Организации все чаще обращаются к платформам Low-code для решения таких проблем разработки приложений машинного обучения, как управление, ускорение выхода на рынок и нехватка кадров. Ганес Кесари, сооснователь компании Gramener, где он возглавляет отдел консультаций и инноваций в области науки о данных, объясняет на портале Enterprisers Project, что об этом необходимо знать ИТ-директорам.

Организации в разных отраслях обращаются к данным и аналитике для решения бизнес-задач. Исследование New Vantage Partners, показало, что 91% предприятий инвестировал в ИИ. Однако только 26% из них широко используют ИИ в производстве.

По прогнозам Fortune Business Insights, к 2029 г. глобальный рынок МО достигнет 209 млрд. долл. при CAGR 38,8%. Многие организации пытаются решать бизнес-задачи с помощью МО. Однако они считают, что создание приложений МО занимает много времени, требует дорогостоящего обслуживания и специалистов, которые находятся в дефиците. Руководители утверждают, что более 70% проектов в области науки о данных дают минимальный или нулевой эффект для бизнеса.

Помочь решить эти проблемы могут платформы Low-code.

Low-code — это подход к разработке ПО, который использует визуальный пользовательский интерфейс вместо традиционного ручного кодирования. Создание программных решений с использованием Low-code находится где-то между программированием с нуля и покупкой готовых решений. Этот подход дает лучшее из обоих миров, балансируя между гибкостью и скоростью выхода на рынок.

Инструменты Low-code расширяют возможности предприятий, демократизируя разработку. Сегодня любой человек из бизнеса, обладающий базовыми технологическими навыками, может создать приложение с помощью этой технологии. По данным Gartner, к 2024 г. более 65% всех разработок приложений будут основаны на Low-code. По прогнозам Research and Markets, глобальный рынок платформ Low-code в 2030 г. превысит 190 млрд. долл.

Как Low-code может ускорить разработку ИИ-решений

Machine Learning Operations (MLOps) — это набор практик, который получил известность в последние годы. Упорядочивая программные операции и упрощая сотрудничество между командами специалистов по анализу данных и разработчиков, MLOps помогает создавать решения ИИ производственного уровня.

В сущности, MLOps предоставляет ценность посредством трех практик: непрерывная интеграция (CI), непрерывная доставка (CD) и непрерывное обучение (CT). CI — это автоматическая сборка и интеграция кода от нескольких авторов в единое приложение. CD — это практика непрерывной и предсказуемой доставки качественных продуктов в производство. CT обеспечивает мониторинг и переобучение MО-модели с использованием новых данных, когда производительность модели начинает снижаться.

Почему организации сталкиваются с трудностями при создании, масштабировании и предоставлении ценности с помощью MО? Существуют три основные проблемы:

  • Длительное время цикла. Создание надежных моделей ИИ в масштабах предприятия требует времени. Согласно Algorithmia «2020 State of Enterprise ML», 80% компаний потребовалось шесть месяцев, чтобы запустить модель ИИ в производство.
  • Дрейф модели. В условиях постоянного изменения внешнего рынка, динамики бизнеса и базовых данных модели быстро устаревают. Дрейф моделей приводит к снижению точности и принятию неверных бизнес-решений.
  • Нехватка специалистов. Специалисты в области науки о данных, способные решать бизнес-задачи с помощью ИИ, находятся в дефиците. По мнению VentureBeat, нехватка квалифицированных кадров является одной из основных причин медленного внедрения ИИ.

Методология Low-code решает эти проблемы, предлагая визуальный, автоматизированный подход к MLOps. Она помогает ускорить выход на рынок, обеспечивает эффективное сопровождение моделей и демократизирует развитие науки о данных, снижая барьеры для приобретения навыков.

Как Low-code решает проблемы MLOps

Существует три способа, с помощью которых платформа Low-code решает проблемы, с которыми сталкивается большинство команд специалистов по науке о данных:

  1. Более быстрое время выхода на рынок. Платформы Low-code могут ускорить разработку, предлагая многократно используемые компоненты, необходимые на протяжении всего жизненного цикла MО — коннекторы данных, обработчики данных, бэкенд/фронтенд-модули разработки, алгоритмы MО, виджеты визуализации, модули администрирования и безопасности.

    Благодаря библиотеке, готовой к использовании в режиме drag-and-drop, разработчики быстро делать сборки и исправлять ошибки. Это облегчает команде специалистов по науке о данных сотрудничество, итерации и оптимизацию до тех пор, пока бизнес-задача не будет решена.
  2. Более простое обслуживание моделей и улучшенное управление. Обученные алгоритмы MО рискуют устареть еще до запуска в эксплуатацию, и инструменты Low-code предлагают эффективные способы их обновления. Они позволяют легко осуществлять постоянный мониторинг моделей, обнаруживать их деградацию и автоматически принимать меры с помощью централизованного управления.

    Low-code-платформы MО помогают обнаружить дрейф модели путем оповещения на основе триггеров. Они предоставляют механизмы для переобучения моделей при определенных пороговых значениях и динамической замены моделей в зависимости от производительности. Благодаря практической реализации практики MLOps для CI/CD/CT, Low-code-платформы MО помогают решать проблемы, связанные с обслуживанием моделей.
  3. Преодоление разрыва в квалификации. Каждая организация, большая или маленькая, сталкивается с проблемой поиска, привлечения и удержания квалифицированных специалистов в области науки о данных. Предлагая интуитивно понятный интерфейс drag-and-drop, платформы Low-code убирают этот барьер на пути развития науки о данных.

    С их помощью можно легко переобучить штатную команду разработчиков ПО для нужд МО. Многократно используемые компоненты в повторяющемся рабочем процессе делают менее обременительным сохранение знаний о приложениях ИИ или их поддержание новыми сотрудниками. Это приводит к снижению затрат на обучение и разработку МО.

Подход к выбору платформы Low-code

Если организация приступает к реализации науки о данных на платформе Low-code с технологической оценки платформ, это может привести к катастрофе. Лучше всего начать путь к Low-code с приоритетов организации и понимания потребностей бизнеса в краткосрочной и долгосрочной перспективе.

Оценивайте платформы Low-code, проверяя их соответствие технологической стратегии, архитектуре и дорожной карте организации. Делайте свой выбор на основе совокупной стоимости владения, учитывая расходы на инструменты, людей и изменения процессов на этапах сборки и сопровождения.