Saat kami menutup tahun 2021, kami juga menyelesaikan serangkaian posting ahli kami, membawa pendapat pembaca kami dari sudut pandang yang berbeda tentang perkembangan utama tahun ini, dan apa cerita besar tahun depan.
Untuk tujuan ini, kami telah mengumpulkan wawasan dari para ahli di perusahaan industri terkemuka, menanyakan:
Apa Pengembangan AI, Ilmu Data, Pembelajaran Mesin utama pada tahun 2021 dan tren utama apa yang Anda harapkan pada tahun 2022?
Artikel ini mendekati pertanyaan dari sudut pandang industri, dan selama seminggu terakhir kami telah menerbitkan artikel serupa yang berfokus pada pertanyaan yang sama dari sudut pandang penelitian dan teknologi:
Saya ingin mengucapkan terima kasih kepada setiap peserta dalam putaran opini ini karena telah meluangkan waktu dari jadwal sibuk mereka pada waktu yang begitu sibuk sepanjang tahun untuk memberikan wawasan dan pendapat mereka: Yashar Behzadi (Synthesis AI), Dipti Borkar (Ahana), Matthew Carroll (Immuta), Kendall Clark (Stardog), Brian Gilmore (InfluxData), Raj Gossain (Alation), Alan Jacobson (Alteryx), Ashley Kramer (Sisense), Haoyuan Li (Alluxio), Buno Pati (Infoworks), Jared Peterson ( SAS), John Purcell (DoiT International), Ravi Shankar (Denodo), Dan Sommer (Qlik), Muddu Sudhakar (Aisera), Marco Varone (expert.ai), Ryan Welsh (Kyndi), Brett Wujek (SAS).
Dan sekarang, tanpa penundaan lebih lanjut, mari kita lihat AI, Analisis, Pembelajaran Mesin, Ilmu Data, Perkembangan Utama Industri Pembelajaran Mendalam pada tahun 2021 dan Tren Utama untuk tahun 2022.
Dipti Borkar, Co-founder dan Chief Product Officer (CPO), Ahana
Pada tahun 2021, kami melihat percepatan adopsi cloud untuk aplikasi AI dan ML yang didorong oleh peningkatan popularitas cloud data warehouse/data lake/data lakehouse. Dengan lebih banyak data yang dipindahkan ke cloud, perusahaan dihadapkan pada keputusan arsitektural – menyimpan data terstruktur dan spesifik di gudang data yang mahal tempat Anda dapat menjalankan analitik berkecepatan tinggi dengan harga/kinerja yang sangat baik, atau menggunakan data lake untuk menyimpan semua data – terstruktur dan tidak terstruktur – dengan biaya yang jauh lebih rendah tetapi tidak ada mekanisme kueri atau analitik bawaan.
Pada tahun 2022, kita akan melihat lebih banyak beban kerja AI dan ML bermigrasi ke data lake/data lakehouse karena munculnya tumpukan Open Data Lake Analytics – tumpukan yang dibuat khusus untuk beban kerja gudang data cloud yang mencakup open source berkinerja tinggi mesin kueri (Presto) di data lake untuk analitik SQL, format terbuka, dan cloud terbuka. Fase pertumbuhan berikutnya di cloud akan mencakup open data lake untuk menambah gudang data cloud, lebih banyak open source di belakang analitik & AI, dan solusi cloud out-of-the-box untuk mendorong inovasi, yang berarti tim platform data akan menghabiskan lebih sedikit waktu yang dihabiskan untuk mengelola sistem terdistribusi yang kompleks dan lebih banyak waktu yang berfokus pada penyampaian inovasi yang didorong oleh bisnis.
Muddu Sudhakar, salah satu pendiri dan CEO dari aisera
Kebangkitan Meteorik dari AI Percakapan dan Pemodelan Bahasa yang Lebih Baik — Pada tahun 2022, kecerdasan buatan akan terus berkembang, menjadi lebih transformatif dan intuitif dari sebelumnya. Dari sumber daya manusia hingga pemasaran, teknologi AI Percakapan dirancang untuk membuat hidup lebih mudah. AI percakapan dapat dan akan mengambil alih tugas layanan pelanggan dan internal sehari-hari, membebaskan agen langsung untuk menangani masalah yang lebih mendesak.
AI percakapan, seperti yang dibuat oleh Aisera, dirancang untuk beroperasi sejajar dengan karyawan, membangun pengalaman layanan pelanggan yang terintegrasi, lebih efisien, dan lebih cepat.
Pemrosesan Bahasa Alami akan terus berkembang, memahami ritme bicara, bersama dengan semua manusia kita, pola bicara idiosinkratik, uhm, ah, dan kata-kata dengan makna campuran. Ini akan terus mempelajari mana yang berlaku, membuatnya jauh lebih mencerminkan ucapan manusia dan jauh lebih mampu mengarahkan pertanyaan dan menyelesaikan masalah.
Raja Gossain, Chief Product Officer di Alasi
Perusahaan akan membuka nilai bisnis penting dengan memanfaatkan pasar data publik dan pribadi — Saat ini, perusahaan sudah membeli kumpulan data untuk berinovasi atau mendapatkan wawasan di mana data kurang. Pada tahun 2022, kita akan melihat peningkatan organisasi yang beralih ke pasar data publik, menggunakan dua pendekatan. Pertama, perusahaan yang menggunakan katalog data untuk mengakses, menggunakan, dan memahami data yang kaya dalam organisasi mereka, akan menyadari bahwa menggabungkan data perusahaan dengan kumpulan data pihak ketiga membuka lebih banyak nilai dan produktivitas daripada sebelumnya. Sebaliknya, perusahaan tradisional akan menyadari bahwa kumpulan data internal berpemilik dapat dimonetisasi dan dikemas untuk dikonsumsi oleh perusahaan lain, sehingga menciptakan aliran pendapatan baru yang akan memudahkan perusahaan untuk ditemukan dan digunakan.
Haoyuan Li, Penemu dan CEO, Kiasan
AI Arus Utama dan Pembelajaran Mendalam — Karena perangkat untuk aplikasi AI terus berkembang, pembelajaran mesin dan platform pembelajaran mendalam telah memasuki arus utama dan akan mencapai tingkat kematangan yang sama dengan analitik data khusus. Sama seperti saat ini kita melihat sejumlah besar layanan terkelola yang terintegrasi penuh berdasarkan Apache Spark dan Presto, pada tahun 2022 kita akan melihat integrasi vertikal muncul berdasarkan seperti PyTorch dan Tensorflow. MLOps untuk otomatisasi dan manajemen pipeline akan menjadi penting, semakin menurunkan hambatan dan mempercepat adopsi AI dan ML.
Alan Jacobson, Chief Data & Analytic Officer di Alteryx
Digital Transformation 2.0 akan mengantarkan budaya analitik di seluruh unit bisnis karena semakin banyak perusahaan besar yang menyediakan teknologi dan pelatihan swalayan untuk memastikan pekerja pengetahuan rata-rata siap untuk sukses dan mampu melakukan analitik secara langsung.
Dengan berlanjutnya demokratisasi analitik, ilmuwan data perlu berevolusi dari 'pemecah masalah' menjadi 'guru.' Organisasi sekarang mencari untuk mengisi peran ini dengan seseorang yang dapat mengartikulasikan dan menjelaskan – bukan hanya kode untuk mendorong orang menjadi kreatif dan berpikir kritis. Namun, ada kesenjangan keterampilan yang ada antara ilmuwan data sebagai praktisi dan sebagai guru.
Fragmentasi dalam ruang data dan analitik akan mendatar. Dalam beberapa tahun terakhir, ruang AI/ML menjadi kompleks, dengan lebih banyak perusahaan memasuki ruang tersebut daripada tahun sebelumnya. Namun, kita akan mulai melihat kurva tren dan mendatar ini saat kita memasuki ruang yang lebih matang dengan peningkatan konsolidasi pada tahun 2022.
Ravi Shankar, SVP dan CMO di denodo
Arsitektur data mesh menjadi lebih menarik. Ketika organisasi tumbuh dalam ukuran dan kompleksitas, tim data pusat dipaksa untuk berurusan dengan beragam unit fungsional dan konsumen data terkait. Hal ini menyulitkan untuk memahami persyaratan data untuk semua tim lintas fungsi dan menawarkan rangkaian produk data yang tepat kepada konsumen mereka. Data mesh adalah pendekatan arsitektur data terdesentralisasi baru untuk analitik data yang bertujuan untuk menghilangkan kemacetan dan mengambil keputusan data lebih dekat dengan mereka yang memahami data.
