Algorithmia的調研報告顯示，有將近 55% 的企業宣稱他們並沒有部署機器學習模型到日常工作；而在那些已經成功集成AI技術的企業中，有50%的公司，爲了部署一個AI模型，會花費掉80~90天的時間。
將AI和機器學習技術整合到日常工作中並不像你所想象的那般容易。這是Algorithmia調研公司的最新發現，該公司調研了750位公司業務決策者，調研發現，儘管機器學習在企業中的成熟度基本上成增長態勢，但多數公司（50%）每部署一個機器學習模型需要花費80~90天（18%的公司花費的時間還超過了90天）。他們中大多數人將其歸咎於缺少可擴展性（33%），其次是模型可復現性挑戰（32%）以及缺乏高管參與（26%）。
“我們2020年【機器學習在企業中的狀態】的調研結果和我們從客戶那裏聽到的情況不謀而合”，Algorithmia的CEO Diego Oppenheimer如是說。“企業正在增大機器學習領域的投入，機器學習的可操作性也在各行各業變得成熟起來，但是這個領域仍有巨大的增長和改進空間。模型部署週期需要更加高效，與機器學習團隊也需要更加無縫銜接。儘管如此，已經部署機器學習技術的企業正受益於可度量的結果，包括成本削減、欺詐檢測以及用戶滿意度提升等。隨着機器學習技術和處理方式進入市場並在市場中落地，我們期待這些趨勢能夠繼續保持下去。”
僱員的增長
由於採用機器學習的門檻很高，市場對機器學習專家的需求也就很高，這一點或許並不意外。Algorithmia調查對象中有一半的人表示，他們的企業僱傭了1~10位數據科學家，5%的人表示僱傭人數超過了1000；39%的人說他們公司有11位及以上的數據科學家。後面這個數字較2018年的18%有了較大提升，2018年的【機器學習在企業中的狀態】調研報告是Algorithmia上一次發佈的報告版本。
在這樣的背景下，對整個行業數據科學家短缺的預測看起來是有先見之明的。2016年，德勤預計到2018年將有180,000的崗位缺口，而LinkedIn上數據科學家職位數量在2012年到2017年增長超過650%。
Algorithmia預計隨着對數據科學家需求的增長，團隊中的初級水平數據科學家在塑造AI領域工作中的機會將變少，因爲大部分需要初級水平僱員完成的工作可能已經被其前任們做完了。但是，這也會意味着不同團隊之間的領導力對齊成爲可能，AI團隊將在項目執行中擁有更多的自主權和靈活性。
落地和實施的挑戰
儘管企業對數據科學家人才的尋找非常瘋狂，但是該報告中有將近55%的企業宣稱他們還沒有部署任何機器學習模型（去年這一數字是51%）。五分之一的企業仍然在評估用例場景，或者計劃在年內將模型投入生產領域，只有22%多一些的企業在最近一兩年內已經把模型投入到了生產領域。
這與國際數據公司（IDC：Internationale Data Corporation)分析師最近給出的研究報告一致，他們研究發現在那些已經使用了AI的組織中，只有25%的組織開發出了“企業級”的AI戰略。接受這個調查的公司將其歸咎於AI解決方案的預算投入不夠，能勝任工作的員工太少，以及數據偏差和不切實際的期望。
正如前面提到的，根據Algorithmia的調研，對於大多數組織來說，將機器學習模型投入到生產領域仍是一大挑戰。至少20%的公司（這樣的統計囊括了所有規模的公司）都表示他們的數據科學家把四分之一的時間花在模型部署上，這是由於普遍存在的可擴展性匱乏而導致的，比如因爲業務規模擴展而需要購買更多硬件、數據和工具，還要執行必要的模型優化。模型版本管理和可復現性是另一項艱鉅的任務，因爲它們會影響諸如流水線、模型再訓練和評估等關鍵過程。
不管歸結因素是什麼，預算都不大可能會成爲歸因。大約有43%的受訪者宣稱他們的AI和機器學習開銷從2018年到2019年增長了1%~25%不等，而21%的人表示項目預算平均增長了26%~50%。實際上，只有27%的受訪者表示他們的開銷沒有變化，Algorithmia認爲後者是已經具有了較成熟AI的企業——例如，這些企業在生產領域使用AI模型至少有兩年時間，相比其他公司在AI方面的投入更高。
AI用例場景
AI落地情況也不全是壞消息。
Gartner在一月份的報告中指出，在過去四年中AI實施增長了270%，僅是去年一年就增長了37%。根據麥肯錫全球研究院的調研，接下來的勞動力市場轉換將會在未來10年中給GDP（Gross Domestic Product，國內生產總值）帶來1.2%的增幅，並在淨經濟收益中產生20%~25%的增幅，從全球來看，這將在未來12年產生13萬億美金的增幅。
Algorithmia報告說在那些已經成功部署了AI的組織中，減少企業成本是最受歡迎的AI用戶場景之一，其次是給客戶提供洞察力和智能性，幫助改善客戶體驗。當然，細分市場不同，應用程序的情況也不一樣。例如，銀行和金融服務公司大部分聚焦在怎樣留住客戶以及發現欺詐行爲上，而能源領域（包括公用事業公司）則十分重視需求波動的預測。諮詢和專業服務行業的受訪者表示，減少客戶流失是他們的首要任務，而教育市場的首要用戶場景則是如何與客戶交互。
因此，在Edelman的一項調查中，90%的C Suite受訪者（頭銜中以Chief開頭的高管們）將AI描述爲“下一代技術革命”，也就不足爲奇了。受訪的技術高管中，大約94%的人認爲AI會創新性地創造“智能”家庭，而超過74%的人集體表示，AI將“有助於”加速自動駕駛汽車的發展，例如Alphabet子公司Waymo、Uber、通用汽車的科魯茲等公司的自動駕駛汽車。
“今年的調研將證實……企業中的機器學習正在快速發展，”Algorithmia報告的作者寫道。“儘管大部分企業都還在【機器學習】成熟度的早期階段，但認爲可以推遲投入【機器學習】的時間，這是錯誤的想法。如果您的企業現在還沒有【機器學習】意識，請放心，您的競爭對手會有這樣的意識，AI的發展速度肯定會成指數級增長。”