머신 러닝: 기업의 73%가 생존에 어려움을 겪고 있습니다.

머신러닝(ML)이 인공지능의 핵심 기술 중 하나이자 점차 성숙해지고 있는 응용 기술이라는 것은 누구나 알고 있는 사실입니다. 특히 이 기술은 미래의 데이터 과학에 변화를 가져올 수 있으며, 이를 통해 애플리케이션 회사는 더 많은 데이터 분석을 기반으로 주도적인 결정을 내릴 수 있으며 이를 통해 사용자의 비즈니스 경험을 향상시킬 수 있습니다.

그럼 현재 ML은 어떤 측면에서, 어느 정도까지 기업의 운영 상태를 개선했나요? 최근 Forrester Consulting은 북미 지역의 기업 데이터 리더 및 의사 결정자 150명을 대상으로 한 설문 조사를 기반으로 비즈니스 운영 결정에서 ML의 몇 가지 중요한 성과를 결론지었습니다. 다음 중 어떤 설문조사 결론이 우리에게 도움이 되고 우리에게서 배울 수 있나요?

먼저 몇 가지 주요 정보를 살펴보겠습니다.

• 머신러닝의 영향을 받는 비즈니스에서 자동화된 이상 탐지(Anomaly Discovery)는 향후 1~3년 내에 달성해야 할 주요 작업입니다.
• 기술 구현 경로에서, 데이터 섬, 빈약한 설명 가능성, 낮은 투명성은 앞으로 나아가는 데 주요 장애물로 작용하여 기술 성숙도 향상 속도를 늦춥니다.
• 비즈니스 결과에 더 집중하고 ML 기술에 대한 많은 실무 경험과 검증된 효율성을 갖춘 기업과 파트너십을 구축할 수 있다면 이 기술의 구현에 더욱 도움이 될 것입니다.

ML 애플리케이션의 4분의 1만이 성숙 단계에 있습니다

머신러닝의 개발 및 출시 시기 측면에서 대부분의 응답자가 1~5년 사이를 선택해 총 72%를 차지했습니다. . 그 중 절반 이상이 1~2년 안에 앱이 출시된다고 답했습니다. 실제로 성숙한 머신러닝 전략을 위해서는 3년 이상의 침전 기간이 필요합니다. 이 표준을 충족하는 기업 중 약 4분의 1만이 5년 이상 이를 적용했으며, 그 중 5%만이 이를 적용했습니다.

또한 응답자의 53%는 ML을 활용하여 비즈니스 효율성을 향상할 계획입니다.

현재 빅데이터 및 데이터 분석 전략에서 46%의 사람들은 멀티 클라우드(프라이빗 클라우드 포함)를 선택하고, 44%는 모델 아키텍처에 데이터를 더 잘 활용하기 위해 스택 성능을 연구하기로 선택합니다. 증가하는 데이터 볼륨의 요구 사항을 충족하기 위해 확장합니다.

향후 1~3년간 ML의 주요 전략적 적용 방향은 이상 데이터 자동 탐지(40%), 투명한 애플리케이션 및 인프라 업데이트 자동 수신(39%), AI 애플리케이션 제작이다. 새로운 규제 및 윤리적 요구사항을 준수합니다(39%).

기술 관리에서 데이터 사일로를 해결하는 것이 가장 어렵습니다.

머신러닝은 기술적 역량 외에도 인력 및 프로세스 관리에서도 상당한 어려움에 직면해 있습니다. 그 중 41%는 내부 데이터 사일로를 무너뜨리는 것이 가장 어렵다고 믿었고, 39%는 학술 모델을 배포 가능한 제품으로 전환하는 것을 선택했습니다. 또한 38%는 각각 AI 위험을 줄이고 외부 데이터 사일로를 허무는 것을 선택했으며, 36%는 대규모의 다양하고 혼란스러운 데이터 세트를 처리하는 데 가장 큰 어려움이 있다고 생각했습니다.

데이터 사일로이든, 모델 변환이든, 데이터 세트 혼란이든, ML을 사용하고 사용 사례에 적용할 때 학문과 상업화 사이의 격차를 반영하며, 특히 모델 변환에서 확장할 때 많은 사람들은 데이터 흐름의 투명성, 추적성, 설명 가능성을 명확하게 제시하는 데 어려움을 겪습니다.

이 때문에 ML 구현 전망이 불분명한 경우 경영진은 머신러닝 기반 비즈니스 구현에서 비즈니스 가치를 확인하기 어렵다고 생각할 것입니다. 그리고 투자 수익과 명확한 관계가 없다면 관리자의 이 기술에 대한 투자 의도는 크게 줄어들 것입니다. 응답자의 73%는 머신러닝이 여전히 데이터 투명성, 추적성, 해석성 측면에서 어려움을 겪고 있다고 생각합니다. 투자 의도의 불확실성으로 인해 기술 구현의 어려움이 가중되고 선순환이 아직 형성되지 않았습니다.

의사결정자의 3분의 2는 여전히 ML의 적용을 늘릴 것입니다

그러나 많은 어려움에도 불구하고 의사결정자들은 머신러닝에 대한 결정을 내릴 때 여전히 떨고 있지만 대부분의 사람들은 응답자 저자는 ML의 적용이 여전히 매우 필요하다고 생각합니다. 의사결정자의 2/3(67%)는 ML 기술의 전반적인 적용을 늘리는 것이 조직의 전략 계획에 매우 중요하다고 생각합니다. 응답자의 66%는 현재 사용되는 도구 세트에 기계 학습의 기술적 기능과 애플리케이션을 추가하는 것이 중요하다고 생각합니다.

비즈니스 수준에서 머신러닝이 역할을 할 것으로 예상되는 상위 3개 영역에는 데이터 플랫폼 공유, 기업 내 데이터 흐름 추적, 더 빠른 조치 추진이 포함됩니다.

제3자와의 협력에 관해서는 응답자의 37%가 협력 관계를 구축했으며 파트너십을 발전시킬 의향이 있다고 답했습니다. 더 깊은 파트너십을 위해. 또한, 응답자의 19%와 11%는 내년에도 협력 계획이 있거나 협력에 관심이 있다고 답했습니다.

응답자의 60% 이상이 머신러닝의 단점과 인력 부족을 보완하기 위해 파트너십을 활용한다고 답해 여전히 이 기술을 발전시키는 데 있어 상생협력이 중요한 방식임을 알 수 있습니다. 머신러닝 분야의 경험이 있는 제3자와 협력하면 모델 개발, 인력 교육, 더 많은 데이터 소스 마이닝에서 시너지 효과를 창출할 수 있습니다.

기사 참조 및 이미지 출처:

머신러닝 운영으로 주요 비즈니스 성과 달성

위 내용은 머신 러닝: 기업의 73%가 생존에 어려움을 겪고 있습니다.의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!