Alla kan bygga en AI-agent. Kan du äga en?

Underhåll står i genomsnitt för cirka 60 % av ett mjukvarusystems livscykelkostnad, från 40 % till 80 % beroende på typ av system. Det mesta är vidareutveckling som drivs av ändrade krav.

På samma uppgift, att avgöra om ett tal är ett primtal eller ett sammansatt tal, sjönk GPT-4:s träffsäkerhet från 84,0 % i mars 2023 till 51,1 % i juni 2023. Författarna drar slutsatsen att en LLM:s beteende kan förändras avsevärt på kort tid och behöver övervakas kontinuerligt.

AI-verktyg som köptes från specialiserade leverantörer lyckades i 67 % av fallen. Egenbyggda lösningar lyckades bara en tredjedel så ofta. Studien bygger på 150 intervjuer med ledare, en enkät till 350 medarbetare och en analys av 300 offentliga AI-implementeringar.

88 % av de studerade AI-konceptvalideringarna når aldrig bred driftsättning. Av varje 33 konceptvalideringar som ett företag startade gick bara 4 vidare till produktion.

En domstol i British Columbia ålade Air Canada att betala skadestånd, ränta och avgifter efter att flygbolagets chattbot på webbplatsen gett en kund felaktig information om rabatterade biljetter vid dödsfall. Domstolen avvisade argumentet att chattboten var en separat enhet som ansvarade för sina egna uttalanden.

Gartner förutspår att över 40 % av alla projekt med agentisk AI kommer att avbrytas före utgången av 2027, på grund av skenande kostnader, oklart affärsvärde eller otillräcklig riskkontroll.

Gartner konstaterade att ”i genomsnitt når bara 48 % av AI-prototyperna produktion” och att steget från AI-prototyp till produktion tar ”i genomsnitt 8,2 månader”.

Gartner uppskattar den initiala investeringen för att bygga AI-agenter till 2,5–4,3 miljoner dollar, jämfört med 1,5–2,7 miljoner dollar för att köpa.

Att bygga själv innebär att du äger det modellunderhåll som en leverantör annars sköter, måste rekrytera sällsynt AI-kompetens och får tyngre regelefterlevnadsrevisioner. Gartner varnar för att överskatta teamets förmåga att orka med det över tid.