需要人工智能监控解决方案？构建与购买

在决定是否购买或构建您的 AI 监控系统时，需要考虑许多因素。归根结底，这取决于您是否能够以您可以负担的成本并及时地完成您通过 ML 监控设定的目标。

什么时候建造有意义

1.你的AI程序不成熟;您的需求很简单/基本

监控生产 AI 的需求通常很早就出现，通常是在公司在业务中部署其第一个 ML 模型之前。数据科学团队普遍理解随着时间推移对数据完整性和模型保真度的可见性的重要性，以及部署后优化和改进的需要。但是，在某些情况下，当您仍然主要是试验或仅使用手动和离线流程时，可能没有太多的数据复杂性，并且可能在业务中的采用水平仍然很低，因此风险不大很高。在这些情况下，这些团队可能只需要一个带有基本警报的简单仪表板，而 Grafana 或 Kibana 等开源工具可以在此时满足这些需求。

2. 您的 AI 监控需求非常小众，行业解决方案不太可能满足

您的业​​务可能有特定要求，因此采用外部解决方案将非常具有挑战性。在某些情况下，公司可能有严格的安全措施，不允许安装其他第三方解决方案——例如，在封闭、安全的客户物理站点中部署计算机视觉系统时，系统可以有效地离线独立工作并且不允许要安装的其他工具。在这个特定示例中，唯一可行的方法是在 AI 系统中建立监控。

3. 你有一个拥有监控专业知识和专注力的大型中央工程团队

许多公司以其强大的工程人才而自豪。然而，一些公司的工程团队非常庞大，并且是组织的核心。这些通常包括广泛的领域专家，包括 AI 监控专家。从文化上讲，这些公司一直在为所有事物构建自己的堆栈(想想谷歌、LinkedIn，甚至优步)。构建您自己的堆栈可以保证您的内部需求与 ML 监控系统中内置的功能完美契合，并且可能会有一个专门的团队来为您提供支持。相对于外部解决方案的成本，这些好处通常伴随着巨大的开发和维护成本。

什么时候买有意义

1. 您想利用行业的最佳实践和专业知识

从头开始构建 AI 监控平台需要丰富的专业知识和大量致力于开发和维护软件的员工，而您的组织可能没有足够的专业内部人才来实现这一点。由监控提供商构建的 ML 监控平台对有价值的产品功能和集成有深入的了解，因为他们从所有客户那里收集反馈，并且他们的工作实际上是保持在模型监控领域的最前沿。因此，购买人工智能监控系统可能是一种更好的长期方法，以跟上所需的任何进步和必要的变化。

2. 你想让你的工程师专注于产品，而不是支持基础设施

让您的工程师和数据科学家专注于构建他们最擅长的领域也很重要：您的产品。构建内部 AI 监控解决方案需要他们将注意力转移到支持工具上，而不是支持公司的骨干。此外，请记住从您当前的数据科学家和工程师那里构建解决方案所需的时间和资源，他们已经为当前的日常任务承担了全部工作量。

3. 你宁愿积极主动，早日解决人工智能监控问题

购买人工智能监控系统(相对于构建一个)可以减少公司最初投资的时间。外部解决方案已“准备就绪”。部署和载入 AI 监控平台所需的时间远远少于从头开始构建 AI 系统所需的时间。如果 AI 是您业务的核心，或者您有需要监控的 AI 用例，那么时机可能至关重要。确保您的模型以应有的方式执行可能会为您的数据科学家和您的业务节省很多麻烦。

4.您想降低开发和维护的长期成本

购买 AI 监控系统以降低持续的开发维护成本具有长期的经济利益。您的企业可能对 ML 监控解决方案有前期需求，但随着业务(和 AI 程序)的持续增长，需求可能会发生变化。企业级的外部监控解决方案应与您的 AI 程序一起扩展，并可能提供一种更具成本效益的方式来支持您未来的需求。

为您的业务选择合适的 AI 监控系统

每个企业主都希望确保他们公司的人工智能监控系统能够正常工作。有很多公司提供 ML 监控解决方案，但并非所有公司都是平等的。在投资任何类型的 AI 监控解决方案之前，请评估以下三个因素：主动智能、灵活性和可扩展性. 主动智能意味着模型监控就是要提前解决问题，因此您希望您的监控解决方案能够持续、系统地发现相关问题及其根本原因。灵活性是指能够满足您的特定业务需求并扩展以支持您未来的需求，可能跨越多个 AI 堆栈和多个业务用例。最后，可扩展性是关于能够支持您的 AI 程序的增长、跨环境和技术的过渡以及能够以零干扰或软件性能下降的方式观察 AI 工作流程。

　　图片使用申明：原创文章图片源自‘Canva可画’平台免费版权图片素材；引用文章源自引用平台文章中所使用的原图。