Pada tahun 2022 dan seterusnya, organisasi yang lebih besar dengan lingkungan data terdistribusi akan menerapkan arsitektur data mesh untuk meminimalkan silo data, menghindari duplikasi upaya, dan memastikan konsistensi. Data mesh akan menciptakan infrastruktur terpadu yang memungkinkan domain untuk membuat dan berbagi produk data sambil menegakkan standar untuk interoperabilitas, kualitas, tata kelola, dan keamanan.
John Purcel, Direktur Produk, DoiT Internasional
Di musim prediksi, kemungkinan banyak orang akan sekali lagi meramalkan kemajuan dengan AI atau ML. Perusahaan dan bisnis pasti menemukan cara inovatif untuk memanfaatkan teknologi dan teknik ini, tetapi mereka belum benar-benar mencapai langkah mereka dalam hal adopsi. Tantangan utama akan tetap sama: mengajukan pertanyaan yang tepat dalam data kami, menggabungkan kecerdasan manusia dan mesin untuk menjawabnya, dan mengatasi kompleksitas. Para hyperscaler akan terus memperkenalkan layanan baru, dan perusahaan akan menghabiskan uang untuk menentukan bagaimana mereka benar-benar dapat membantu bisnis mereka.
Marco Varone, Pendiri & Chief Techology Officer ahli.ai
Kemajuan penting dalam pemahaman bahasa alami dalam beberapa tahun terakhir adalah kombinasi berbagai teknik untuk meningkatkan hasil keseluruhan dan mengatasi masalah kompleks dengan lebih baik. Pendekatan hibrida (atau komposit) ini memadukan pembelajaran simbolik dan mesin untuk memberi kita lebih banyak kekuatan dan fleksibilitas dalam mengatasi masalah bahasa dunia nyata.
Kita akan melihat adopsi yang lebih besar dari pendekatan ini pada tahun 2022 karena dapat menghemat banyak waktu dan uang, sekaligus meningkatkan akurasi, efisiensi, dan kecepatan. Itu juga menambahkan kemampuan menjelaskan ke dalam campuran (sesuatu yang sangat sulit dengan ML saja) dan membuatnya jauh lebih mudah untuk menggunakan kembali pengetahuan dari implementasi sebelumnya berkat grafik pengetahuan.
Matius Caroll, CEO, abadi
Komputasi awan akan membuat atau menghancurkan pekerjaan jarak jauh — Komputasi awan sekarang harus dimiliki oleh bisnis saat ini dan sangat penting selama pandemi COVID-19. Organisasi berbasis data di seluruh dunia mencari solusi untuk mempercepat waktu data, berbagi lebih banyak data secara aman dengan lebih banyak pengguna, dan mengurangi risiko kebocoran dan pelanggaran data. Dicirikan oleh tenaga kerja jarak jauh, komputasi awan akan terus menjadi penting bagi organisasi yang mencari kelangsungan bisnis, peningkatan skalabilitas, dan efisiensi biaya.
Menurut Survei Teknik Data Immuta State, organisasi semakin mengadopsi beberapa teknologi cloud untuk mengikuti skala, kecepatan, dan kasus penggunaan yang dibutuhkan oleh tim data modern. Hampir dua pertiga (65%) responden mencirikan perusahaan mereka sebagai 100% berbasis cloud atau berbasis cloud, menunjukkan kebutuhan pasar yang besar akan kontrol akses data cloud otomatis.
Brian Gilmore, PM IoT di Data Masuk
Teknologi kota pintar menjadi di mana-mana: Kami tidak akan lagi menggunakan istilah "Kota Cerdas" – bukan karena teknologinya gagal, tetapi karena konsep "kota" telah terkikis dengan pertumbuhan penduduk dan konektivitas di mana-mana. Dengan itu akan datang peningkatan besar dalam adopsi teknologi "kota pintar" individu karena persentase yang lebih besar dari populasi memperoleh akses atau memilih untuk konektivitas dan layanan yang sangat matang dan dapat diakses.
AI/ML mendorong pengalaman warga: Aplikasi Smart Government akan lebih terlihat seperti aplikasi konsumen dan tidak seperti intranet perusahaan. Kota-kota terpintar akan mengintegrasikan ML dan AI dalam mesin rekomendasi, mendukung interaksi bahasa alami, menghadirkan semuanya secara digital, dan menganggap pengalaman warga sebagai persyaratan utama.
buno pati, CEO, pekerjaan info
Peningkatan di Data Fabric — 2022 akan melihat pertumbuhan dan minat yang signifikan pada solusi struktur data karena perusahaan berupaya memanfaatkan lapisan manajemen umum untuk mempercepat migrasi analitik ke cloud, memastikan keamanan dan tata kelola, memberikan nilai bisnis dengan cepat dengan mendukung data tepercaya secara real-time di seluruh hybrid-multi -cloud – semuanya dalam mendorong transformasi digital. Kami percaya teknologi ini akan diadopsi secara luas selama lima tahun ke depan.
