Megtriplázódott a bizalom az AI-ügynökök értékelésében, a hibaszázalék stagnál

Az AI-ügynökök automatizált értékelésébe vetett bizalom szinte megháromszorozódott június és július között a 108 vizsgált vállalkozás körében. A teljes bizalom aránya 5%-ról 13%-ra emelkedett, miközben az értékelések valós kimenetelhez való igazodásával kapcsolatos panaszok 29%-ról 19%-ra estek vissza. Azonban a hibás értékelések ellenére is rosszul teljesítő ügynökök aránya változatlan maradt, 49% körüli értéken stagnál — közölte a VentureBeat.

A bizalom növekedése elsősorban azoknál a cégeknél tapasztalható, amelyek még nem szembesültek azzal, hogy egy sikeresen tesztelt ügynök valós körülmények között hibát vétett. Ezeknél a vállalatoknál a bizalom 24%-ra emelkedett, míg a már hibákkal küzdőknél mindössze 4% — derül ki a felmérésből. Azok a cégek, amelyek már tapasztaltak ilyen jellegű problémát, nem lassítják az emberi felügyelet nélküli működésre való átállást, sőt, 85%-uk már most is engedélyezi ezt, vagy fejleszti felé — szemben a még nem hibázó cégek 61%-ával.

Az ügynökök emberi felügyelet nélküli működésének aránya összességében nem változott, 67%-on áll, de a felhasználók köre eltolódott azon szervezetek felé, amelyeknek a legtöbb közvetlen bizonyítékuk van arra, hogy az értékelések pontatlanok lehetnek. A hibaszázalék, ami az értékelések és a valós teljesítmény közötti eltérést mutatja, stagnált: júniusban 50% volt, júliusban pedig 49%, ami statisztikailag nem jelentős különbség. Negyedük (24%) már többször is tapasztalt ilyen esetet.

A technológiai beszállítók piaca ugyanakkor kezd stabilizálódni. Azoknak a vállalkozásoknak az aránya, amelyek nem használnak dedikált értékelési eszközt, 17%-ról 12%-ra csökkent. A specializált platformok, mint a Braintrust (15% részesedés) és a DeepEval (17% részesedés), növekedést mutattak. A kiválasztási kritériumok is elmozdultak: az integráció könnyűsége megelőzte a költségeket, mint legfontosabb szempont, 27%-ról 39%-ra ugorva — írja a VentureBeat.

A felmérésben 108 vállalkozás vett részt, többségük középvezetői vagy döntéshozói pozícióban lévő szakember. A válaszadók 44%-a volt a végső döntéshozó az AI-beszerzésekben, további 25% pedig ajánló vagy befolyásoló szerepet töltött be. A válaszadók 67%-az engedélyezi az emberi felügyelet nélküli működést, vagy fejleszti felé az AI-ügynököket.