70% команд виробничого ШІ використовують моделі з відкритим кодом. 72,5% підключають агентів до баз даних, а не чат-інтерфейсів. Саме це насправді виставляють 375 технічні конструктори — і це зовсім не схоже на штучний інтелект у Twitter. 70% команд використовують моделі з відкритим кодом у тій чи іншій мірі. 48% описують свою стратегію як переважно відкриту. 22% зобов'язуються лише відкрити. Лише 11% залишаються виключно власницькими. Агенти в полі — це оператори систем, а не чат-інтерфейси. Ми думали, що агенти здебільшого будуть викликати API. Натомість 72,5% підключаються до баз даних. 61% на веб-пошук. 56% — на системи пам'яті та файлові системи. 47% для інтерпретаторів коду. Центр ваги — це дані та виконання, а не розмова. Складні команди створюють MCP для доступу до власних внутрішніх систем (58%) та зовнішніх API (54%). Синтетичні дані важливіші для оцінки, ніж навчання. 65% використовують синтетичні дані для генерації оцінки проти 24% для тонкого налаштування. Це свідчить про близький сплеск ринків оцінювальних даних, бібліотек сценаріїв і корпусів у режимі відмов до масштабування синтетичних навчальних даних. Таймінг показує, куди рухається стек. Команди повинні перевірити коректність, перш ніж масштабувати виробництво. 88% використовують автоматизовані методи для покращення контексту. Проте це залишається головною проблемою при впровадженні AI-продуктів. Цей розрив між впровадженням інструментів і вирішенням проблеми вказує на фундаментальний виклик. Інструменти існують. Проблема складніша, ніж може вирішити краще отримання або розумніше збирання шматків. Командам потрібні системи, які перевіряють коректність, перш ніж масштабувати виробництво. Інструменти існують. Проблема складніша, ніж може вирішити краща евакуація. Контекст залишається справжнім викликом і найбільшою можливістю для наступного покоління інфраструктури ШІ. Ознайомтеся з повним інтерактивним набором даних тут: або прочитайте повний аналіз Лорен: