A mesterséges intelligenciára idén is többet költő szervezetek beruházásaikkal mindinkább a vállalati működés skálázását és az információk valós idejű kinyerését célozzák. Figyelmük így - amelynek középpontjában eddig a generatív mesterséges intelligencia állt - fokozatosan olyan alapvető fontosságú támogató technológiák és technikák felé fordul, mint az AI ügynökök (agentek), vagy például az adatkészletek optimalizálása, fűzte a Gartner grafikonjához (Hype Cycle for Artificial Intelligence, 2025), amellyel a feljövő, innovatív AI technológiák jelenlegi érettségéről, gyakorlati hasznosságuk piaci megítéléséről, valamint várható, gyakorlati beválásukról és térhódításukról ad áttekintést és előrejelzést.
Olyan technológiák használata terjedhet el széles körben a következő öt évben, mint többek között a multimodális AI, valamint a mesterséges intelligencia megbízhatóságának, kockázatainak és biztonságának menedzselése (AI TRiSM), a mostani - idén augusztusban közreadott - ábrán ugyanis ezek uralják a görbe csúcsát, a felfokozott várakozások szakaszát. Együttesen ezek a fejlesztések az AI robusztusabb, innovatívabb és felelősségteljesebb alkalmazásához, ezáltal működésük átalakításához fogják hozzásegíteni a vállalatokat, mutatott rá a Gartner. Mindez hatalmas lehetőség az üzlet számára, melynek megragadásához, a kézzelfogható értékteremtéshez azonban az üzleti és az AI-csapatok összehangolt munkájára, üzleti igényekhez igazított próbaprojektekre, valamint az informatikai infrastruktúra proaktív teljesítménytesztelésére is szükség lesz, tette hozzá az elemző.
AI ügynökök, komplex feladatok
Túlzott elvárások, ambiciózus előrejelzések és spekulatív ígéretek övezik az ügynöki mesterséges intelligenciát és az AI-használatra szánt adatok előkészítését is, mindkét technológia szintén a mostani Gartner-görbe csúcsán helyezkedik el.
Az AI ügynökök olyan - teljes vagy bizonyos mértékben - önállóan működő szoftveres entitások, amelyek a mesterséges intelligencia technikáit használva észlelnek változásokat, hoznak döntéseket, és intézkednek megadott célok eléréséhez digitális vagy fizikai környezetükben, a szervezetek így összetett feladatok elvégzését is rájuk bízhatják.
- Az ügynöki mesterséges intelligenciában rejlő lehetőségek kiaknázásához azonban a szervezeteknek a legrelevánsabb üzleti kontextust és használati eseteket is jól kell megválasztaniuk, és ez korántsem egyszerű, mivel minden helyzet más, és nincs két egyforma AI ügynök sem - mondta Haritha Khandabattu, a Gartner vezető elemzője. - Bár képességeik egyre fejlettebbé válnak, az AI ügynökök sem vethetők be minden esetben, alkalmazhatóságuk leginkább az adott üzleti helyzet követelményein múlik.
Olyan adatkészleteket értünk AI-kész adatok alatt, amelyeket a szervezetek a pontosság és a hatékonyság növelése érdekében optimalizáltak mesterséges intelligenciára épülő alkalmazásaik számára. Egyedül az adott használati eset és az alkalmazott AI technika kontextusában állapítható meg, hogy az adat mikor kész, és ehhez a vállalatoknak az adatmenedzsment terén kialakított gyakorlatukat, meglévő képességeiket is tovább kell fejleszteniük, mutatott rá a Gartner.
A multimodális AI modelleket építőik egyszerre többféle típusú adatokon, például képeken, videókon, hangfelvételeken és szövegeken tanítják. Minthogy szerteágazó adatforrásokat integrálnak és elemeznek, a bonyolult helyzeteket is jobban értelmezik, mint a csupán egy-egy adattípuson tanított modellek. Az elemző szerint a multimodális AI ezért a következő öt évben minden alkalmazás és szoftvertermék egyre fontosabb, szerves részévé fog válni minden iparágban.
Kulcsfontosságú szerepet kap az AI TRiSM is a mesterséges intelligencia etikus és biztonságos alkalmazásában. A keretrendszert a technikai képességek négy rétege alkotja, amelyekkel a szervezetek az AI irányításhoz (governance), a mesterséges intelligencia megbízható, méltányos, biztonságos alkalmazásához, valamint az adatok és a szellemi tulajdon védelméhez szükséges szabályokat vezethetnek be és juttathatnak érvényre minden használati esetben. Új kihívások ezek, hívta fel a figyelmet a Gartner, amelyeket a vállalatok az irányítás meglévő, hagyományos eszközeivel nem tudnak megválaszolni.
