Saya baru saja melihat data survei pasar tentang aplikasi AI Agent dalam rekayasa, cukup menarik, saya bagikan temuan inti.
Dari penerapan nyata, layanan pelanggan memang menjadi skenario yang paling diminati, dengan porsi 26,5%, diikuti oleh penelitian dan analisis data (24,4%), kemudian kolaborasi internal dan alat produktivitas (17,7%), sementara pembuatan kode hanya menempati posisi keempat, hanya sebesar 9,8%. Ini mungkin berbeda dari ekspektasi banyak orang.
Namun, hambatan terbesar tetap pada masalah kualitas. 32% dari para profesional menempatkannya sebagai hambatan utama, mencakup akurasi, relevansi, konsistensi, dan berbagai dimensi lainnya—hal ini konsisten dengan masalah utama tahun lalu. Sebaliknya, kekhawatiran biaya tahun ini tidak lagi terlalu menonjol.
Menariknya, 89% perusahaan telah memasang semacam alat observabilitas pada Agent mereka, di mana 62% di antaranya bahkan melakukan pelacakan dengan granularitas yang cukup detail. Ini menunjukkan bahwa semua orang menyadari pentingnya pelacakan proses reasoning multi-langkah dan kemampuan panggilan alat, dan ini sudah bukan lagi pilihan.
Dalam pemilihan model, meskipun penggunaan model OpenAI melebihi dua pertiga, kombinasi multi-model tetap menjadi arus utama—lebih dari 75% organisasi menjalankan beberapa model berbeda secara bersamaan. Yang menarik, sepertiga organisasi juga masih berinvestasi dalam infrastruktur model buatan sendiri, menunjukkan bahwa selain kemudahan API, deployment lokal tetap sangat menarik bagi perusahaan.
Mengenai fine-tuning, bagian ini masih cukup niche. 57% organisasi sama sekali tidak melakukan fine-tuning, dan sebagian besar kebutuhan dapat dipenuhi dengan model dasar yang dipadukan dengan prompt engineering dan RAG (retrieval-augmented generation).
Data ini terutama berasal dari pengguna perusahaan B2B, sehingga cukup mewakili kondisi aktual saat ini.
Lihat Asli
Halaman ini mungkin berisi konten pihak ketiga, yang disediakan untuk tujuan informasi saja (bukan pernyataan/jaminan) dan tidak boleh dianggap sebagai dukungan terhadap pandangannya oleh Gate, atau sebagai nasihat keuangan atau profesional. Lihat Penafian untuk detailnya.
19 Suka
Hadiah
19
4
Posting ulang
Bagikan
Komentar
0/400
BoredRiceBall
· 18jam yang lalu
Layanan pelanggan menjadi tren populer sebenarnya sudah lama diperkirakan, bagaimanapun juga pengurangan biaya dan peningkatan efisiensi adalah jalan yang benar, kode generasi hanya menyumbang 9.8% saya agak terkejut... Masalah kualitas tetap menjadi tantangan utama, tampaknya penyakit "ilusi" dari LLM masih harus terus diobati
Penggunaan multi-model sudah menjadi standar? Kalau begitu, perusahaan yang mengandalkan OpenAI pasti mulai panik
Namun sepertinya sepertiga dari mereka yang membangun infrastruktur sendiri memang benar-benar punya uang, atau apakah produsen domestik akhirnya memiliki daya saing
Orang yang ingin melakukan penyesuaian kecil hanya dengan RAG dan prompt, tampaknya investasi dalam penyesuaian kecil memang hasilnya biasa saja
Tingkat penggunaan alat observabilitas Agent yang begitu tinggi, apakah benar-benar karena kebutuhan atau semua orang saling menyalin data...
