智能体AI推进软件开发，成本问题引发广泛关注

根据SoftServe周二发布的一份报告，半数软件工程团队表示智能体AI是他们今年的首要投资优先项，84%的团队表示它将成为未来三年的主要投资方向。该报告由麻省理工科技评论执行调研，于去年12月至今年1月间对300位CIO、CTO及其他技术领导者进行了问卷调查。

调研发现，尽管各团队正积极部署相关技术，但智能体与现有系统的集成难度以及计算资源成本，依然是AI落地的主要障碍。报告指出，目前仅有12%的团队表示智能体AI在其组织内已实现广泛应用。

报告中，AI专家表示，一旦完成全面集成，智能体AI将在代码生成、测试、重构和项目部署等领域无处不在。报告预计，大约三年后，软件行业等早期采用领域将迎来智能体工程深度参与整体生命周期管理的阶段。

软件开发团队是智能体AI的早期采用者，但随着相关工具日趋成熟，其应用近年来已迅速向多个行业扩展。

SoftServe报告指出，大多数组织预计在未来几年将持续加大在工作流方面的投入。

然而，集成这些工具的成本对技术领导者而言是一项不可忽视的因素。Dbt Labs今日发布的《分析工程现状》报告同样印证了这一点。该报告于去年12月至今年1月间调研了363位数据从业者和领导者。报告发现，超过半数的受访者表示正在增加数据仓库和计算方面的支出以应对智能体需求的增长，而增加团队预算的领导者比例仅为36%。

Dbt报告还发现，尽管技术集成对许多团队而言已变得更为便捷，但数据质量的可信度仍是一大隐忧。Dbt Labs内容高级经理Dan Poppy在一封邮件中表示，清晰的数据归属、经过验证的输出结果以及完备的数据模型文档，是数据团队工作的根基所在。

"那些将数据治理视为基础设施来构建的数据领导者，将能够比其他人更快、更可靠地对AI说'是'，"Poppy说道。

麻省理工与SoftServe联合报告显示，技术领导者普遍认为智能体AI带来的生产力提升需要时间，大多数受访者预计未来两年内将实现小幅或适度的改善。技术领导者期望AI智能体能够加快团队交付软件项目的速度，并希望AI智能体能够逐步承担产品开发和软件开发的全生命周期管理工作。

但Poppy指出，AI的失败方式将带来与以往截然不同的挑战。

"传统系统出现故障时，你能马上感知到，"Poppy说，"但如果一位高管向AI询问过去30天的净新增年度经常性收入，而AI系统出现错误，它可能会生成一个听起来合理、表述自信却完全错误的答案，并在任何人察觉之前就进入董事会报告或送达客户手中。"

Q&A

Q1：智能体AI目前在软件团队中的实际普及程度如何？

A：根据SoftServe与麻省理工科技评论联合发布的报告，尽管有半数软件工程团队将智能体AI列为今年的首要投资优先项，但目前真正实现广泛应用的团队比例仍然较低，仅有12%的团队表示智能体AI在其组织内已得到普遍使用。集成难度和计算资源成本是制约大规模落地的主要障碍。

Q2：企业在部署智能体AI时面临哪些主要成本压力？

A：根据Dbt Labs发布的《分析工程现状》报告，超过半数的受访者表示正在增加数据仓库和计算支出以跟上智能体AI的需求增长，而实际增加团队预算的领导者仅占36%。这说明企业在基础设施层面的投入增速，已明显快于人员和团队资源的扩充速度，成本压力较为突出。

Q3：智能体AI出错时为什么比传统系统更难被发现？

A：Dbt Labs内容高级经理Dan Poppy指出，传统系统出现故障时通常会有明显报错信号，而智能体AI一旦失败，可能会生成一个表述自信、逻辑看似合理但实际完全错误的答案。这类错误往往在被察觉之前就已进入决策报告或送达客户，危害性更强、隐蔽性更高。