„Databricks“ teigimu, įmonės AI pereina prie agentų sistemų, nes organizacijos naudojasi išmaniosiomis darbo eigomis.
Pirmoji „Generative AI“ banga žadėjo verslo transformaciją, tačiau dažnai davė tik pavienius pokalbių robotus ir sustojo bandomąsias programas. Technologijų lyderiai susitvarkė su dideliais lūkesčiais, turėdami ribotą naudingumą. Tačiau nauja „Databricks“ telemetrija rodo, kad rinka pasuko į kampą.
Duomenys iš daugiau nei 20 000 organizacijų, įskaitant 60 procentų „Fortune 500“, rodo greitą perėjimą prie „agentinės“ architektūros, kai modeliai ne tik gauna informaciją, bet ir savarankiškai planuoja ir vykdo darbo eigas.
Ši raida reiškia esminį inžinerinių išteklių perskirstymą. 2025 m. birželio–spalio mėn. kelių agentų darbo eigos naudojimas Databricks platformoje išaugo 327 proc. Šis padidėjimas rodo, kad AI pereina į pagrindinį sistemos architektūros komponentą.
„Prižiūrėtojo agentas“ skatina įmonėje taikyti agentinį AI
Šį augimą skatina „Prižiūrėtojo agentas“. Užuot pasikliaujęs vienu modeliu tvarkydamas kiekvieną užklausą, prižiūrėtojas veikia kaip orkestrantas, suardydamas sudėtingas užklausas ir pavesdamas užduotis specializuotiems antriniams agentams ar įrankiams.
Nuo pat pristatymo 2025 m. liepos mėn. Supervisor Agent tapo pagrindiniu agento naudojimo atveju – iki spalio mėnesio jis sudarė 37 proc. Šis modelis atspindi žmogaus organizacines struktūras: vadovas neatlieka visų užduočių, bet užtikrina, kad komanda jas atliktų. Panašiai priežiūros agentas valdo ketinimų aptikimą ir atitikties patikras prieš nukreipdamas darbą į konkrečias domeno priemones.
Technologijų bendrovės šiuo metu vadovauja šiam diegimui, sukurdamos beveik keturis kartus daugiau kelių agentų sistemų nei bet kuri kita pramonės šaka. Tačiau naudingumas apima įvairius sektorius. Pvz., finansinių paslaugų įmonė gali naudoti kelių agentų sistemą, kad vienu metu tvarkytų dokumentų gavimą ir atitiktį teisės aktams, pateikdama patikrintą kliento atsakymą be žmogaus įsikišimo.
Tradicinė infrastruktūra patiria spaudimą
Kadangi agentai baigia atsakyti į klausimus ir atlikti užduotis, pagrindinė duomenų infrastruktūra susiduria su naujais reikalavimais. Tradicinės internetinės transakcijų apdorojimo (OLTP) duomenų bazės buvo sukurtos žmogaus greičiui sąveikauti su nuspėjamomis operacijomis ir retais schemų pakeitimais. Agentinės darbo eigos apverčia šias prielaidas.
AI agentai dabar generuoja nuolatinius, aukšto dažnio skaitymo ir rašymo šablonus, dažnai programiškai kurdami ir išardydami aplinką, kad galėtų išbandyti kodą arba vykdyti scenarijus. Šios automatikos mastas matomas telemetrijos duomenyse. Prieš dvejus metus AI agentai sukūrė vos 0,1 procento duomenų bazių; šiandien šis skaičius siekia 80 proc.
Be to, 97 procentus duomenų bazių testavimo ir kūrimo aplinkų dabar sukuria AI agentai. Ši galimybė leidžia kūrėjams ir „vibe koduotojams“ sukurti trumpalaikę aplinką per kelias sekundes, o ne valandas. Po viešosios Databricks Apps peržiūros buvo sukurta daugiau nei 50 000 duomenų ir dirbtinio intelekto programų, o per pastaruosius šešis mėnesius išaugo 250 proc.
Kelių modelių standartas
Pardavėjo užblokavimas išlieka nuolatine rizika įmonių vadovams, nes jie siekia padidinti agentinio AI pritaikymą. Duomenys rodo, kad organizacijos aktyviai tai mažina taikydamos kelių modelių strategijas. 2025 m. spalio mėn. 78 procentai įmonių naudojo dvi ar daugiau didelių kalbų modelių (LLM) šeimų, tokių kaip „ChatGPT“, „Claude“, „Llama“ ir „Gemini“.
Šio požiūrio sudėtingumas didėja. Nuo 2025 m. rugpjūčio mėn. iki spalio mėn. įmonių, naudojančių tris ar daugiau modelių šeimų, dalis išaugo nuo 36 proc. iki 59 proc. Dėl šios įvairovės inžinierių komandos gali atlikti paprastesnes užduotis į mažesnius ir ekonomiškesnius modelius, o paribius modelius pasilieka sudėtingiems samprotavimams.
Mažmeninės prekybos įmonės nustato tempą, o 83 procentai naudoja dvi ar daugiau modelių šeimų, kad subalansuotų našumą ir kainą. Vieninga platforma, galinti integruoti įvairius patentuotus ir atvirojo kodo modelius, sparčiai tampa būtina šiuolaikinės įmonės AI krūvos sąlyga.
