Недавно я наткнулся на рыночные исследования по применению AI-агентов в инженерной сфере — довольно интересно, делюсь основными выводами.

С точки зрения практического применения, обслуживание клиентов действительно стало самым популярным сценарием, занимая 26.5%, далее идут исследования и анализ данных (24.4%), затем внутреннее сотрудничество и инструменты повышения производительности (17.7%), а генерация кода занимает лишь четвертое место — всего 9.8%. Это может отличаться от ожиданий многих.

Но самой большой преградой остаются проблемы с качеством. 32% специалистов называют это основной барьером, охватывая такие аспекты, как точность, релевантность, согласованность и другие — это совпадает с проблемами прошлого года. А вот тревога по поводу стоимости в этом году явно снизилась.

Интересно, что 89% компаний установили у своих агентов какие-либо инструменты наблюдаемости, из них 62% реализовали достаточно детальное отслеживание. Это говорит о том, что все осознали важность отслеживания многошаговых рассуждений и вызовов при вызове инструментов — это уже не опция, а необходимость.

Что касается выбора моделей, хотя использование моделей OpenAI превышает две трети, большинство организаций используют мульти-модельные подходы — более 75% одновременно работают с несколькими разными моделями. Интересно, что треть организаций инвестирует в собственную инфраструктуру для моделей, что показывает привлекательность локальной развертки помимо удобства API.

Что касается дообучения, эта тема пока что менее популярна. 57% организаций вообще не занимаются дообучением, предпочитая использовать базовые модели с подсказками и RAG (Retrieval-Augmented Generation), чтобы удовлетворить большинство требований.

Данные в основном получены от B2B-компаний и в целом отражают текущую ситуацию.