MongoDB спонсировал этот пост.
Забавная вещь происходит на пути к будущему ИИ. Мы увязли в тех же старых проблемах, которые нас мешали десятилетиям. Вы могли бы подумать, что со всеми разговорами о крупных языковых моделях (LLMS) и обещаниям смелого нового мира, мы выяснили. Но правда в том, что чем больше меняется, тем больше они остаются прежними. Мы по -прежнему сталкиваемся с основами, такими как выбор правильных инструментов и обеспечение того, чтобы наши системы могли поговорить друг с другом.
Ландшафт ИИ очень похож на первые дни Интернета. Еще в 1996 году построение веб-сайта было болезненным, ручным процессом, заполненным жесткому кодированным HTML и неуклюжими скриптами CGI-бин, чтобы справиться с такими простыми, как и представления документа поддержки. Там не было CSS до конца того года. Не было интегрированных структур или стеков, чтобы упростить процесс. Все было загадкой, которую вы должны были решить с нуля.
Сегодня у нас есть стеки, такие как среднее (mongodb, express.js, angular, node.js), которые делают веб -разработку напротив. И мы видим аналогичную эволюцию в разработке ИИ, в частности, с помощью поколения из поиска-августа (RAG) и агентов искусственного интеллекта.
Кривая усыновления ИИ и рост тряпки
Согласно совместному отчету 2025 года из Всемирного экономического форума и Accenture, 70% организаций находятся на этапе «экспериментов и пилота» кривой усыновления искусственного интеллекта, проводя несколько экспериментов по ИИ, которые часто отключены от их основной бизнес -стратегии. Гораздо меньшая группа лидеров, около 10-15%, уже начала видеть измеримую ценность, развернув ИИ в масштабе в конкретных бизнес-области, таких как маркетинг или обслуживание клиентов. Хорошей новостью является то, что ранние усыновители ИИ уже видят преимущества, причем некоторые испытывают рост выручки на 18% с 2019 года. Наиболее успешные компании-те, которые классифицируются как «AI Future-построенный»-достигают на 50% более высокого роста выручки и на 60% более высокого общего дохода акционеров за три года.
В 2024 году основным архитектурным подходом для генеративного ИИ на предприятии был тряпкий. Использование RAG выросла в 1,6 раза с 2023 по 2024 год. В то время как быстрое инженерное образование было основным подходом в 2023 году, его использование резко упало. Между тем, рынок RAG, по прогнозам, будет расти до поразительных 74,5 млрд. Долл. сша к 2034 году в соответствии с Market.US, с совокупным годовым темпом роста 49,9%.
Агентный поворот и его проблемы
В то время как тряпка популярна, агенты ИИ начинают становиться новым подходом. Обследование в декабре 2024 года от Langchain показало, что более половины компаний (51,1%) имеют агенты в производстве, и еще больший процент (78,1%) активно разрабатывает агента с планами по его развертыванию. Агенты лучше всего подходят для таких задач, как исследование и суммирование (58,2%), личная помощь (53,5%) и обслуживание клиентов (45,8%).
Но вот кикер: строительные агенты сложно. Это очень похоже на первые дни веб -разработки. У вас есть головокружительный вариант, и неправильный может отправить вам кроличье дыру сложности и разочарования. Всего несколько вариантов, которые вам нужно сделать, включают в себя:
- Выбор рамки. Вы идете с независимым от продавца, такого как Langchain, Lmamaindex или Crewai, или специализированная на поставщике, например, Azure Foundry Agent Agent Agent Service?
- Выбор LLM и где его размещать. Варианты огромны, с такими игроками, как OpenAI, Anpropic, Google и Meta, все конкурируют за долю рынка. Enterprise Entry на API -интерфейсы Foundation Model более чем удвоились за первые шесть месяцев 2025 года по сравнению со всем 2024 годами. Когда дело доходит до переключения LLMS, самыми большими триггерами являются производительность (61%) и стоимость владения (36%).
- Выбор векторной базы данных. Это еще одно критическое решение. По состоянию на июнь 2024 года PostgreSQL и MongoDB были двумя наиболее часто используемыми векторными базами данных, при использовании 21,3% и 21,1% соответственно.
Невидимые сложности: векторы и встраиваемые
Даже после того, как вы сделали этот выбор, вы сталкиваетесь с нюансами тряпки и агентского развития. Процесс преобразования неструктурированных данных, таких как текст, изображения или аудио в числовое представление, называемое вектором, чревается проблемами. Это сложный процесс, и выбор, который вы делаете, может повлиять на площадь хранилища и качество поиска. Вы должны рассмотреть такие вещи, как:
- Размер куски: Насколько велики части контента, которые вы внедряете?
- Функция сходства: Как вы измеряете близость двух векторов?
- Размеры: Сколько векторов выводится ваша модель встраивания?
- Квантование: Вы храните векторы в виде поплавков, целых чисел или бинарных массивов?
- Реэранирование: Как вы заказываете полученный текст?
Путь вперед
Хорошей новостью является то, что мы уже видим, какую инновации, которая значительно облегчила веб -разработку. Например, MongoDB облегчает сложный процесс тряпки, помогая управлять некоторыми техническими деталями. В частности, он внедрил функции, которые обращаются к Chunking, размерности, квантованию и реэранзированию, упрощая работу разработчика.
Подобно тому, как мы перешли от создания статических HTML -страниц вручную к использованию мощных интегрированных веб -стеков, мы видим тот же сдвиг в ИИ. Цель состоит в том, чтобы переехать из мира, где каждый проект искусственного интеллекта является трудным, настраиваемым усилием для того, где разработчики могут сосредоточиться на строительных агентах, которые обеспечивают реальную ценность.
Будущее представляет собой многоагентные системы, где различные агенты, такие как «оркестратор», «стратег» и «агенты коммунальных услуг» вместе работают для решения сложных проблем. «Оркестратор» присваивает задачи, «стратег» превращает цели в действенные планы, а «Агенты коммунальных услуг» автономно выполняют базовые задачи. Мы видели демонстрацию этого в Claude Code, где команда Subagents совместно создала веб -приложение для просмотра фильма. Агент оркестратора составил план, а бэкэнд и фронтальные субагенты работали вместе, чтобы выполнить его, все в считанные минуты. Этот совместный, агент -подход является следующей границей.
Путешествие от пустого экрана к полностью функциональному агенту ИИ все еще немного ухабистый, но инструменты быстро развиваются. Мы находимся на пороге эпохи, где разработка ИИ будет столь же оптимизированной и доступной, как и современная веб -разработка. И это, друзья мои, это будущее, которое стоит построить.
Штаб -квартира в Нью -Йорке, MongoDB — это компания Data Data Platform, позволяющая новаторам создавать, трансформировать и разрушать отрасли, выпуская мощность программного обеспечения и данных. Узнайте больше последних из MongoDB Trending Stories YouTube.com/ThenewStack Tech движется быстро, не пропустите эпизод. Подпишитесь на наш канал YouTube, чтобы транслировать все наши подкасты, интервью, демонстрации и многое другое. Группа подпишитесь с эскизом. Пит Джонсон является техническим директором AI Field в MongoDB, где он регулярно обсуждает такие темы, как крупные языковые модели, векторный поиск и протокол контекста модели с аналитиками, прессы, так и клиентов. Ветеран индустрии технологий 30 с лишним лет, он держал … Подробнее от Пита Джонсона