Priešingai nei didžiųjų duomenų paketinio apdorojimo palikimas, agentinis AI veikia daugiausia dabar. Ataskaitoje pabrėžiama, kad 96 procentai visų išvadų užklausų apdorojami realiuoju laiku.
Tai ypač akivaizdu sektoriuose, kuriuose delsa tiesiogiai koreliuoja su verte. Technologijų sektorius apdoroja 32 užklausas realiuoju laiku kiekvienai paketinei užklausai. Sveikatos priežiūros ir gyvosios gamtos mokslų srityse, kur paraiškos gali būti susijusios su pacientų stebėjimu arba klinikinių sprendimų palaikymu, santykis yra 13 su vienu. IT lyderiams tai sustiprina poreikį daryti išvadas aptarnaujančią infrastruktūrą, galinčią valdyti srauto šuolius nepabloginant vartotojo patirties.
Valdymas pagreitina įmonės AI diegimą
Ko gero, labiausiai intuityviausia daugelio vadovų išvada yra valdymo ir greičio santykis. Dažnai laikomos kliūtimis, griežtos valdymo ir vertinimo sistemos veikia kaip gamybos diegimo pagreitis.
Organizacijos, naudojančios AI valdymo įrankius, pradeda gaminti daugiau nei 12 kartų daugiau DI projektų, palyginti su tomis, kurios to nedaro. Panašiai įmonės, naudodamos vertinimo priemones, kad sistemingai tikrintų modelio kokybę, pasiekia beveik šešis kartus daugiau gamybos.
Loginis pagrindas yra aiškus. Valdymas suteikia būtinus apsauginius turėklus, pvz., apibrėžia, kaip naudojami duomenys, ir nustato greičio ribas, o tai suteikia suinteresuotosioms šalims pasitikėjimo patvirtinti diegimą. Be šių kontrolės priemonių pilotai dažnai įstringa koncepcijos patikrinimo etape dėl neįvertintos saugos ar atitikties rizikos.
„Nuobodžios“ įmonės automatizavimo iš agentinio AI vertė
Nors autonominiai agentai dažnai sukuria futuristinių galimybių įvaizdį, dabartinė agentinio AI įmonės vertė slypi automatizuojant įprastas, kasdienes, tačiau būtinas užduotis. Populiariausi AI naudojimo atvejai skiriasi priklausomai nuo sektoriaus, tačiau dėmesys sutelkiamas į konkrečių verslo problemų sprendimą:
- Gamyba ir automobilių pramonė: 35 % naudojimo atvejų daugiausia dėmesio skiriama nuspėjamai priežiūrai.
- Sveikatos ir gyvybės mokslai: 23% naudojimo atvejų yra susiję su medicininės literatūros sinteze.
- Mažmeninės ir plataus vartojimo prekės: 14% naudojimo atvejų yra skirti rinkos žvalgybai.
Be to, 40 procentų populiariausių AI naudojimo atvejų yra susiję su praktiniais klientų rūpesčiais, tokiais kaip klientų aptarnavimas, gynimas ir įtraukimas. Šios programos skatina išmatuojamą efektyvumą ir sukuria organizacinius raumenis, reikalingus pažangesnėms agentų darbo eigoms.
„C-suite“ atveju reikia mažiau dėmesio skirti AI „stebuklingumui“, o daugiau – inžineriniam griežtumui. Dael Williamson, EMEA CTO Databricks, pabrėžia, kad pokalbis pasikeitė.
„Įmonėms visoje EMEA šalyse pokalbis perėjo nuo AI eksperimentavimo prie veiklos realybės“, – sako Williamsonas. „AI agentai jau valdo svarbias įmonės infrastruktūros dalis, tačiau organizacijos, kurios mato tikrąją vertę, yra tos, kurios valdymą ir vertinimą laiko pagrindus, o ne paskubomis.
Williamsonas pabrėžia, kad konkurencinis pranašumas grįžta į tai, kaip įmonės kuria, o ne į tai, ką jos perka.
„Atviros, sąveikios platformos leidžia organizacijoms taikyti AI savo įmonės duomenims, o ne pasikliauti įterptomis AI funkcijomis, kurios užtikrina trumpalaikį produktyvumą, bet ne ilgalaikį diferencijavimą.
Labai reguliuojamose rinkose šis atvirumo ir kontrolės derinys „atskiria pilotus nuo konkurencinio pranašumo“.
Taip pat žiūrėkite: Anthropic atrinktas sukurti vyriausybės AI piloto padėjėją
Norite daugiau sužinoti apie AI ir didelius duomenis iš pramonės lyderių? Peržiūrėkite „AI & Big Data Expo“, vykstančią Amsterdame, Kalifornijoje ir Londone. Išsamus renginys yra „TechEx“ dalis ir vyksta kartu su kitais pagrindiniais technologijų renginiais, įskaitant „Cyber Security & Cloud Expo“. Norėdami gauti daugiau informacijos, spustelėkite čia.
AI naujienas teikia TechForge Media. Čia rasite kitus būsimus įmonių technologijų renginius ir internetinius seminarus.
