Przeciętna firma ma siedem modeli AI w użyciu. I nie bardzo wie, jak nimi zarządzać
Sztuczna inteligencja w firmach przestała być eksperymentem i weszła do codziennej produkcji. Z raportu F5 wynika, że przeciętna organizacja korzysta już z siedmiu modeli AI — i większość nie ma nad nimi jednego punktu kontroli.
Ciężar wykorzystania sztucznej inteligencji w firmach przesunął się z trenowania modeli na ich bieżące używanie. Z raportu F5 „2026 State of Application Strategy" wynika, że dla 77 proc. organizacji najważniejszym zastosowaniem AI jest dziś inference, czyli generowanie odpowiedzi, prognoz i decyzji na podstawie nowych danych — a nie budowanie czy dostrajanie modeli. To etap, na którym model dostaje realne zapytania od użytkowników i zwraca wyniki, na których działają już konkretne procesy biznesowe.
Według badania 78 proc. firm obsługuje procesy AI na własnej infrastrukturze, zamiast polegać wyłącznie na zewnętrznych usługach. Przeciętna organizacja ma przy tym siedem modeli AI w produkcji lub na etapie wdrożenia. Powód jest podobny do tego, który stoi za strategią multicloud: żaden pojedynczy model nie jest najlepszy do wszystkiego. Jeden lepiej radzi sobie ze złożoną analizą, inny z klasyfikacją dużych wolumenów danych, jeszcze inny pozwala obniżyć koszty prostszych zadań. Jak podaje F5, ponad połowa firm (52 proc.) łączy lub orkiestruje kilka modeli naraz, więc pojedyncze zapytanie potrafi wędrować między modelami działającymi w różnych środowiskach.
Z tego rodzi się problem, który jest sednem raportu: AI inference staje się systemem rozproszonym, ze wszystkimi jego wadami — rosnącymi opóźnieniami przy obciążeniu, częściowymi awariami, kosztami narastającymi tam, gdzie brakuje monitoringu, i większą powierzchnią ataku. A narzędzia do zarządzania tym nie nadążają. Tylko 28 proc. badanych deklaruje, że zarządza rozwiązaniami AI z jednego, centralnego narzędzia. Pozostałe 72 proc. robi to w środowisku rozproszonym, bez wspólnego punktu kontroli.
Stąd główna teza F5: przewagę zbudują nie firmy z najlepszymi modelami, lecz te, które potrafią najskuteczniej zarządzać ich działaniem w produkcji. Większość konkurentów ma dziś dostęp do podobnych modeli — różnicą staje się to, czy da się je uruchamiać niezawodnie, przy akceptowalnych opóźnieniach i kosztach. Jak ujmuje to Kunal Anand, Chief Product Officer w F5, era spekulacyjnych inwestycji w AI się kończy, a zaczyna etap, w którym sztuczna inteligencja musi spełniać te same wymogi co inne krytyczne systemy w firmie.
Tu konieczne jest zastrzeżenie. F5 sprzedaje platformę do dostarczania i zabezpieczania aplikacji oraz ruchu AI (Application Delivery and Security Platform), czyli dokładnie to, czym proponuje rozwiązać opisany problem rozproszenia. Diagnoza „macie chaos wielu modeli bez jednego punktu kontroli" prowadzi wprost do oferty firmy. Same liczby pochodzą jednak z dorocznego badania, w którym wzięło udział ponad 1100 decydentów IT na świecie — to 12. edycja tego raportu — więc traktuję je jako wiarygodny obraz trendu, oddzielony od marketingowej puenty.
Na koniec raport przywołuje prognozę IDC: według „FutureScape 2026: Worldwide Agentic Artificial Intelligence" do 2027 roku firmy, które nie zbudują dobrej jakości fundamentów danych gotowych pod AI, mają zanotować 15-procentowy spadek produktywności, gdy systemy generatywne i agentowe zaczną zawodzić.
"Człowiek i AI. Jak ludzie i technologia będą tworzyć razem przyszłość pracy"
To jest link afiliacyjny. Kupując za jego pomocą, wspieracie rozwój bloga, a cena dla Was pozostaje bez zmian.
Sprawdź cenę
