Povećanje potražnje za API-jima doći će od AI i LLM-a do 2026.

Prema Gartneru, više od 30 posto porasta potražnje za sučeljima za programiranje aplikacija (API) do 2026. doći će od umjetne inteligencije i alata koji koriste velike jezične modele (LLM). Anketa među 459 pružatelja tehnoloških usluga (TSP) provedena od listopada do prosinca 2023. pokazala je da je 83 posto ispitanika izjavilo da su već primijenili GenAI ili da trenutačno testiraju GenAI u svojim organizacijama.

"S TSP-ovima koji prednjače u usvajanju GenAI-ja, posljedice će biti široko rasprostranjene", rekao je Adrian Lee, potpredsjednik analitičara u Gartneru. „To uključuje povećanu potražnju za API-jima za rješenja omogućena za LLM i GenAI zahvaljujući TSP-ovima koji pomažu poslovnim korisnicima na daljnjem putu. To znači da će TSP-ovi morati djelovati brže nego ikad prije kako bi zadovoljili potražnju. Poslovni korisnici moraju odrediti optimalne načine na koje se GenAI može dodati ponudi, kao što je korištenje API-ja trećih strana ili opcija modela otvorenog koda. S TSP-ovima koji vode računa, oni pružaju prirodnu vezu između tih poslovnih korisnika i njihovih potreba za rješenjima omogućenim GenAI.”

Istraživanje je pokazalo da će polovica TSP-ova napraviti strateške promjene kako bi proširili svoju ponudu temeljnih proizvoda/usluga kako bi realizirali cijeli proizvod ili rješenje usluge od kraja do kraja. Imajući to na umu, Gartner predviđa da će do 2026. godine više od 80 posto neovisnih dobavljača softvera imati ugrađene GenAI mogućnosti u svoje poslovne aplikacije, što je porast u odnosu na manje od 5 posto danas.

"Poslovni korisnici na različitim su razinama spremnosti i zrelosti u prihvaćanju GenAI-ja, a TSP-ovi imaju transformacijsku priliku pružiti softver i infrastrukturne mogućnosti, kao i talent i stručnost, kako bi ubrzali putovanje", rekao je Lee.

Tijekom životnog ciklusa proizvoda, TSP-ovi trebaju razumjeti ograničenja, rizike i režijske troškove prije nego što ugrade GenAI mogućnosti u proizvode i usluge. Kako bi to postigli, trebali bi dokumentirati slučaj korištenja i jasno definirati vrijednost koju će korisnici iskusiti imajući GenAI kao dio proizvoda; odrediti optimalne načine na koje se GenAI može dodati ponudi i razmotriti kako troškovi novih značajki mogu utjecati na odluke o cijenama; rješavanje poticajnog iskustva korisnika izgradnjom optimizacija kako bi se izbjeglo trenje korisnika sa strmim krivuljama učenja; i pregledajte različite rizike specifične za slučajeve uporabe, kao što su netočni rezultati, privatnost podataka, sigurni razgovori i kršenje IP-a, dodavanjem zaštitnih ograda specifičnih za svaki rizik u proizvod.