Ryan Wales, Pendiri dan CEO kyndi
Bisnis akan mengharapkan vendor untuk memberikan solusi komprehensif berkemampuan AI untuk lini tim bisnis alih-alih berfokus pada alat pengembang dan teknologi untuk TI — Banyak, jika tidak sebagian besar, industri AI telah berfokus pada pengembangan alat yang kuat untuk tim TI internal atau organisasi konsultan untuk menerapkan teknologi untuk kasus penggunaan tertentu dalam aplikasi perusahaan. Pada tahun 2022, organisasi akan menuntut vendor AI untuk mulai mengembangkan solusi khusus yang mendukung AI yang dapat segera diimplementasikan tanpa coding. Dengan berfokus pada penyediaan solusi yang berpusat pada manusia kepada pengguna bisnis, vendor akan memungkinkan individu untuk segera menghasilkan wawasan yang mendorong pengambilan keputusan. Akibatnya, organisasi akan mengalihkan investasi mereka di AI, menjauh dari solusi yang sangat disesuaikan demi opsi yang dapat dikonfigurasi (off-the-shelf).
Dan Musim Panas, Direktur Senior, Pemimpin Intelijen Pasar Global di Qlik
Kolaborasi dan BI tidak dapat dipisahkan sejak awal pandemi. Pada saat dunia mencoba untuk kembali ke tingkat normal, kebutuhan untuk bekerja sama dan berkolaborasi lebih cepat – dan melakukannya tanpa silo data menghalangi – menjadi semakin jelas. Dalam upaya untuk meningkatkan cara kita menyatukan data, jaringan, dan proses, kita akan melihat munculnya "penambangan kolaborasi", yang memungkinkan pengambilan keputusan dilacak. Bisnis juga telah belajar bahwa jika mereka ingin benar-benar didorong oleh data, mereka harus mencari cara untuk menjalankan kueri yang tepat di tempat yang tepat. Terakhir, ekonomi API telah membuka cara yang sama sekali baru bagi bisnis untuk bersatu dalam inisiatif bersama sambil mengurangi relevansi beli-lawan-bangun. Otomasi adalah area yang sangat berkembang yang menghilangkan kebutuhan untuk mengkodekan integrasi ini, dan saya berharap teknologi ini memiliki dampak yang bertahan lama pada tahun 2022.
Jared Peterson, Wakil Presiden Senior Teknik, SAS
AI bergerak ke dunia nyata, tapi perlahan. Sementara banyak kemajuan dalam pembelajaran mesin dan AI telah menunjukkan akurasi yang luar biasa pada tugas-tugas umum atau kompetisi online, kemajuan tersebut masih membutuhkan waktu untuk masuk ke industri untuk akhirnya memecahkan masalah nyata bagi pelanggan. Beberapa di antaranya adalah karena kebutuhan akan hal-hal seperti data beranotasi khusus domain, atau daya komputasi yang diperlukan untuk menjalankan sistem/model ini. Karena kendala-kendala ini, kita akan melihat arus kemajuan yang lambat, tetapi pasti, bergerak dari penelitian ke kenyataan.
Brett Wujek, Manajer Produk Utama untuk Analytics, SAS
AI memberikan hasil dunia nyata. Di masa lalu, organisasi tidak akan banyak menunjukkan investasi AI mereka karena terlalu fokus pada pembangunan model dan kinerja model. AI tidak hanya akan digunakan untuk proyek terobosan unik, tetapi organisasi akan menemukan nilai dalam menerapkan teknik AI pada proyek yang sudah mapan untuk mencapai hasil terbaik di kelasnya. Agar produk atau layanan AI berhasil, itu akan menggabungkan elemen yang akan membantu membuat hasil lebih baik, atau proses lebih cepat atau lebih murah. Nilai AI akan ditentukan bukan oleh seberapa baik ia memodelkan dunia nyata, tetapi bagaimana ia membantu meningkatkannya.
