Una nueva encuesta analiza cómo las organizaciones encuentran valor comercial a partir del aprendizaje automático (ML), cómo planean invertir en el corto plazo y los desafíos que esperan enfrentar para lograr sus ambiciosos objetivos de poner en producción nuevas iniciativas de ML.
El estudio, realizado por NewtonX para Wallaroo.AIpreguntó a los directores de datos, directores de análisis y líderes responsables de los resultados comerciales de IA en empresas privadas de EE. UU. cómo planean invertir en el corto plazo y los desafíos que esperan enfrentar para lograr sus objetivos de poner en producción nuevas iniciativas de ML.
Las organizaciones líderes en la encuesta creen que el escalamiento es esencial para generar retorno de la inversión a partir del aprendizaje automático. De hecho, el 36 por ciento de los encuestados espera que el uso de modelos de aprendizaje automático se multiplique por diez en los próximos tres años. Casi todos los encuestados planean quintuplicar su uso de ML en los próximos tres años.
Los casos de uso comunes de AI/ML entre estas organizaciones incluyen la personalización de la experiencia del cliente, la detección de fraude, la optimización de las ventas y el marketing y la mejora de la toma de decisiones en tiempo real.
Una cuarta parte de los encuestados gasta 25 millones de dólares por año fiscal en LD y dos tercios gastan actualmente más de 10 millones de dólares por año. El 84 por ciento está gastando más de $5 millón. Una vez logrado el éxito, la mayoría de las empresas planean aumentar sus gastos en ML. En los próximos tres años, dos tercios de las organizaciones encuestadas esperan al menos duplicar su gasto en ML y el 34 por ciento planea al menos cuadruplicarlo.
«Las empresas de aprendizaje automático de vanguardia tienen una serie de lecciones que enseñar a otras organizaciones
embarcarse en sus propios viajes de producción de ML», dice Vid Jain, fundador y director ejecutivo de
Wallaroo.AI. «Es por eso que encargamos esta investigación para ayudar a comprender cuán exitoso
Las organizaciones han generado valor comercial real a partir del aprendizaje automático. Igualmente importante es que queríamos
Descubra cómo evitaron los obstáculos que impiden que la mayoría de los proyectos de ML lleguen a producción y mucho menos tengan un impacto significativo en el resultado final».
Los desafíos para lograr el éxito del ML incluyen que las organizaciones necesiten construir sus propios marcos de producción, lo que aumenta los costos, la falta de experiencia disponible y el tiempo que lleva obtener valor de un proyecto.
Puedes conseguir el reporte completo del sitio Wallaroo.AI.
Autor de la foto: Primavera de luz / Shutterstock
