Trender | Landskapet for maskinlæring, AI og data (MAD) - 2024

Data brukes og påvirker hver enkelt av oss - og som samfunn. Da er det ekstra viktig at folk som Matt Turck og FirstMark Capital gjør en strålende jobb med å sammenstille trender og teknologi innen data og analyse, nå for 10. gang.

Hva er MAD Landscape?

MAD Landscape, laget av Matt Turck og FirstMark Capital, er en årlig rapport som kartlegger økosystemet for maskinlæring (ML), kunstig intelligens (AI) og data. 2024-utgaven inneholder 2011 selskaper, organisert i ulike kategorier som datainfrastruktur, analyse, forretningsintelligens (BI), ML, AI-applikasjoner og nye kategorier som AI Observability og AI Developer Platforms.

Rapporten er delt inn i tre deler:

1. Landskapet: En detaljert kartlegging av bransjen, tilgjengelig i både PDF- og interaktive formater.
2. Temaer: Innsikt i 24 nøkkeltemaer for 2024, som gjenspeiler nåværende og fremvoksende trender.
3. Finansiering, fusjoner og oppkjøp: Analyse av finanslandskapet, inkludert viktige finansieringsrunder, fusjoner og oppkjøp innen AI og data-sektorer.

Du kan finne mer informasjon og utforske rapporten på FirstMark Capital’s nettside.

Hva du trenger å vite om datatrendene for 2024

Her er våre 5 viktigste take-aways fra rapporten.

1. Datainfrastrukturselskapene som Snowflake og Databricks vil investere tungt i AI/ML, og det vil komme en konsolidering

Infrastruktur (“The Modern Data Stack”) er ikke så populært lenger. Nå tar AI/ML-selskapene over i form av verdsettelse.

Microsoft kommer løpende med Fabric, som blir beskrevet som en formidabel aktør med sterkt markedsbudskap innen generativ AI (men: “there’s a gap between the announcement and the reality of the product”).

2. The “The Modern AI Stack” kommer

Stadig mer virksomhetskritiske AI/ML-modeller trenger bedre støtte fra teknologi og data-organisasjonen enn det de generelt har fått så langt.

Mange use case fremover krever at vi kobler interne, ustrukturerte data med store språkmodeller som ChatGPT4. Da trenger vi blant annet vektor- og graf-databaser, og mange andre komponenter. Vi må lage struktur for både strukturerte og ustrukturerte data.

3. BI kommer til å få en makeover, med hjelp av naturlig språk fra LMMs

Håpet er der, men mange av oss er skeptiske til at unøyaktige språkmodeller på kort sikt kan gi den presisjonen vi er ute etter. Trolig kommer det mer spesialiserte modeller som fungerer bedre.

4. Vi er åpenbart på ett eller annet stadie av en AI-hype

I forhold til verdsettelse av noe som relatert til AI er det jo nå full galskap. Noen av oss var med på Dot.com-boblen. Dette føles ganske så likt. Vi kommer til å få noen tilbakeslag.

Hvilke aktører som vinner, og hvilke som taper er ganske åpent (Microsoft, Google, Meta, Databricks, Snowflake, AWS…). Konkurransen øker, og kostnadene ved å bruke MLL er på vei ned, heldigvis.

Vi kommer til å få flere store språkmodeller, som har økosystem av tekniske kapabiliteter og/eller spesialiserte, mindre språkmodeller knyttet til seg. Det blir summen av dette som betyr noe.

5. Tradisjonell AI vil samspille med generativ AI - selv om generativ AI vil få all oppmerksomheten

Vi vil måtte bruke både ustrukturerte og strukturerte data sammen. Og ergo også tradisjonell AI og generativ AI. Ikke glem det, kjære CxO’er der ute.

Les tidligere artikler om utviklingen i data-markedet

Her kan du lese tilsvarende artikler: