今日の人工知能（AI）や機械学習（ML）では、技術評価とチームマネジメントの両方を組み合わせた、これまでとは異なるアプローチのマネジメントが必要となる。このアプローチでは、通常は小規模である実験と、スケーラビリティを重視した本番との違いを管理しなければならない。セレントは、DevOpsによるソフトウェアエンジニアリングの管理や、DataOpsによるデータアナリティクスプロジェクトの管理というような、AI/ MLプロジェクト向けのDevOpsやDataOpsに注目している。それにより、DataOpsの理解と、今日のMLOpsの進化がもたらされる。

本レポートはMLOpsについての二つのレポートのパート2である。パート1では、ビジネスプロセスと技術プロセスを組み合わせたMLOpsのモデルを提案し、ガバナンスとカルチャーを意識しつつ、イノベーションを本番に押し進めるための提言で締めくくっている。パート2では、MLOpsの開発およびデプロイ・パイプラインのためのエンドツーエンド・ソリューションを開発したニッチなテクノロジーベンダー5社を紹介している。それらのベンダーは、事業展開している国は異なるものの、AI/MLモデルの生産パイプラインの自動化、監視、管理、ガバナンスという目的において、不思議なほどにリンクしている。また、パート1で取り上げたオープンソースサービスをさらに発展させた、MLOpsのためのオープンソース・プラットフォームについても引き続き取り上げている。

本レポートの最後では、MLOps戦略を実施する際の視点と推奨事項を示し、モジュール式選択、エンドツーエンドソリューション、オープンソースの比較分析を提供している。最終的に本レポートは、データサイエンスチーム、IT運用チーム、監査チームがアクセス可能なAI/MLパイプラインソリューションを提供するMLOpsの例を提供し、その結果企業のAI/MLを民主化することを目的としている。