TIBCO Software, specialista globale nei dati enterprise, consente ai propri clienti di connettere, unificare e predire in modo accurato i risultati di business con l’obiettivo di vincere le sfide data-driven più complesse. TIBCO ha annunciato il rilascio di TIBCO ModelOps, che consente alle imprese di implementare modelli di IA più velocemente, da ovunque a ovunque, in modo sicuro e in scala. Questa aggiunta al portafoglio di analytics dell’Azienda aiuta i clienti a semplificare e scalare la gestione, l’implementazione, il monitoraggio e la governance di modelli analitici basati su cloud.
“Mentre il 92% delle aziende ha speso nel 2021 sulla data science complessivamente più che negli anni precedenti, solo il 12,1% l’ha implementata in scala1. Per aiutare le imprese a realizzare il valore delle proprie implementazioni di IA, abbiamo progettato un sistema che mette l’accesso in self-service alla data science nelle mani dei team, compresi gli utenti di business”, ha affermato Mark Palmer, senior vice president engineering di TIBCO. “Questo consente ai team decisionali di scegliere l’algoritmo che desiderano, operare da qualsiasi servizio cloud ed eseguirlo in modo sicuro, affidabile e in scala. Si tratta di un passo importante per abilitare gli utenti di business a portare l’IA fuori dai laboratori e nella vita di tutti i giorni”.
TIBCO ModelOps soddisfa le esigenze di velocità nell’implementazione dell’IA e si basa sulla leadership di TIBCO nella data science, visualizzazione dei dati e business intelligence. Ciò coadiuva i team IA nell’affrontare ostacoli critici al deployment quali la facilità di attuazione delle analytics nelle applicazioni, l’identificazione e la mitigazione delle distorsioni e la trasparenza e facilità di gestione del comportamento di un algoritmo all’interno di applicazioni business-critical. La soluzione consente alle imprese di implementare e gestire pipeline di modelli in ambienti di produzione in modo efficiente e solido. La soluzione TIBCO ModelOps supporta tutti i comuni formati di modelli, inclusi quelli basati su API in qualsiasi servizio cloud oppure on-premises. TIBCO ModelOps semplifica l’aggiunta di modelli a TIBCO Spotfire, TIBCO Data Virtualization e TIBCO Streaming, con ulteriori opzioni in arrivo. Gli utenti che desiderino utilizzare TIBCO ModelOps in ambienti preesistenti possono avvantaggiarsi del suo approccio agnostico ai formati e a standard aperti.
Il lancio di TIBCO ModelOps rappresenta il culmine del lungo lavoro di TIBCO con i propri clienti e partner su tutto il progetto e il programma beta di TIBCO ModelOps. “In qualità di secondo più grande produttore di chip di memoria al mondo, abbiamo obiettivi di crescita aggressivi, espandendo la nostra capacità produttiva. Ottimizzare la resa dei nostri processi, predire quando sorgeranno problemi e risolvendoli prima che si verifichino rappresenta un importante vantaggio competitivo per noi”, ha affermato InSoo Ryu, leader tecnico di SK Hynix. “La capacità di implementare, misurare e aggiustare rapidamente modelli di qualsiasi tipo – modelli di machine learning, codice python, regole e altro – è essenziale per il nostro successo. TIBCO ModelOps è la piattaforma giusta per scalare i nostri sforzi di data science con un approccio maggiormente governato e orientato ai processi per la operazionalizzazione della data science”.
Un recente sondaggio tra i clienti di TIBCO ha confermato che non è più raro che le organizzazioni gestiscano centinaia – persino migliaia – di modelli analitici e di workflow. TIBCO ModelOps consente a qualsiasi utente di business autorizzato, data scientist, analista o utente IT di gestire e implementare migliaia di modelli in produzione con funzioni complete di governance e gestione. Gli utenti sono in grado di effettuare il deployment nel cloud o on-premises, evidenziando le prestazioni del modello attraverso cruscotti incorporati e personalizzabili basati su Spotfire. Con TIBCO ModelOps, i clienti possono ora superare il timore di conseguenze negative inattese da automazione fallita a causa di IA complessa o gestita male o di modelli basati su regole, rendendo più sicura l’automazione basandosi su modelli di IA validati e sicuri.
