När det amerikanska it-förlaget O’Reilly frågar 11 000 dataspecialister hur de jobbar med maskininlärning så är svaren intressanta. Det visar sig att endast 15 procent av företagen som representeras är att anses som sofistikerade, vad gäller maskininlärning. Med sofistikerad avses att ett företag har kört modeller i produktion under minst fem år.

Undersökningen heter ”The State of Machine Learning Adoption in the Enterprise”. Den finns tillgänglig gratis som en e-bok.

Man ska tänka på att respondenterna har kommit i kontakt med O’Reilly efter att ha gått på företagets event eller deltagit på webbseminarier eller i andra aktiviteter. Det bör alltså vara folk som har ägnat sig åt maskininlärning i högre utsträckning än gemene man eller kvinna.

Läs också: Stor brist på ai-experter – så försöker företagen runda problemet

Men intresset för maskininlärning ökar och i takt med presenteras det förstås gott om tjänster som är tänkta att underlätta användning. Och en del konsultbolag försöker sälja in resurser inom området.

Men det finns inga genvägar till att lyckas med maskininlärning, skriver Infoworld. Ett företag som ska satsa på tekniken måste ge de anställda en chans att lära sig hur det funkar och växa in i arbetet.

Det visar sig i O’Reillys undersökning att det finns skillnader mellan företag som har erfarenhet av maskininlärning och företag som inte har det. På företag med erfarenhet ägnar man, föga förvånande, mer kraft åt att ifrågasätta om modeller är objektiva och att tillgodose integritetsaspekter vad gäller hantering av data.

På företagen som inte har kommit i gång så ägnar man sig mest åt just det, att försöka komma i gång med modeller. O’Reillys slutsats är att de företagen inte ska ställa några förhoppningar till att ta genvägar med hjälp av automatiserade tjänster som Googles Auto ML eller genom att hyra in konsulter.

Det krävs tid och hårt arbete för att få till maskininlärning och andra typer av dataanalys.

Ett talande rön i undersökningen är hur folk som jobbar med maskininlärning benämner området. På företag som har lång erfarenhet av området använder man helst benämningen ”data science”. På företag som har lite erfarenhet är ”affärsanalytiker” och ”dataanalytiker” mest populära.

Läs också: Storföretagen hoppar på direkt nu när Google kan prata svenska

En annan skillnad är att erfarna företag drar i gång egna data science-team. Företag som bara har börjat utforska maskininlärning förlitar sig i högre utsträckning på externa konsulter.

På erfarna företag är det också vanligare att de som basar för data science-teamen ansvarar för att utvärdera arbetet, genom att fastslå vilka mätetal som ska användas. Vad gäller alla företag är det vanligare att höga chefer gör det, än att specialister gör det.

Genomgående för samtliga företag är att i stort sett ingen använder molntjänster med syfte att lära sig maskininlärning. Det återstår att se om det förändras när allt fler ger sig in på området. Fram till nu har företagen som har lång erfarenhet gjort det mesta av jobbet på egen hand.


ANNONS: Storsatsande eventet IBM Analytics University kommer till Stockholm 17-20 september 2018