70 % der Produktions-AI-Teams verwenden Open-Source-Modelle. 72,5 % verbinden Agenten mit Datenbanken, nicht mit Chat-Schnittstellen. Das ist es, was 375 technische Entwickler tatsächlich liefern - und es sieht überhaupt nicht aus wie Twitter AI. 70 % der Teams verwenden Open-Source-Modelle in irgendeiner Form. 48 % beschreiben ihre Strategie als überwiegend offen. 22 % verpflichten sich nur zu Open. Nur 11 % bleiben rein proprietär. Agenten im Feld sind Systembetreiber, keine Chat-Schnittstellen. Wir dachten, Agenten würden hauptsächlich APIs aufrufen. Stattdessen verbinden sich 72,5 % mit Datenbanken. 61 % mit Web-Suchdiensten. 56 % mit Speichersystemen und Dateisystemen. 47 % mit Code-Interpretern. Der Schwerpunkt liegt auf Daten und Ausführung, nicht auf Konversation. Anspruchsvolle Teams bauen MCPs, um auf ihre eigenen internen Systeme (58 %) und externe APIs (54 %) zuzugreifen. Synthetische Daten treiben die Bewertung mehr als das Training voran. 65 % verwenden synthetische Daten zur Generierung von Bewertungen im Vergleich zu 24 % für das Fine-Tuning. Dies deutet auf einen kurzfristigen Anstieg von Bewertungsdaten-Marktplätzen, Szenariobibliotheken und Fehlerkorporas hin, bevor synthetische Trainingsdaten in größerem Umfang verfügbar sind. Das Timing zeigt, wohin der Stack geht. Teams müssen die Richtigkeit überprüfen, bevor sie die Produktion skalieren können. 88 % verwenden automatisierte Methoden zur Verbesserung des Kontexts. Dennoch bleibt es der größte Schmerzpunkt bei der Bereitstellung von AI-Produkten. Diese Kluft zwischen der Einführung von Werkzeugen und der Problemlösung weist auf eine grundlegende Herausforderung hin. Die Werkzeuge sind vorhanden. Das Problem ist schwieriger, als dass bessere Abrufmethoden oder intelligenteres Chunking lösen können. Teams benötigen Systeme, die die Richtigkeit überprüfen, bevor sie die Produktion skalieren können. Die Werkzeuge sind vorhanden. Das Problem ist schwieriger, als dass besserer Abruf lösen kann. Der Kontext bleibt die wahre Herausforderung und die größte Chance für die nächste Generation der AI-Infrastruktur. Erforschen Sie den vollständigen interaktiven Datensatz hier : oder lesen Sie Laurens vollständige Analyse :