Ashley Kramer, Chief Product and Marketing Officer di Sisense
Selama bertahun-tahun, kami telah mendengar bahwa masa depan analitik akan melampaui analitik deskriptif (apa yang terjadi) dan analitik prediktif (apa yang akan terjadi) menjadi panduan preskriptif (apa yang harus dilakukan). Kemajuan dalam AI yang dikombinasikan dengan otomatisasi akhirnya memungkinkan hal ini dengan menggabungkan data yang relevan secara dinamis dan memperingatkan pekerja pengetahuan untuk mengambil tindakan, terlebih dahulu, sebelum suatu peristiwa terjadi. Pada tahun 2022, analitik preskriptif akan berkembang dari memberi tahu kami ke mana arah angka-angka tersebut, menjadi membantu kami membuat keputusan yang lebih cerdas dan proaktif.
Organisasi juga mulai menyadari bahwa tidak semua orang memiliki waktu/minat untuk menjadi seorang analis data atau melek data. Pada tahun 2022, banyak yang akan mendefinisikan kembali apa artinya membangun “budaya analitik” dengan memberikan wawasan kepada pekerja dengan cara yang lebih mudah dicerna – beralih ke metode seperti analitik tertanam yang tidak memerlukan keterampilan baru atau investasi waktu tambahan.
Kendall Clark, Pendiri dan CEO di anjing bintang
Era Sentralisasi dan Konsolidasi Big Data Sudah Berakhir — Pentingnya penyimpanan data terpusat atau terkonsolidasi juga akan menjadi yang terdepan pada tahun 2022. Jelas bahwa tren ini bukanlah akhir dari penyimpanan, tetapi merupakan akhir dari pendekatan yang terkonsolidasi secara terpusat untuk penyimpanan data khususnya untuk analitik dan pengembangan aplikasi.
Pada tahun 2022, kita akan melihat kelanjutan dari pertarungan besar yang sedang berlangsung di ruang analitik data sebagai cara lama dalam mengelola data perusahaan, dengan fokus pada pola konsolidasi dan sentralisasi, mencapai puncaknya dan kemudian mulai menurun. Bagian dari apa yang akan kita lihat terungkap dalam pertarungan besar antara Snowflake dan Databricks pada tahun 2022 dan seterusnya adalah fungsi dari pendekatan mereka yang berbeda terhadap konsolidasi terpusat.
Tapi itu bukan hanya tekanan teknis. Ekonomi pergerakan data yang tidak dapat dihindari di dunia multicloud hybrid tidak baik dan tidak terlihat membaik. Pelanggan dan investor menentang jenis penguncian yang menyertai pendekatan sentralisasi, jadi antisipasi pendulum berayun ke arah desentralisasi dan disintermediasi tumpukan analisis data di tahun mendatang.
Yashar Behzadi, CEO dan Pendiri PT Sintesis AI
Percakapan Seputar Data untuk AI Akan Diprioritaskan — Diskusi seputar data untuk AI telah dimulai, tetapi hampir tidak mendapat perhatian yang cukup. Data adalah aspek yang paling penting untuk membangun sistem AI, dan kami baru saja mulai membicarakan dan memikirkan sistem untuk memperoleh, menyiapkan, dan memantau data untuk memastikan kinerja dan kurangnya bias. Organisasi harus memprioritaskan pendekatan data pertama dalam arsitektur perusahaan pada tahun 2022 untuk memungkinkan AI dan analitik untuk memecahkan masalah dan memfasilitasi aliran pendapatan baru.
Data Sintetis Akan Menjadi Persyaratan untuk Membangun Metaverse — Metaverse tidak dapat dibangun tanpa menggunakan data sintetis. Untuk menciptakan kembali realitas sebagai kembaran digital, penting untuk memahami manusia, objek, lingkungan 3D, dan interaksinya satu sama lain secara mendalam. Menciptakan kemampuan AI ini membutuhkan sejumlah besar data 3D berlabel berkualitas tinggi––data yang tidak mungkin diberi label oleh manusia. Kami tidak mampu memberi label jarak dalam ruang 3D, menyimpulkan sifat material, atau memberi label pada sumber cahaya yang diperlukan untuk membuat ulang ruang dengan ketelitian tinggi. Data sintetik yang dibuat menggunakan kombinasi model AI generatif dan teknologi efek visual (VFX) akan menjadi pendukung utama model AI yang diperlukan untuk mendukung aplikasi metaverse baru.
terkait:
