グローバルなMLOps（機械学習運用）市場は、データサイエンティストが機械学習の導入プロセスを簡素化し最適化するのを支援するソリューションであり、2030年までに年間平均成長率はほぼ45％に達する見込みです。 予測は調査会社のValuates Reportsによって行われ、2023年に達成された1億8640万ドルのセグメントの価値上昇が36億ドルに跳ね上がると見込まれています。 この市場の温暖化の主な理由の一つは、予測モデルの開発期間の短縮にある可能性があります。 評価は、Datariskのチーフデータサイエンティストであるカルロス・レルヴァスによるものであり、同社は人工知能を活用して価値を生み出すことに特化しています。「サービスとしての意思決定」
彼によると、従来の方法で類似のシステムを開発するには、業界の複雑さに応じて平均で2〜3週間かかる。
「一方、MLOps を使用すると、データ サイエンティストは作成プロセス全体を自動化できます。まず、自動機械学習を使用してすべてのモデル トレーニングを行い、どのアルゴリズムが最も効果的かをテストします。この時点で、サイエンティストは、必要に応じて独自のコードをアップロードし、すべてのドキュメントとコードを保存することもできます。これにより、すべてのデータベースのドキュメントが保護されます。MLOps が成功しているのは、これらすべてのステップが不要になり、モデル作成者自身が責任を負い、プロジェクトの最初から最後まで必要なものをすべて持っているからです」と彼は言います。
2024年に、Datariskはクレジット付与、詐欺リスク、転職意欲、農業の生産性などの主要な活動を行う企業向けに焦点を当てたMLOpsソリューションを市場に投入しました。 今年の前半だけで、このツールは1,000万件を超える問い合わせに利用され、その技術を利用するユーザーが得た最大の利点の一つは、まさに時間の短縮でした。 スタートアップのMLOpsを導入することで、平均期限の3週間が数時間に短縮されました。
カルロス・レルヴァスは、最初のトレーニングが構築された後、DatariskのMLOpsプラットフォーム内で第二の段階に入ると説明しています。それは、科学者自身が自動的にAPIを作成し、外部環境でモデルを使用できるようにする部分です。 第三段階は、彼によると、解決策の管理です。 この段階では、開発・訓練されて使用されているこのモデルが、時間とともに良好なパフォーマンスを維持し続けることを保証することが目的です。 「このツールは、アプリケーションの使用状況とAPIの動作の両方を監視できるため、すべてが計画通りに動作していることを保証するだけでなく、モデルの品質の評価も可能にします。このソリューションは、例えば、時間とともに変化した変数があるかどうかを確認し、モデルのパフォーマンスが低下している場合には最終ユーザーにアラートを発することを可能にします」と述べています。
市場の受容性と Datarisk が示した見通しにより、同社は 2025 年末までにこのソリューションの使用量 5 倍以上の成長を予測しています。
Datariskの共同創設者兼CEOであるジョナタ・エメリックは、ブラジルでMLOpsのコンセプトに基づくソリューションの提供において先駆者となることで、スタートアップは主要なビジネステーゼを成熟させ、洗練させる戦略を実践していると説明しています。 私たちは市場の不足をより深く理解しており、今や国内のデータサイエンスの現実を全く新しい方法で変革できるソリューションを提供する準備が整いました、と彼は言います。
エメリック氏によると、予測モデルの開発という具体的なケースでは、企業が現在求められているような俊敏性でデータ領域を管理する必要がなかった時代に設計された、遅い内部プロセスへの対応として MLOps ソリューションが登場します。
「IT キュー システムは、一般的に、データ サイエンス領域がモデルの作成を完了し、それをエンジニアリング領域に渡して API を作成するという形で採用されます。エンジニアリング領域は、その役割を果たすためにかなりの時間を要し、その後、たとえばクレジット エンジン チームにプロジェクトを渡して、最終的にこの API を実装できるようにし、他の期限につながります。その結果、モデルが実装されたときには、状況はすでに異なっています。これが、MLOps ソリューションが最適化の面で非常に効果的になる理由です」と彼は結論付けています。
