Utvecklingen inom AI ställer allt högre krav på företag som måste anpassa sina teknikstackar för att möta nya funktioner och strategier. En ny undersökning från Cleanlab visar att 70 procent av reglerade företag och 41 procent av oreglerade organisationer byter ut delar av sina AI-system var tredje månad. Ytterligare en fjärdedel av företagen uppdaterar sina system var sjätte månad.
Den omfattande studien, som involverade mer än 1 800 chefer inom mjukvaruutveckling, belyser de utmaningar som organisationer står inför för att hålla jämna steg med det föränderliga AI-landskapet samt implementera AI-agenter i produktionen, enligt Curtis Northcutt, vd för Cleanlab.
Trots det stora intresset är det endast 5 procent av respondenterna som har AI-agenter i produktion eller planerar att införa dem inom kort. Enligt Northcutt uppskattar Cleanlab att endast 1 procent av företagen har AI-agenter utanför pilotstadiet. Han konstaterar att ”företagsagenter inte är här ännu, och de är långt ifrån vad som ofta påstås.”
Det faktum att så många företag ständigt omarbetar sina AI-teknikstackar understryker både hastigheten på förändringar inom AI och en brist på förtroende för agenternas prestanda. Ändringar i teknikstackarna kan vara allt från att uppdatera AI-modeller till att byta databas där agentdata lagras.
Även Cozmo AI, en aktör inom röstbaserad AI, har noterat att många kundteam byter ut delar av sina stackar varje kvartal. Nuha Hashem, medgrundare och CTO på Cozmo, förklarar att tidiga konfigurationer ofta är ett lapptäcke som beter sig olika under testning och produktion.
Enligt Hashem kan även små förändringar, som att justera ett bibliotek eller en routningsregel, leda till att agenten hanterar uppgifter på ett annat sätt, vilket tvingar fram en ny ombyggnad.
Utmaningen ligger också i hur AI-modellerna justeras. Många agentsystem förlitar sig på interna beteenden snarare än tydliga regler, vilket gör att uppdateringar kan förändra agenternas beteende. För att undvika ständiga avbrott rekommenderar experter att sätta upp klara steg och kontroller för agenten.
En annan insikt från Cleanlabs undersökning är den låga tillfredsställelsen hos användare gällande befintliga komponenter i AI-stackarna. Endast en tredjedel av de tillfrågade är nöjda med de fem listade komponenterna, och ungefär 40 procent letar efter alternativ för var och en av dem.
Vidare bekräftar andra AI-experter, såsom Jeff Fettes, vd för Laivly, att många företag bygger om sina agentstackar med korta intervaller. Fettes påpekar att det snabbt föränderliga AI-landskapet gör att organisationer behöver iterera sina processer kontinuerligt för att inte hamna på efterkälken.
Med den snabba teknologiska utvecklingen och det stora antalet nya aktörer på marknaden är det en utmaning för CIO:er att hålla sig informerade. Artur Balabanskyy, CTO på Tapforce, menar att företag som inte aktivt uppdaterar sina system riskerar att hamna efter i prestanda och säkerhet.
För att hantera dessa ständiga förändringar rekommenderar Balabanskyy en modulär strategi för agentstackarna, inklusive robust versionskontroll och kontinuerlig övervakning. Northcutt uppmanar IT-ledare att ha en tydlig definition av vad en agent ska åstadkomma innan den sätts i produktion.
Medan AI-tekniken fortsätter att utvecklas, är det troligt att vi fortfarande har flera år kvar innan AI-agenter används i stor skala, med prognoser som tyder på en ökning till 3 eller 4 procent av organisationer med agenter i produktion fram till 2027.
