخلية البطيئة المصممة لوقت لم تكن الشركات بحاجة فيه إلى إدارة منطقة البيانات بالمرونة المطلوبة حاليًا.
"يتم اعتماد أنظمة طوابير تكنولوجيا المعلومات بشكل عام حيث يقوم مجال علوم البيانات بإكمال إنشاء نموذج وتمريره إلى مجال الهندسة لإنشاء واجهة برمجة التطبيقات. وهذا بدوره سيستغرق قدرًا كبيرًا من الوقت للقيام بدوره، حيث سيتم بعد ذلك تسليم المشروع إلى فريق محرك الائتمان، على سبيل المثال، حتى يتمكن أخيرًا من تنفيذ واجهة برمجة التطبيقات هذه، مما سيؤدي إلى مواعيد نهائية أخرى. والنتيجة هي أنه عندما يتم تنفيذ النموذج، يكون الوضع مختلفا. ويختتم حديثه قائلاً: "لهذا السبب فإن حل MLOps فعال للغاية من حيث التحسين".