57% tidak melakukan penyesuaian kecil menunjukkan bahwa langsung menggunakan model dasar adalah solusi terbaik, lebih praktis
Apakah data ini agak meragukan, terasa terlalu "ideal"
Lihat AsliBalas0
TopBuyerForever
· 18jam yang lalu
Customer service dengan proporsi tertinggi? Sayangnya, tetap harus mengandalkan RAG+ prompt, jalur fine-tuning semakin terasa tidak berguna
Masalah kualitas yang menghambat inovasi selama setahun belum terselesaikan, itu benar-benar titik sakit, biaya malah bukan masalah lagi
89% menginstal alat observabilitas, tampaknya semua orang sudah paham—black box Agent tidak bisa dikendalikan siapa pun
Penggunaan OpenAI dua pertiga, tapi saya rasa kombinasi model multi adalah jalan terbaik, bagaimanapun juga jika satu model bermasalah
Deploy lokal masih ada yang berinvestasi, API memang praktis tapi itu palsu, keamanan data adalah kebutuhan yang sesungguhnya
Lihat AsliBalas0
OvertimeSquid
· 18jam yang lalu
Tunggu, pembuatan kode hanya menyumbang 9,8%? Saya selalu berpikir ini adalah hidangan utama, tetapi sepertinya saya terlalu naif lol
Saya tidak menyangka layanan pelanggan begitu tinggi di 26,5%, rasanya seperti menyelamatkan orang dari neraka
Masalah kualitas selalu menjadi masalah besar, dan tampaknya belum benar-benar terpecahkan dalam dua tahun terakhir, jadi apa gunanya RAG dan pengoptimalan cepat?
Dengan kata lain, 75% dari mereka memainkan kombinasi multi-model, jadi bukankah OpenAI akan menjadi standar? Semuanya terasa sama
89% dilengkapi dengan alat observabilitas, angka ini benar-benar palsu, kami tidak memiliki konsep ini sama sekali
Lihat AsliBalas0
LiquidityHunter
· 18jam yang lalu
Customer Service 26.5%? Menunjukkan bahwa semua orang masih menggunakan Agent untuk pekerjaan yang paling tidak memerlukan keahlian
Masalah kualitas selalu menjadi jebakan terbesar, tetapi OpenAI terjebak begitu dalam, apakah model lain benar-benar tidak punya peluang
RAG+ prompt sudah cukup, fine-tuning memang sedikit terlalu dibesar-besarkan
89% dari mereka menggunakan alat observabilitas? Ini sudah menjadi standar, memang
Apakah sepertiga dari model yang dibangun sendiri benar-benar berkualitas atau hanya ingin melakukan binding terbalik dengan vendor
Model multi memang menjadi arus utama, saya setuju, bergantung pada satu model siapa pun tidak berani bertaruh
Saya baru saja melihat data survei pasar tentang aplikasi AI Agent dalam rekayasa, cukup menarik, saya bagikan temuan inti.
Dari penerapan nyata, layanan pelanggan memang menjadi skenario yang paling diminati, dengan porsi 26,5%, diikuti oleh penelitian dan analisis data (24,4%), kemudian kolaborasi internal dan alat produktivitas (17,7%), sementara pembuatan kode hanya menempati posisi keempat, hanya sebesar 9,8%. Ini mungkin berbeda dari ekspektasi banyak orang.
Namun, hambatan terbesar tetap pada masalah kualitas. 32% dari para profesional menempatkannya sebagai hambatan utama, mencakup akurasi, relevansi, konsistensi, dan berbagai dimensi lainnya—hal ini konsisten dengan masalah utama tahun lalu. Sebaliknya, kekhawatiran biaya tahun ini tidak lagi terlalu menonjol.
Menariknya, 89% perusahaan telah memasang semacam alat observabilitas pada Agent mereka, di mana 62% di antaranya bahkan melakukan pelacakan dengan granularitas yang cukup detail. Ini menunjukkan bahwa semua orang menyadari pentingnya pelacakan proses reasoning multi-langkah dan kemampuan panggilan alat, dan ini sudah bukan lagi pilihan.
Dalam pemilihan model, meskipun penggunaan model OpenAI melebihi dua pertiga, kombinasi multi-model tetap menjadi arus utama—lebih dari 75% organisasi menjalankan beberapa model berbeda secara bersamaan. Yang menarik, sepertiga organisasi juga masih berinvestasi dalam infrastruktur model buatan sendiri, menunjukkan bahwa selain kemudahan API, deployment lokal tetap sangat menarik bagi perusahaan.
Mengenai fine-tuning, bagian ini masih cukup niche. 57% organisasi sama sekali tidak melakukan fine-tuning, dan sebagian besar kebutuhan dapat dipenuhi dengan model dasar yang dipadukan dengan prompt engineering dan RAG (retrieval-augmented generation).
Data ini terutama berasal dari pengguna perusahaan B2B, sehingga cukup mewakili kondisi aktual saat ini.