70٪ من فرق الذكاء الاصطناعي الإنتاجية تستخدم نماذج مفتوحة المصدر. 72.5٪ يربط الوكلاء بقواعد البيانات، وليس بواجهات الدردشة. هذا ما يبثه المصممون التقنيون 375 فعليا - ولا يشبه أبدا الذكاء الاصطناعي لتويتر. 70٪ من الفرق تستخدم نماذج مفتوحة المصدر بشكل أو بآخر. يصف 48٪ استراتيجيتهم بأنها مفتوحة إلى حد كبير. 22٪ يلتزمون فقط بالفتح. فقط 11٪ يبقى ملكية بحتة. الوكلاء في الميدان هم مشغلو أنظمة، وليسوا واجهات دردشة. كنا نظن أن الوكلاء غالبا ما يستدعون واجهات برمجة التطبيقات (APIs). بدلا من ذلك، 72.5٪ يتصلون بقواعد البيانات. 61٪ لبحث الويب. 56٪ لأنظمة الذاكرة وأنظمة الملفات. 47٪ لمفسري الكود. مركز الجاذبية هو البيانات والتنفيذ، وليس المحادثة. تبني الفرق المتطورة MCPs للوصول إلى أنظمتها الداخلية (58٪) وواجهات برمجة التطبيقات الخارجية (54٪). البيانات الاصطناعية تدعم التقييم أكثر من التدريب. يستخدم 65٪ البيانات الاصطناعية لتوليد التقييم مقابل 24٪ للضبط الدقيق. يشير هذا إلى زيادة قريبة الأجل في أسواق بيانات التقييم، ومكتبات السيناريوهات، ومجموعات أنماط الفشل قبل أن تتوسع بيانات التدريب الاصطناعية. التوقيت يكشف إلى أين تتجه التكديس. تحتاج الفرق إلى التحقق من صحة التصنيع قبل أن تتمكن من توسيع نطاق الإنتاج. يستخدم 88٪ منهم طرقا آلية لتحسين السياق. ومع ذلك، لا تزال هذه النقطة الألم #1 في نشر منتجات الذكاء الاصطناعي. تشير هذه الفجوة بين تبني الأدوات وحل المشكلات إلى تحد أساسي. الأدوات موجودة. المشكلة أصعب من الاستخراج الأفضل أو التقسيم الأذكى الذي يمكن أن يحله. تحتاج الفرق إلى أنظمة تتحقق من صحة اللعبة قبل أن تتمكن من توسيع نطاق الإنتاج. الأدوات موجودة. المشكلة أصعب مما يمكن أن يحله الاسترجاع بشكل أفضل. السياق لا يزال التحدي الحقيقي وأكبر فرصة للجيل القادم من بنية الذكاء الاصطناعي التحتية. استكشف مجموعة البيانات التفاعلية الكاملة هنا: أو اقرأ تحليل لورين الكامل: