State of ML 2024¶

機械学習の技術選定や活用場面、導入までの課題、組織構成などのアンケートをもとに、集計結果をまとめたレポートが公開された。このレポートを見て個人的に興味を持った点をまとめる。記載した割合は調査の回答者を対象にした値であり、業界全体の普及率ではない。

この記事は当時の読書メモだ。参照した集計画面の記録が残っておらず、各割合の集計時点を特定できない。本文の数値はメモを取った際のもので、2026 年 10 月 16 日に確認した公開レポートと一致しないものがある。

開発環境とプラットフォーム¶

• フレームワークの選定において、Sklearn と PyTorch が最も人気がある。
• モデルを公開するまでの時間が 1 ヶ月, 3 ヶ月, 6 ヶ月以上という層がそれぞれ 25%~28%ずつ存在する。1 週間以下という層が 10%になっている。
• 利用されてるプラットフォームとして一番多いのは AWS で、約 60%
• 実験管理ツールは、MLflow が最も採用されており、全体の約 40%

MLOps コンポーネントの導入状況¶

• Feature Store は約 50%が導入していない
• Vector Database は約 60% が導入していない
• ETL, Workflow Orchestration として最も利用されているのは Apache Airflow で、約 30%
• サービングは FastAPI/Flask とその派生が最も多く採用されており、全体の約 40%
• モデルの監視は、約 50% が導入していない
• Data Lake は、約 25% が導入していない

モデル運用の規模¶

• すでにモデルが動いている数として 100~1000 が約 10%、2~5, 10~20, 21~100 がそれぞれ約 20% ずつ
• 今後一年間でリリース予定のモデル数として 21~100 が約 30%、5~9, 10~20, 1000+, 100~1000 がそれぞれ 14~18%ずつ
• 処理の 90%以上をバッチシステムとして活用していると回答した人が約 40%。処理の 90%以上をリアルタイム推論で利用していると回答した人が約 20%

回答者の属性¶

• role として最も多いのは、Machine Learning Engineer で、約 40%。次いで Data Scientist と MLOps Engineer がそれぞれ約 20%
• 日本在住の回答者は、当時のメモでは 2%。ただし、2026 年 10 月 16 日に確認した公開レポートでは 3% となっている。元の集計資料が残っていないため、差の理由は確認できない。