AI行业面临新挑战，尽管62%的企业已成功部署AI代理，但74%已撤回或关闭这些项目。Sinch报告指出，治理不足使企业难以维持AI成果，且对信任和安全的投资已超过AI开发支出。企业需重视通信基础设施，以提高AI部署成功率。尽管困难，98%的企业计划在2026年增加AI投资。

Fivetran首席产品官Anjan Kundavaram在《The New Stack》播客中强调了开放数据基础设施的重要性。他指出，虽然AI代理在数据查询中表现高效，但在封闭的数据生态系统中会增加成本。他建议企业投资开放基础设施，以提升分析效率，降低因数据分散带来的高成本和低效能。

随着AI工具的普及，初级开发者的工作效率提高，但他们对代码的理解能力未必跟上，导致“专家初学者”现象的出现。这使得初级职位减少，企业更倾向于投资AI而非培训新人，可能导致未来技术人才短缺。

开源项目的可持续性面临结构性问题。pgBackRest的维护者David Steele宣布停止维护，反映出资金和支持的缺乏。相比之下，CloudNativePG在CNCF的保护下，确保了项目的持续性和治理。成功的开源模式依赖于企业投资、用户支持和持续改进的良性循环。EDB的支持对开源项目的发展至关重要，用户的支持合同对维护团队也非常重要。

65%的企业已部署生成性人工智能（AI），下一步是实现自主AI，目前仅19%已应用，但68%计划在两年内投资。治理和数据质量变得尤为重要。

AI代理技术快速发展，Anthropic推出的MCP标准化AI模型与外部系统的沟通，Google的A2A协议则协调多个代理的合作。尽管技术尚不成熟，这些协议为复杂任务提供支持。企业在投资代理技术前需明确用例，以实现实际收益。

自1950年以来，人工智能不断发展，尤其是2022年ChatGPT发布后，企业加大对AI的投资以提升效率和收入。企业需评估AI的适用性，考虑成本、安全治理等因素。通过自建Docker容器可降低AI开支。选择AI服务提供商时需进行概念验证，并关注迁移复杂性。整合AI需全面规划，确保与业务目标一致。

人工智能正在迅速改变软件测试领域，AI驱动的测试生成和自主测试成为趋势。工具如GenQE.ai利用机器学习生成测试用例，减少人工干预，提高效率。未来，企业需投资AI测试工具并提升员工技能，以适应这一变化。

到2025年，70%的企业认为人工智能对长期成功至关重要，重点投资后训练和专用AI代理，基础设施成为主要投资领域，数据治理和人力资源培训也将推动AI的有效应用。