Gli agenti IA offrono un ROI reale: ecco cosa rivelano 1.100 sviluppatori e CTO sulla loro scalabilità

Presentato da DigitalOcean

Dal refactoring delle basi di codice al debug del codice di produzione, gli agenti AI stanno già dimostrando il loro valore. Ma il loro aumento nella produzione rimane l’eccezione, non la regola.

Dentro Rapporto di ricerca Currents 2026 di DigitalOceanSecondo un sondaggio condotto su oltre 1.100 sviluppatori, CTO e fondatori, il 67% delle organizzazioni che utilizzano agenti segnalano un aumento della produttività. Nel frattempo, il 60% degli intervistati afferma che le applicazioni e gli agenti rappresentano il maggior valore a lungo termine nello stack dell’intelligenza artificiale. Tuttavia solo il 10% di questi sono decalcificanti in produzione.

Il miglior bloccante? Il 49% cita gli alti costi di estrazione. Questo non è solo il prezzo di una singola chiamata API. È il costo combinato sostenuto quando gli agenti concatenano le attività e lavorano in modo indipendente. Quasi la metà degli intervistati spende ora il 76-100% del proprio budget per l’IA solo per l’inferenza. Questo è un problema che DigitalOcean sta cercando di risolvere. Ciò che serve è un’infrastruttura progettata attorno all’economia dell’estrazione: prestazioni prevedibili, controllo dei costi sotto carico e meno parti mobili. Pertanto, il 2026 sarà l’anno in cui le agenzie passeranno dal progetto pilota al prodotto.

Il 52% delle aziende sta implementando attivamente soluzioni AI (inclusi gli agenti)

Quando abbiamo condotto questo sondaggio appena un anno fa, solo il 35% degli intervistati implementava attivamente soluzioni di intelligenza artificiale; la maggior parte era ancora in modalità esplorazione o stava lavorando ai primi progetti. Adesso è il 52%. Transizione "vediamo cosa può fare" con "mettiamolo in produzione" Sta andando bene.

C’è un’esplosione di agenti sotto questi numeri. Il 46% degli intervistati utilizza specificatamente agenti di intelligenza artificiale, ovvero sistemi autonomi che eseguono attività da soli anziché attendere istruzioni ad ogni passaggio. Artiglio aperto (precedentemente Moltbot e Clawdbot) è un esempio recente; è un assistente open source che si connette alle applicazioni di messaggistica, naviga sul Web, esegue comandi shell ed esegue attività in modo indipendente.

Dove stanno andando questi agenti? Principalmente legati al codice e alle operazioni:

• Il 54% ha affermato che la creazione e il refactoring del codice sono i chiari vincitori

• Il 49% automatizza le operazioni interne

• Il 45% sviluppa assistenza clienti e chatbot

• Il 43% si concentra sulla logica aziendale e sull’orchestrazione delle attività

• Il 41% utilizza intermediari per la produzione di contenuti scritti

• Il 27% persegue l’automazione del flusso di lavoro di marketing

• Il 21% conduce analisi dei dati

Gli sviluppatori si assumono la responsabilità qui. Ad esempio, Y Combinator ha condiviso: Iniziative del trimestre Inverno 2025 Si stavano sviluppando con basi di codice create per il 95% dall’intelligenza artificiale. Poi c’è quello che ha detto Andrej Karpathy "codifica delle vibrazioni" – spiegare in un linguaggio semplice cosa vuoi e lasciare che sia l’AI a scrivere il codice.

Gli strumenti sono suddivisi per adattarsi a diversi flussi di lavoro. Il cursore trasforma l’intelligenza artificiale in un fork di VS Code per modifiche in linea e iterazione rapida. Claude Code viene eseguito nel terminale per un lavoro più approfondito in tutti i repository. Ma entrambi sono andati ben oltre il completamento automatico. Questi strumenti ora vengono eseguiti in cicli intermedi, leggendo file, eseguendo test, identificando errori e ripetendoli finché la compilazione non ha esito positivo. Stai definendo una proprietà. L’agente lo implementa. Alcune sessioni durano ore; Non c’è nessuno alla tastiera.

Ma i rappresentanti non sono solo per gli ingegneri. Si stanno muovendo verso il marketing, il successo dei clienti e le operazioni. Lo vediamo anche internamente a DigitalOcean. Lanci sperimentali e giornate di hacking hanno prodotto dimostrazioni di flussi di lavoro basati sull’intelligenza artificiale per testare testi pubblicitari su larga scala, personalizzare le e-mail e dare priorità agli esperimenti di crescita.

Il 67% delle organizzazioni che utilizzano gli agenti segnalano guadagni di produttività misurabili

La questione della produttività è quella che tutti si pongono: i rappresentanti forniscono davvero risultati o è ancora un’esagerazione? I dati mostrano il primo. Nel complesso, il 67% delle organizzazioni che utilizzano gli agenti segnalano guadagni di produttività misurabili. E per alcuni, i guadagni sono significativi: il 9% degli intervistati ha segnalato aumenti di produttività pari o superiori al 75%.

Alla domanda su quali risultati osservano quando utilizzano agenti AI:

• Il 53% afferma che aumenta la produttività e fa risparmiare tempo ai dipendenti

• Il 44% ha segnalato la creazione di nuove capacità aziendali

• Il 32% ha affermato che la necessità di assumere personale aggiuntivo è diminuita

• Il 27% ha riscontrato risparmi misurabili sui costi

• Il 26% ha segnalato una migliore esperienza del cliente

Interno Ricerca presso Anthropic esplora ciò che queste tecnologie sbloccano: quando l’azienda ha esaminato il modo in cui i propri ingegneri utilizzavano il codice Claude, ha scoperto che più di un quarto del lavoro basato sull’intelligenza artificiale consisteva in attività che non avrebbero potuto essere svolte altrimenti. Ciò include progetti di scalabilità e creazione di strumenti interni. Include anche un lavoro esplorativo che potrebbe non valere la pena dedicare il tuo tempo prima, ma che non vale la pena ora.

Cosa spinge questi numeri di produttività ancora più in alto? Gli agenti stanno imparando a lavorare insieme. pubblicato da Google Kit di sviluppo dell’agente In quanto framework open source, si è verificato un passaggio da agenti monouso a sistemi multi-agente coordinati che possono riconoscersi a vicenda, scambiare informazioni e collaborare indipendentemente dal fornitore o dal framework.

Tuttavia, il 14% non ha ancora riscontrato alcun beneficio e il 19% afferma che è troppo presto per misurarlo. Per come lo vediamo, il 2025 è stato in gran parte un anno di prototipazione e sperimentazione; Il 2026 sarà un anno in cui più team metteranno in produzione gli agenti.

Il 60% scommette su app e intermediari come la più grande opportunità nell’intelligenza artificiale

I budget tengono traccia dei risultati. L’intelligenza artificiale rimane un’area di investimento attiva per la stragrande maggioranza delle organizzazioni: solo il 4% degli intervistati ha dichiarato di non aspettarsi di investire nell’intelligenza artificiale nei prossimi 12 mesi. Laddove le organizzazioni riscontrano incrementi di produttività, tale incremento raddoppia a livello applicativo e non a livello dell’infrastruttura sottostante.

Alla domanda su dove gli intervistati si aspettassero aumenti di budget nei prossimi 12 mesi, il 37% ha indicato app e intermediari; questo tasso era più del doppio di quello delle infrastrutture (14%) o delle piattaforme (17%). La visione a lungo termine è ancora più forte: il 60% vede le applicazioni e gli agenti come la più grande opportunità nello stack dell’intelligenza artificiale, rispetto a solo il 19% per le infrastrutture.

Anche i dati di mercato lo supportano. secondo qualcuno rapportoIl livello applicativo raggiunge i 19 miliardi di dollari nel 2025; ciò rappresenta più della metà di tutta la spesa produttiva per l’IA. Gli strumenti di codifica hanno raggiunto i 4 miliardi di dollari, rappresentando il 55% della spesa per l’intelligenza artificiale del dipartimento e la categoria più grande dell’intero stack. Le organizzazioni ritengono che il livello applicativo, dove l’intelligenza artificiale tocca effettivamente utenti e flussi di lavoro, sarà più importante dei componenti sottostanti.

Il 49% afferma che il costo di gestione dell’intelligenza artificiale su larga scala rappresenta il principale ostacolo alla crescita

Gli agenti funzionano solo se riesci a farli funzionare. E in questo momento, l’inferenza è il collo di bottiglia. A differenza della formazione, che è un investimento iniziale fisso per costruire il modello, ogni richiesta inviata a un agente genera token, che comportano un costo. Questo costo è aggravato da ogni ciclo di passaggi di ragionamento, tentativi e autocorrezione. Su larga scala, ciò trasforma l’inferenza in una spesa operativa che può superare l’investimento originale nel modello stesso.

Quando abbiamo chiesto agli intervistati cosa limita la loro capacità di scalare l’intelligenza artificiale, il 49% ha identificato l’alto costo dell’inferenza su larga scala come la barriera più grande. Ciò tiene traccia della destinazione dei budget: il 44% degli intervistati ora spende la maggior parte (76-100%) del proprio budget per l’IA in inferenza, non in formazione.

Ma non dovrebbe essere responsabilità degli sviluppatori fare inferenze.

La complessità dell’ottimizzazione delle configurazioni della GPU, della gestione delle strategie di parallelizzazione e della messa a punto del modello di servizio dell’infrastruttura non è il tipo di lavoro che la maggior parte dei team dovrebbe svolgere da sola. Questa è complessità a livello di infrastruttura e i fornitori di servizi cloud devono assorbirla.

In DigitalOcean, questo è al centro del modo in cui pensiamo alla nostra attività. Gradient AI Inference Cloud. Stiamo investendo nell’ottimizzazione dell’inferenza in modo che i team che serviamo non debbano farlo. Carattere.ai un buon esempio: sono venuti da noi con la necessità di ridurre i costi di inferenza senza sacrificare prestazioni o latenza. Migrando alla nostra piattaforma cloud di inferenza, hanno lavorato a stretto contatto con il nostro team e AMD per raddoppiare la loro inferenza di produzione e Costi per moneta ridotti del 50%.

Questo tipo di risultato è possibile quando è la piattaforma a svolgere il lavoro pesante. Man mano che i rappresentanti passano dai progetti pilota alla produzione, le aziende che riescono a crescere con successo non saranno costrette a cercare di dedurre da sole.

Wade Wegner è Chief Ecosystem e Growth Officer presso DigitalOcean.

Gli articoli sponsorizzati sono contenuti prodotti da un’azienda che ha pagato per il post o ha un rapporto commerciale con VentureBeat e sono sempre chiaramente contrassegnati. Contatta per maggiori informazioni sales@venturebeat.com.

Collegamento alla fonte