Relatório: 37% dos líderes de ML dizem que não têm os dados necessários para melhorar o desempenho do modelo

Um novo relatório de Escalar IA revela o que está funcionando e o que não está funcionando com a implementação de IA e as melhores práticas para as equipes de ML passarem de apenas testes para implantação no mundo actual. O relatório explora todas as etapas do ciclo de vida de ML – desde a coleta e anotação de dados até o desenvolvimento, implantação e monitoramento de modelos – para entender onde a inovação da IA ​​está sendo prejudicada, onde ocorrem falhas e quais abordagens estão ajudando as empresas a obter sucesso.

O objetivo do relatório é continuar a esclarecer as realidades do que é preciso para liberar todo o potencial da IA ​​para todos os negócios e ajudar a capacitar organizações e profissionais de ML a superar seus obstáculos atuais, aprender e implementar as melhores práticas e, finalmente, usar a IA como uma vantagem estratégica.

Para os profissionais de ML, a qualidade dos dados é um dos fatores mais importantes para o sucesso e, de acordo com os entrevistados, também é o desafio mais difícil de superar. Neste estudo, mais de um terço (37%) de todos os entrevistados disseram não ter a variedade de dados necessária para melhorar o desempenho do modelo. Não só eles não têm variedade de dados, mas a qualidade também é um problema – apenas 9% dos entrevistados indicaram que seus dados de treinamento estão livres de ruído, viés e lacunas.

A maioria das equipes, independentemente do setor ou do nível de avanço da IA, enfrenta desafios semelhantes com qualidade e variedade de dados. Os dados da Scale sugerem que trabalhar em estreita colaboração com parceiros de anotação pode ajudar as equipes de ML a superar desafios na curadoria de dados e qualidade de anotação, acelerando a implantação do modelo. As equipes de ML que não estão envolvidas com os parceiros de anotação têm maior probabilidade de levar mais de três meses para obter dados anotados.

Essa pesquisa foi realizada online nos Estados Unidos pela Scale AI de 31 de março de 2022 a 12 de abril de 2022. Mais de 1.300 profissionais de ML, incluindo os da Meta, Amazon, Spotify e outros, foram pesquisados ​​para o relatório.

Leia o Relatório completo pela Escala AI.