Gartner: 70 procent firm porzuci agentic AI budowane z pomocą dostawców do 2028 roku

Gartner prognozuje, że do 2028 roku 70 procent firm zrezygnuje z systemów agentic AI tworzonych przy wsparciu dostawców. O tym pisał The Register 30 września. Firma doradcza wskazuje na model nazywany forward-deployed engineering (FDE). Dostawca oddelegowuje w nim własnych inżynierów do klienta, aby zbudowali i wdrożyli oprogramowanie pod jego konkretne potrzeby.

Takie podejście daje szybkie efekty na starcie. Kiedy jednak dostawca odejdzie, klient może nie być w stanie sam utrzymać systemu, przekonuje Gartner. „Sukces zaczyna się od właściwej struktury współpracy, od zakresu i zachęt po nadzór, własność i wyjście” – mówi Mukul Saha, starszy dyrektor analityczny w Gartnerze, cytowany przez The Register. Gartner prognozuje też, że do 2028 roku mniej niż 20 procent takich wdrożeń zamieni powtarzające się wymagania klienta w funkcje produktu podstawowego dostawcy. Ostrzega przed „FDE washing”, czyli sprzedawaniem zwykłych usług doradczych jako czegoś bardziej wyspecjalizowanego. Rada: sięgaj po FDE tylko przy problemach, które wymagają głębokiej wiedzy o produkcie, szybkiej adaptacji albo ścisłej integracji ze środowiskiem operacyjnym klienta.

Luka w narzędziach, którą dostawcy chcą zasypać

W dniu, w którym pojawiło się ostrzeżenie Gartnera, OpenClaw ogłosił OpenClaw Enterprise, otwartoźródłową płaszczyznę sterowania do zarządzania trwałymi agentami w wrażliwych środowiskach. Projekt twierdzi, że działy IT często całkowicie zakazują platform agentowych, bo brakuje wspólnego standardu bezpieczeństwa, ochrony i nadzoru. OCE, obecnie w wersji przed 1.0 i rozwijane otwarcie, dodaje wielodostępność, twarde granice bezpieczeństwa i audytowalność na całym cyklu życia agenta. Jak podaje projekt, testują je już Red Hat i OpenAI.

Osobny otwarty protokół opublikowany tego samego dnia na GitHubie, UAI, celuje w tożsamość i rozliczalność, a nie we wdrożenie. Wiąże agenta z odpowiedzialnym właścicielem, określa, co agent może robić, zapisuje, co zrobił, i pozwala stronie trzeciej zweryfikować dowody bez zaufania do rejestru, który je wytworzył. Projekt mówi wprost, że nie twierdzi, iż agent jest bezpieczny, a jedynie że jego działania można przypisać. Kolejnym punktem kontroli jest dostęp do sieci. Tailscale opublikował 30 września instrukcję, jak agent Muse od Meta dołącza do tailnetu użytkownika jako osobny węzeł. O tym, do czego ma dostęp, decydują uprawnienia, znaczniki i jednorazowe potwierdzenia. Tailscale opisuje to jako warstwę na własnych zabezpieczeniach Meta przed wstrzykiwaniem promptów i wyciekiem danych.

Twórcy narzędzi odpowiadają szybkością i kosztami

Dostawcy narzędzi rywalizują tymczasem wydajnością. Magnitude, otwartoźródłowy silnik inferencji wspierany przez YC, mówi, że dostraja kernele na sprzęcie użytkownika, dzięki czemu otwarte modele działają do 2x szybciej niż llama.cpp, z dekodowaniem szybszym o 92 procent na Metal i o 19 procent na CUDA. git-dedup, zamiennik gita dla flot agentów działający bez zmian w konfiguracji, twierdzi, że duże pobrania repozytoriów idą 6x szybciej, a jeden z deweloperów zmniejszył swoje zajęcie miejsca przez gita z 35,5 GB do 11,1 GB.

Raport Vercel State of agent skills z 25 września podaje, że skills.sh przekroczył milion pozycji i blisko 280 000 000 zarejestrowanych instalacji w siedem miesięcy, a umiejętności międzybranżowe odpowiadały za 87,5 procent instalacji w sklasyfikowanej próbie. To dane o aktywności w rejestrze, nie dowód wartości biznesowej. DevNavigator, który omówił raport 30 września, zauważa, że instrukcje mogą też utrwalać nieaktualne założenia albo uprzedzenia pojedynczych osób, więc przegląd merytoryczny nadal jest potrzebny.