По мере того, как экономики во всем мире восстанавливаются после воздействия Covid-19, одно становится более очевидным, чем что-либо другое: предприятия, от малых до крупных, используют ИИ и машинное обучение в своих основных бизнес-процессах. Еще до Covid-19 многие предприятия, от глобальных фармацевтических компаний, стремящихся получить преимущество в открытии лекарств, до хедж-фондов на Уолл-стрит, оптимизирующих свои портфельные модели, все больше полагались на модели машинного обучения как на неотъемлемую часть своего процесса принятия решений.
«Крупные предприятия начали переход к стандартизации своей вычислительной инфраструктуры на общие технологические платформы, чтобы использовать эффект масштаба при использовании инструментов, знаний и политик, а также повысить эффективность управления программными ресурсами».
Платформа Seldon упрощает процесс управления, развертывания и мониторинга моделей машинного обучения в масштабе предприятий со сложными гетерогенными средами. Это устраняет проблемы, с которыми обычно приходится сталкиваться командам ИТ-операций, когда бизнес-пользователи хотят внедрить машинное обучение, но существующая ИТ-инфраструктура не поддерживает это. Чтобы решить эту проблему, предприятиям обычно приходилось создавать команды опытных инженеров машинного обучения и объединять их с ИТ-операциями. Seldon устраняет это трение и устраняет болевые точки, стандартизируя процесс управления моделью ML, в т.ч. тестирование, развертывание и мониторинг. Его облачная платформа в настоящее время используется компаниями из списка Fortune 100 в Европе и США, в т.ч. такие как Capital One и Nasdaq. В среднем клиенты, использующие Seldon, смогли сократить время, необходимое для запуска своих моделей машинного обучения в производство, с трех месяцев до нескольких часов.
«Рабочие нагрузки машинного обучения и искусственного интеллекта традиционно выполнялись в инфраструктуре специального назначения из-за их особых требований — высокой мощности ЦП, больших объемов памяти и, возможно, аппаратного доступа к графическому процессору. В некоторых организациях это привело к распространению самодельной кластеризации и управления ресурсами в изолированных хранилищах, отдельно от более традиционных рабочих нагрузок приложений».
Когда я разговаривал с Алексом и Клайвом ранее в этом году, мне было ясно, что они решают сложную, но фундаментальную проблему, с которой сталкиваются предприятия, стремящиеся использовать мощь ИИ и МО. Проработав два десятилетия в Cisco, EMC и SunGard, я слишком хорошо знаю сложности, с которыми регулярно сталкиваются ИТ-команды, чтобы не отставать и приспосабливаться к потребностям бизнеса. Используя Seldon, предприятия могут не только устранить проблемы, с которыми ежедневно сталкиваются ИТ-команды, но и помочь им стать ближе к бизнес-пользователям.
Мы рады сотрудничать с Алексом и его командой в их стремлении создать операционную платформу машинного обучения следующего поколения, которая ускорит демократизацию ИИ на предприятиях.
Вин Лингатоти является партнером Cambridge Innovation Capital и занимается инвестициями в области искусственного интеллекта и машинного обучения, кибербезопасности, облачных технологий, Интернета вещей и DevOps. До прихода в CIC он руководил венчурными инвестициями и приобретениями Cisco в Лондоне и Силиконовой долине. Ранее в своей карьере он занимал должности менеджера по продуктам и операций в EMC и SunGard. Вин — инженер-программист. Более десяти лет он проработал в Силиконовой долине, работая с начинающими технологическими компаниями.
