治理|《ModelOps技术应用及趋势白皮书》正式发布( 二 )


应用:初现峥嵘 , 将实现对更多行业的覆盖 白皮书以工业场景和金融场景为例 , 剖析 ModelOps 如何在特定场景中助力企业实现模型科学治理、提高 AI 应用效率 。 同时 , 也指出 ModelOps 落地时面对的挑战、影响应用差异化的关键因素 。
在工业等数字化进程相对早期的场景中 , ModelOps 重于以有限的数据资源对企业赋能机器学习(比如在设备预测与健康管理中 , 以 AI 替代人工进行高效准确的实时预测) 。

治理|《ModelOps技术应用及趋势白皮书》正式发布
文章图片
图丨ModelOps 在工业智能场景中的作用流程(来源:CB Insights 中国)
在金融服务等数字化程度相对领先的场景中 , 更重于开发态和运营态的打通以及之后的模型风险的治理(Model Risk Management , MRM) 。

治理|《ModelOps技术应用及趋势白皮书》正式发布
文章图片
图丨九章云极 ModelOps 银行解决方案架构(来源:九章云极DataCanvas、CB Insights 中国)
【治理|《ModelOps技术应用及趋势白皮书》正式发布】受制于数据安全焦虑等因素 , ModelOps 的应用目前仍处在探索的早期阶段 。 未来 , 随着 ModelOps 的交互设计更友好、兼容程度升高 , 企业管理者对模型治理的认识、理解更深 , ModelOps 将实现对更多行业的覆盖 。
展望:高维智能降低 AI 技术使用门槛 从模型算法设计到决策系统应用 , AI 技术发展重心正悄然转移 。在 ModelOps 框架下 , 科学的模型治理不仅使企业的 AI 计划更易从模型算法设计走向生产决策系统应用 , 实现规模化效应 , 也使 AI 拥有部分能动性 , 逐渐走向自治化——“以 AI 治理 AI”变为可能 。
自治化意味着更高维智能的实现 , AI 的使用门槛更低 。 未来 , ModelOps 持续监控、流程化、标准化、可复用的模型全生命周期治理框架将带动 AI 治理方式更迭 。 ModelOps 将有望成为企业 AI 治理的“标配” 。
在公众号九章云极DataCanvas后台回复关键词“ModelOps”获取完整版PDF报告

推荐阅读