Nyílt modellek ökoszisztémája
Eszközeivel és technológiáival a mesterséges intelligencia a szoftverfejlesztés és -szállítás módját is alapvetően átalakítja, mutatott rá a Gartner ugyancsak friss, júliusban ismertetett előrejelzésében (Top Strategic Trends in Software Engineering for 2025), amelyben a terület stratégiai fontosságú trendjeit ajánlja a szervezetek figyelmébe. A trendek az AI-alapú automatizálásban rejlő lehetőségek kiaknázáshoz, a tehetségtoborzás optimalizálásához, valamint a fenntartható, AI-natív szoftvertervezés bevezetéséhez egyfajta ütemtervet körvonalaznak, amelyet a vállalatoknak érdemes követniük, amikor egy-egy beruházásuk prioritásáról döntenek, mondta az elemző.
Az AI-natív szoftvertervezés a szoftverfejlesztés életciklusának minden szakaszába beágyazza a mesterséges intelligencia képességeit, lehetővé téve a feladatok jelentős részének teljes vagy bizonyos mértékű automatizálását.
A Gartner előrejelzése szerint 2028-ban a vállalati szoftvermérnökök 90 százaléka már kódíró AI asszisztenssel fog dolgozni - míg tavaly ezt mindössze 14 százalékuk mondhatta el magáról. A munkavégzés módjával együtt a fejlesztők szerepköre is átalakul, feladataik között előtérbe kerül majd az orkesztráció, a problémamegoldás és a rendszertervezés, valamint a mesterséges intelligenciával előállított kód minőségének ellenőrzése. Csapataik mindebben akkor lesznek sikeresek, ha a munkafolyamatok komplexitását és az üzleti kockázatokat szem előtt tartva az automatizálást kellő fokú emberi felügyelettel egyensúlyozzák.
A nagy nyelvi modellekre épülő alkalmazások és ügynökök az emberi interakciókhoz hasonló módon, intelligensen és önállóan lépnek kapcsolatba egymással és felhasználóikkal. Két éven belül, 2027-ben a szoftvertervező csapatok 55 százaléka már ilyen LLM-alapú képességeket fog fejleszteni, prognosztizálja az elemző.
- Stratégiájukat is át kell azonban gondolniuk, ha a szoftvertervező csapatok sikereket akarnak elérni az LLM-alapú alkalmazások és ügynökök építésében - mondta Joachim Herschmann, a Gartner alelnöke. - Be kell ruházniuk többek között a továbbképzésbe, kísérletezniük a generatív mesterséges intelligencia (GenAI) kimeneteivel, és a kockázatok kezeléséhez is szigorú biztonsági intézkedéseket kell bevezetniük.
A Gartner előrejelzése szerint 2027-re a platform-csapatokkal rendelkező szervezetek 70 százaléka GenAI képességekkel fogja bővíteni belső fejlesztői platformjait. A GenAI platformtervezés révén a fejlesztők önkiszolgáló portálon keresztül könnyebben megtalálhatják és biztonságosan alkalmazásaikba építhetik a generatív mesterséges intelligencia kívánt képességeit, a robusztus irányítás pedig arról is gondoskodik, hogy a csapatok által készített, innovatív alkalmazások mindenben megfeleljenek a vállalati szabványoknak.
Tehetségsűrűségükkel - a magasan képzett szakemberek csapatokon belüli, kimagasló arányával - tűnnek ki a mezőnyből a szoftvertervezésben legjobban teljesítő szervezetek, emelte ki az elemző. Megfelelő vállalati kultúra és technológiai stratégia támogatása mellett ezek a csapatok hatékonyabban és rugalmasabban működnek, így jobb szoftvert szállítanak, nagyobb értéket teremtenek az üzletnek.
- Ha versenyben akarnak maradni, a szervezeteknek túl kell lépniük a toborzás hagyományos gyakorlatán, és nagy tehetségsűrűségű csapatok építésére összpontosítaniuk - mondta Joachim Herschmann. - Vezetőiknek a folyamatos tanulás és együttműködés kultúráját kell meghonosítaniuk, hogy megnyerjék és megtarthassák a legképzettebb szakembereket, akik azután együtt tudnak fejlődni az üzlet változó igényeivel.
A zárt forráskódú modellektől eltérően a nyílt GenAI modellek nagyobb rugalmasságot és szállítófüggetlenséget kínálnak a vállalatoknak, alacsonyabb költségek mellett. Lehetővé teszik az AI modellek testre szabását, egyedi igények szerinti finomhangolását és helyben vagy felhőben történő bevezetését, így a fejlett AI képességek még több használati esethez válnak hozzáférhetőbbé a szervezetek szélesebb körében. Az elemző szerint 2028-ban a vállalatok GenAI technológiákra fordított, teljes költésének 30 százaléka már ilyen, területspecifikus használati esetekre hangolt, nyílt modellekhez lesz köthető.
Nem utolsósorban a zöld szoftvertervezés új gyakorlata a készülő alkalmazások környezeti hatását már a tervezés legelső szakaszától kezdve a fejlesztési folyamat minden további lépésén át a bevezetésig szem előtt tartja, és a szénlábnyom csökkentését követelményként kezeli. A generatív mesterséges intelligenciára épülő alkalmazások futtatása számításigényes, energiaintenzív munkaterhelés, amely fenntarthatósági céljaik elérésében hátráltathatja a szervezeteket, mutatott rá az elemző, ezért különösen fontos, hogy mielőbb áttérjenek a zöld szoftvertervezésre.
