Playtika 在扩展实时机器学习的生产方面面临挑战。他们现有的解决方案无法处理规模并实时生成预测。他们需要一个能够支持生产模型实时流并与各种流程和系统集成的解决方案。

希捷面临着效率低下、孤立的手动工作流程以及混合云资源利用不足的挑战。他们有很长的 Python 脚本，必须手动执行，导致开发延迟。他们的工作流程中断，并且混合云基础设施的服务器利用率较低。他们需要一个基础设施来自动化管道组件并提高效率。

Shotgun 需要将人工智能集成到他们的解决方案中，但缺乏经验和灵活的平台。他们希望实现一个基于用户偏好的事件推荐系统。

Wargaming 是一家屡获殊荣的在线游戏开发商和发行商，在跨业务部门扩展人工智能方面面临着重大挑战。该公司在全球拥有超过 1.1 亿玩家、超过 15 款游戏以及近 2PB 的数据，在单一服务器解决方案的生产环境中运行着 1,500 多个模型。这严重限制了基础设施并限制了数据科学家，因为由于每个核心的许可，添加服务器的间接成本非常高。现有平台还限制数据科学家只能使用该平台预先批准的语言和软件包。 Wargaming 需要一种能够支持生产中的大规模模型、扩展服务器、最大限度地降低管理成本并为数据科学家提供灵活性的解决方案。

monday.com 面临着很长的价值实现时间以及对开发人员部署机器学习模型的依赖。数据科学团队的工作流程脱节，并且缺乏对部署的控制。

PandoLogic 在没有 DevOps 或基础设施的情况下在本地实施 ML 时面临挑战。他们需要一种在本地和多个云中进行培训和部署的方法，而不必局限于单个云。