Gartner: 70 procent firm porzuci agentową AI od dostawców do 2028 roku
Gartner prognozuje, że do 2028 roku 70 procent przedsiębiorstw zrezygnuje z systemów agentowej AI budowanych z pomocą dostawców. Model forward-deployed engineering zostawia klientów zależnymi od zewnętrznych specjalistów, donosi The Register z 30 września.

Gartner prognozuje, że do 2028 roku 70 procent przedsiębiorstw porzuci systemy agentowej AI zbudowane z pomocą dostawców, podał The Register 30 września. Firma doradcza wskazuje na model, który nazywa forward-deployed engineering (FDE). W tym układzie dostawca oddelegowuje własnych inżynierów do klienta. Ci inżynierowie budują i wdrażają oprogramowanie pod konkretne potrzeby tego klienta.
Takie podejście daje szybkie pierwsze efekty. Może też zostawić klienta bez możliwości utrzymania systemu, gdy dostawca odejdzie, przekonuje Gartner. FDE „zaczyna się od dobrze ustawionej struktury współpracy: od zakresu i zachęt po nadzór, własność i wyjście”, powiedział Mukul Saha, starszy dyrektor analityczny w Gartnerze, cytowany przez The Register. Gartner prognozuje też, że do 2028 roku mniej niż 20 procent wdrożeń FDE zamieni powtarzające się wymagania klientów w funkcje rdzennego produktu dostawcy. Ostrzega przed „FDE washing”, czyli sprzedawaniem zwykłych usług doradczych jako czegoś bardziej wyspecjalizowanego. Rada: sięgać 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 domknąć
W dniu, w którym pojawiło się ostrzeżenie Gartnera, OpenClaw ogłosił OpenClaw Enterprise, otwartoźródłową warstwę sterowania do zarządzania trwałymi agentami w wrażliwych środowiskach. Projekt twierdzi, że działy IT często całkowicie zakazują platform agentowych. Brakuje im wspólnego standardu bezpieczeństwa, ochrony i nadzoru. OCE jest obecnie przed wersją 1.0 i rozwijany otwarcie. Dodaje wielodostępność, twarde granice bezpieczeństwa i audytowalność w całym cyklu życia agenta. Projekt podaje, że Red Hat i OpenAI już prowadzą jego pilotaże.
Osobny otwarty protokół opublikowany tego samego dnia na GitHubie, UAI, celuje w tożsamość i odpowiedzialność, a nie we wdrożenia. 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 zastrzega wprost, że nie twierdzi, iż agent jest bezpieczny, a jedynie że jego działania da się przypisać. Kolejnym punktem kontroli jest dostęp sieciowy. Tailscale opublikował 30 września instrukcję, jak agent Muse od Meta dołącza do tailnetu użytkownika jako własny węzeł. Uprawnienia, tagi i jednorazowe potwierdzenia decydują, do czego ma dostęp. Tailscale opisuje ten układ jako warstwę nałożoną na zabezpieczenia Meta przed wstrzykiwaniem promptów i wyciekiem danych.
Twórcy narzędzi odpowiadają argumentami o szybkości i koszcie
Dostawcy narzędzi rywalizują tymczasem przepustowością. Magnitude, otwartoźródłowy silnik wnioskowania wspierany przez YC, twierdzi, że dostraja kernele na sprzęcie samego użytkownika. Dzięki temu 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, deklaruje, że duże repozytoria pobierają się 6x szybciej. Zmniejszył też jednemu programiście pamięć zajmowaną przez gita z 35,5 GB do 11,1 GB.
Raport Vercela State of agent skills z 25 września podaje, że skills.sh przekroczył milion pozycji i blisko 280 000 000 zapisanych instalacji w siedem miesięcy. 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 autorów. Weryfikacja przez specjalistów z danej dziedziny nadal jest potrzebna.
Źródła
7- 017 in 10 enterprises expected to abandon vendor-built agentic AI by 2028EN
- 02OpenClaw Enterprise - The Open Agent PlatformEN
- 03UAI - An open protocol for identity and accountability of AI agentsEN
- 04Your agent, your network: How Meta's Muse agent works with TailscaleEN
- 05Magnitude (YC S25) - Self-optimizing inference engine for agentsEN
- 06git-dedup: Faster and Smaller Checkouts for FreeEN
- 07Agent Skills: 4 Powerful Ways to Improve Enterprise AIEN
Wszystkie liczby i cytaty w tym tekście pochodzą z poniższych źródeł. Nie dopisujemy danych, których w źródłach nie ma.
Materiały zostały przygotowane przez zespół redakcyjny wspierane przez AI.
Komentarze
0- Brak komentarzy — bądź pierwszy.