【TechOrange 编辑部导读】
许多企业积极开发 AI 计画，却只着重在机器学习与资料科学的能力，缺乏透过整合性的工作流程来达到规模化、量产化的部署，而 ModelOps 即是一个提供模型建立整合机制的一种解方。来看 ModelOps 如何帮助企业高层追踪、优化 AI 部署的投资报酬率，进而实现 AI 等新兴科技承诺的庞大效益。
资料科学与进阶数据分析，在科技业界早已称不上新鲜事，过去的企业惯例中，往往将资料科学应用，视为个别模型的独立创建与部署，然而当我们後退一步综观全局，不难发现随着企业组织迎向 AI 浪潮，可持续且可信赖的整合性支援，对企业 AI 成功部署而言至关重要，因为预测模型开发本身，仅仅是必要却微小的一片拼图。
结合模型（model）与营运（operation）的 ModelOps 概念，就是要帮助企业藉由整合体制式的工作流程，来达到规模化、量产化的模型建立与开发。
♦ TO 延伸阅读：MoBagel 助攻企业享受 AI 带来的果实！为何台湾中小企业更需要 No-Code AI 工具？
实践有价值的 AI 模型部署
根据全球 IT 研究与顾问谘询业界权威 Gartner 的定义，ModelOps 指的是在资料科学专案中，为了自动化各种常规性运作，而进行的一系列商业实践，其范围涵盖模型训练管线（pipeline）、版本控制、数据管理、实验监控、测试与资料散布，主要目的是要让一切预测性分析、机器学习，以及 AI 模型变得可营运（operational）。
此流程涉及常见的 AI 模型 （机器学习、时间序列模型、统计模型等）、资料品质等相关议题，不只软体工程本身，ModelOps 也追求提升模型从第一步到最後一步的开发效率，使得模型上线更加快速、频繁，并同时确保模型的预测表现。
从组织层面来看，我们可以把 ModelOps 视为一套帮助预测性分析、机器学习工作流程，在企业中真正「落地实践」的系统化工具；不只是提供数据洞察，而是能直接影响与优化日常营运。
♦ TO 延伸阅读：企业如何成为 AI 高绩效资优生？研究：关键在「云端布局」—2022 云端 AI 应用大调查正式启动
AI 并非万灵丹，部署环节有重重挑战
企业投资数位转型後，从概念验证走向专案执行，究竟会耗费多少心力？Gartner 预测到了 2023 年，全球至少会有 50% 的 IT 部门领导，即将面临由理论走向生产的 AI 应用挑战。
美国市场研究公司 Forrester 也曾经断言：倘若没有导入 ModelOps，一间公司的 AI 转型注定失败。
这是因为过往许多组织导入 AI 前，还来不及制定一套系统化流程，导致从情境确认、资料分析到每一次模型部署上线，企业内部都得花费大量的时间沟通；模型好不容易上线後，又可能因生产线等情境需求改变，或者资料量体日增，而使原模型变得不敷使用，需要费心重新训练，长期下来就容易拖累公司成长。
随着企业数位转型脚步加快、 AI 导入规模扩大，如何避免上述的资源浪费，成为日益迫切的组织挑战。而藉由 ModelOps 这套流程工具，就能协助组织更有效率地进行模型监控与管理。
♦ TO 延伸阅读：产业界很急！微软全球助理法务长施立成：每个部会都应有数位发展政策
企业 AI 转型利器，简化部署维运
为何 ModelOps 对企业数位转型成功如此重要？《Forbes》杂志认为，比起传统软体，AI 或 ML 模型必须对组织面负起更大的责任：这些模型得通过各项管制审查，确保法规合规性；一个运作良好的模型就有能力为整个部门，带来由上而下的根本性转变。也就是说，模型开发不只是技术部门的事，与事业部、法务部之间的整合势在必行。
企业若想透过导入 AI 取得竞争优势，就必须将 ModelOps 定位於 AI 部署策略的核心，用以帮助整合不同的 AI 技术产出物（artifact）、平台、解决方案，同时达到扩张、监控、管理等企业目标。
♦ TO 延伸阅读：中小企业营运的前瞻思维！在纷扰变动的经济情势下，企业蓝图如何再创造新价值？
ModelOps 的未来市场趋势
市场情报和谘询智库 Corinium Global Intelligence 近期针对 AI 部署执行者发表了一项调查，主要目的是为了探讨 ModelOps 的现况、应用挑战，以及未来市场趋势，以下摘录 4 项重点数据：
由报告数据可推知，数位转型浪潮中的企业，多数都已经准备好导入 ModelOps，其中一项主因就是 ModelOps 可帮助企业高层追踪、优化 AI 部署的投资报酬率，例如在模型濒临不合规风险时，就能及时介入并处理，避免成为企业累赘；也能制定更明智的投资决策，进而实现 AI 等新兴科技承诺的庞大效益。（责任编辑：游绒绒）
♦ TO 延伸阅读：TensorFlow 後 Google 再推 JAX！深度学习霸主即将换人做？
（本文开放合作夥伴转载，参考资料：CodeX on Medium、TechOrange、Forbes，首图来源：Pixabay）