El 70% de los equipos de IA de producción utilizan modelos de código abierto. El 72,5% conecta agentes con bases de datos, no con interfaces de chat. Esto es lo que realmente lanzan 375 constructores técnicos — y no se parece en nada a la IA de Twitter. El 70% de los equipos utilizan modelos de código abierto de alguna manera. El 48% describe su estrategia como mayormente abierta. El 22% se compromete a abrir solo la puerta. Solo el 11% permanece completamente propietario. Los agentes en el campo son operadores de sistemas, no interfaces de chat. Pensábamos que los agentes llamarían principalmente a las APIs. En cambio, el 72,5% se conecta a bases de datos. 61% en la búsqueda web. 56% a sistemas de memoria y sistemas de archivos. 47% a intérpretes de código. El centro de gravedad es la ejecución de datos y ejecución, no la conversación. Equipos sofisticados construyen MCPs para acceder a sus propios sistemas internos (58%) y APIs externas (54%). Los datos sintéticos potencian la evaluación más que la formación. El 65% utiliza datos sintéticos para la generación de evaluaciones frente al 24% para ajustes finos. Esto apunta a un auge a corto plazo en mercados de datos de evaluación, bibliotecas de escenarios y corpora en modo fallo antes de que los datos sintéticos de entrenamiento se escalen. El tiempo revela hacia dónde se dirige la pila. Los equipos deben verificar la corrección antes de poder escalar la producción. El 88% utiliza métodos automatizados para mejorar el contexto. Sin embargo, sigue siendo el punto de dolor #1 en el despliegue de productos de IA. Esta brecha entre la adopción de herramientas y la resolución de problemas apunta a un desafío fundamental. Las herramientas existen. El problema es más difícil de lo que una mejor recuperación o un fragmento más inteligente pueden resolver. Los equipos necesitan sistemas que verifiquen la corrección antes de poder escalar la producción. Las herramientas existen. El problema es más difícil de lo que una mejor recuperación puede resolver. El contexto sigue siendo el verdadero desafío y la mayor oportunidad para la próxima generación de infraestructuras de IA. Explora aquí el conjunto de datos interactivo completo: o lee el análisis completo de Lauren: