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 ridimensionamento nella produzione rimane l’eccezione, non la regola.
In Rapporto di ricerca Currents 2026 di DigitalOceansulla base di un sondaggio condotto su oltre 1.100 sviluppatori, CTO e fondatori, il 67% delle organizzazioni che utilizzano agenti segnalano incrementi di produttività. Nel frattempo, il 60% degli intervistati afferma che le applicazioni e gli agenti rappresentano il maggior valore a lungo termine nello stack AI. Tuttavia, solo il 10% sono agenti incrostanti presenti nella produzione.
Il miglior bloccante? Il 49% cita l’alto costo dell’inferenza. Non si tratta solo del prezzo di una singola chiamata API. È il costo cumulativo poiché gli agenti concatenano le attività e vengono eseguiti in modo autonomo. Quasi la metà degli intervistati spende ora il 76-100% del proprio finances per l’IA solo per l’inferenza. Questo è un problema che DigitalOcean sta lavorando per risolvere. Ciò che serve è un’infrastruttura progettata in base all’economia dell’inferenza: prestazioni prevedibili, controllo dei costi sotto carico e meno parti mobili. È così che il 2026 diventa l’anno in cui gli agenti passano dal progetto pilota al prodotto.
Il 52% delle aziende sta implementando attivamente soluzioni AI (inclusi gli agenti)
Solo un anno fa, quando abbiamo condotto questo sondaggio, solo il 35% degli intervistati stava implementando attivamente soluzioni di intelligenza artificiale: la maggior parte period ancora in modalità di esplorazione o stava eseguendo i primi progetti. Adesso è il 52%. Il passaggio dal “vediamo cosa può fare” al “mettiamolo in produzione” è ben avviato.
C’è un growth di agenti sotto questi numeri. Il 46% degli intervistati sta implementando specificamente agenti IA, sistemi autonomi che eseguono attività da soli anziché attendere istruzioni advert ogni passaggio. OpenClaw (precedentemente Moltbot e Clawdbot) è un esempio recente, un assistente open supply che si connette advert app di messaggistica, naviga sul Internet, esegue comandi shell ed esegue attività in modo autonomo.
Dove stanno andando quegli agenti? Principalmente nel codice e nelle operazioni:
-
Il 54% ha indicato la generazione e il refactoring del codice, rendendolo chiaramente il favorito
-
Il 49% sta automatizzando le operazioni interne
-
Il 45% sta creando assistenza clienti e chatbot
-
Il 43% si concentra sulla logica aziendale e sull’orchestrazione delle attività
-
Il 41% utilizza agenti per la generazione di contenuti scritti
-
Il 27% sta perseguendo l’automazione del flusso di lavoro di advertising
-
Il 21% sta conducendo analisi dei dati
Gli sviluppatori stanno guidando la carica qui. Advert esempio, Y Combinator ha condiviso che a quarto delle startup previste nell’inverno 2025 stavano costruendo con basi di codice generate per il 95% dall’intelligenza artificiale. Poi c’è quella che Andrej Karpathy chiama “vibe coding”: descrivere ciò che si desidera in un linguaggio semplice e lasciare che sia l’intelligenza artificiale a scrivere il codice.
Gli strumenti sono stati suddivisi per adattarsi a diversi flussi di lavoro. Il cursore inserisce l’intelligenza artificiale in un fork VS Code per modifiche in linea e iterazione rapida. Claude Code viene eseguito nel terminale per un lavoro più approfondito su interi repository. Ma entrambi sono andati ben oltre il completamento automatico. Questi strumenti ora operano in cicli di agenti, leggendo file, eseguendo check, identificando errori ed eseguendo iterazioni finché la construct non viene superata. Descrivi una caratteristica. L’agente lo implementa. Alcune sessioni durano ore: nessuno alla tastiera.
Ma gli agenti non sono solo per gli ingegneri. Si stanno facendo strada nel advertising, nel successo dei clienti e nelle operazioni. Lo vediamo anche internamente a DigitalOcean. Presentazioni sperimentali e giornate di hacking hanno fatto emergere demo 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 miglioramenti misurabili della produttività
La questione della produttività è quella che tutti si pongono: gli agenti stanno effettivamente fornendo risultati o è ancora una montatura? I dati suggeriscono la prima ipotesi. Nel complesso, il 67% delle organizzazioni che utilizzano gli agenti segnalano miglioramenti misurabili della produttività. E per alcuni, i guadagni sono sostanziali: il 9% degli intervistati ha segnalato aumenti di produttività pari o superiori al 75%.
Alla domanda su quali risultati hanno osservato utilizzando gli agenti AI:
-
Il 53% ha affermato che produttività e risparmio di tempo per i dipendenti
-
Il 44% ha segnalato la creazione di nuove capacità imprenditoriali
-
Il 32% ha notato una minore necessità di assumere personale aggiuntivo
-
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 studiato come i propri ingegneri utilizzano Claude Code, ha scoperto che più di un quarto del lavoro assistito dall’intelligenza artificiale consisteva in attività che semplicemente non sarebbero state svolte altrimenti. Ciò embrace progetti di scalabilità e creazione di strumenti interni. Embody anche un lavoro esplorativo che in precedenza non valeva l’investimento di tempo, ma che ora lo vale.
Cosa spinge questi numeri di produttività ancora più in alto? Gli agenti stanno imparando a lavorare insieme. Il rilascio da parte di Google del Kit di sviluppo dell’agente come framework open supply ha segnato il passaggio da agenti monouso a sistemi multi-agente coordinati che possono scoprirsi a vicenda, scambiare informazioni e collaborare indipendentemente dal fornitore o dal framework.
Detto questo, il 14% non ha ancora riscontrato alcun beneficio e il 19% afferma che è troppo presto per misurarlo. Da quello che stiamo vedendo, il 2025 è stato in gran parte un anno di prototipazione e sperimentazione, con il 2026 che si preannuncia essere l’anno in cui più crew sposteranno gli agenti in produzione.
Il 60% scommette sulle candidature e sugli agenti come la più grande opportunità nell’intelligenza artificiale
I bilanci seguono i risultati. L’intelligenza artificiale rimane un’space 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. E laddove le organizzazioni registrano incrementi di produttività, stanno raddoppiando il proprio impegno, a livello applicativo e non a livello dell’infrastruttura di base.
Alla domanda su dove gli intervistati si aspettano una crescita del finances nei prossimi 12 mesi, il 37% ha indicato applicazioni e agenti, più del doppio della quota per le infrastrutture (14%) o le 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 AI, rispetto al solo 19% per l’infrastruttura.
I dati di mercato lo confermano. Secondo uno rapportoil livello applicativo ha assorbito 19 miliardi di dollari nel 2025, ovvero più della metà di tutta la spesa per l’IA generativa. Gli strumenti di codifica hanno fruttato 4 miliardi di dollari, rappresentando il 55% della spesa dipartimentale per l’intelligenza artificiale e la categoria più grande dell’intero stack. Le organizzazioni scommettono che il livello applicativo, dove l’intelligenza artificiale tocca effettivamente utenti e flussi di lavoro, avrà più importanza dei componenti sottostanti.
Il 49% afferma che il costo di gestione dell’intelligenza artificiale su larga scala è il principale ostacolo alla crescita
Gli agenti funzionano solo se puoi eseguirli. 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 aumenta con ogni fase di ragionamento, tentativo e ciclo di 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 principale. Ciò tiene conto della destinazione dei finances: il 44% degli intervistati ora spende la maggior parte del proprio finances per l’IA (76-100%) nell’inferenza, non nella formazione.
Ma la risoluzione per inferenza non dovrebbe ricadere sugli sviluppatori.
La complessità dell’ottimizzazione delle configurazioni della GPU, della gestione delle strategie di parallelizzazione e della messa a punto dell’infrastruttura di servizio dei modelli non è il tipo di lavoro che la maggior parte dei crew dovrebbe svolgere da sola. Questa è la complessità a livello di infrastruttura e i fornitori di servizi cloud devono assorbirla.
In DigitalOcean, questo è fondamentale nel modo in cui pensiamo al nostro Gradient™ AI Inference Cloud. Stiamo investendo nell’ottimizzazione dell’inferenza in modo che i crew che serviamo non debbano farlo. Carattere.ai è 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 e lavorando a stretto contatto con il nostro crew e AMD, hanno raddoppiato il throughput di inferenza di produzione e ridotto il costo per token del 50%.
Questo tipo di risultato è ciò che diventa possibile quando la piattaforma fa il lavoro pesante. Man mano che gli agenti passano dai progetti pilota alla produzione, le aziende che riusciranno a crescere con successo saranno quelle che non saranno costrette a risolvere da sole le inferenze.
Wade Wegner è Chief Ecosystem e Progress Officer presso DigitalOcean.
Gli articoli sponsorizzati sono contenuti prodotti da un’azienda che paga per il put up o ha un rapporto commerciale con VentureBeat e sono sempre chiaramente contrassegnati. Per ulteriori informazioni, contattare gross sales@venturebeat.com.
