Wnętrze raportu Georgian’s AI Applied: Vibe Coding zyskuje na popularności, gdy luki w umiejętnościach personelu hamują postęp AI

Georgian Partners, we współpracy z NewtonX i 11-partnerzkim konsorcjum globalnym, opublikowało swój AI, Applied Benchmark Report, oferując szczegółowy obraz, jak AI przekształca oprogramowanie B2B i przedsiębiorstwa na całym świecie. Ten rozszerzony drugi etap opiera się na anonimowej ankiecie 612 executive—podzielonych równo między liderów R&D i go-to-market—z 10 krajów i 15 branż, reprezentujących firmy o rocznych przychodach od 5 milionów do ponad 200 milionów dolarów.

To, co odróżnia ten raport, to jego globalny zakres i strategiczne wsparcie. Partnerzy konsorcjum obejmują Alberta Machine Intelligence Institute, AI Marketers Guild, FirstMark, GTM Partners, Untapped Ventures, the Vector Institute, i Tel Aviv–based Startup Nation Central i Grove Ventures, wśród innych. Ich zaangażowanie pomogło zwiększyć udział i zapewnić sektorowo-różnorodne, międzynarodowe punkty odniesienia.

To nie tylko miara przyjęcia, raport ujmuje strukturalne bariery, nowe przypadki użycia AI, takie jak Vibe Coding, i ewoluującą krzywą dojrzałości integracji AI. Z ustaleniami opartymi na zwalidowanym, executive-level input, raport oferuje firmom praktyczny framework, aby ocenić, gdzie się znajdują—and co ich powstrzymuje.

AI staje się strategicznym imperatywem

Sztuczna inteligencja nie jest już uważana za opcjonalną. Raport stwierdza, że 83% firm B2B i przedsiębiorstw obecnie klasyfikuje AI jako jeden z pięciu najważniejszych priorytetów strategicznych. W rzeczywistości, trzy z pięciu najczęściej wybieranych priorytetów biznesowych są związane z AI, pokazując, jak głęboko jest ono zakorzenione w korporacyjnych agendach.

Prowadzące motywacje dla przyjęcia AI nadal są:

• Poprawa wewnętrznej produktywności
• Tworzenie przewagi konkurencyjnej
• Wzmacnianie efektywności kosztowej i wzrostu przychodu

To, co się zmieniło, to fakt, że różnicowanie konkurencyjne teraz wyprzedza oszczędności kosztów i przychody jako drugi najważniejszy motywator. To oznacza zmianę w myśleniu: AI nie jest już tylko narzędziem do automatyzacji—jest to broń do przywództwa rynkowego.

Vibe Coding wkracza do głównego nurtu

Jednym z najbardziej godnych uwagi spostrzeżeń z raportu jest gwałtowny wzrost Vibe Coding—pojęcia odnoszącego się do automatycznej generacji i debugowania kodu przy użyciu modeli AI. Vibe Coding stało się #3 R&D use case zgłoszonym w produkcji, używanym przez 37% firm, podczas gdy kolejne 40% aktywnie testuje je.

Ten trend nie dotyczy tylko poprawy produktywności deweloperów. Jest to również bezpośrednia odpowiedź na wyzwanie branżowe: brak talentów technicznych AI, które teraz stały się #1 barierą do skalowania AI. 45% liderów R&D wymieniło tę lukę w umiejętnościach jako ich główny problem—przewyższając nawet wysoki koszt rozwoju modelu.

Vibe Coding pomaga zapełnić tę lukę, umożliwiając zespołom inżynierskim przyspieszenie czasu dostarczania, debugowanie szybciej i tworzenie czystego, udokumentowanego kodu z mniejszym nakładem pracy. Respondenci zauważyli wymierne redukcje nakładu pracy ręcznej w QA, infrastrukturze i procesach wdrożeniowych.

Zyski produktywności AI—and ich granice

Użycie AI w procesach rozwojowych wykazuje wyraźne korzyści. Zgodnie z raportem, 70% respondentów R&D zgłasza szybszą prędkość rozwoju, 63% widzi poprawę jakości kodu i dokumentacji, a ponad połowa zwiększyła częstotliwość wdrożeń.

Jednak nie wszystkie wskaźniki poprawiły się. Obszary takie jak średni czas przywracania, czas cyklu i współczynnik awarii zmian pozostają słabymi punktami. To sugeruje, że chociaż AI przyspiesza front-end rozwoju, stabilność i wytrzymałość nadal zależą od ludzi.

Ulepszenia infrastruktury napędzają stos AI

Wspierając te zyski, jest dramatyczna zmiana w inwestycjach w infrastrukturę. Zespoły napędzane przez AI przyjmują nowe narzędzia, aby przejść od eksperymentowania do produkcji:

• Platformy obserwacyjne LLM zostały zintegrowane przez 53% firm
• Narzędzia do orchestracji danych takie jak Dagster i Airflow są teraz używane przez 51%
• Bazy danych wektorowych, cron jobs i trwałe silniki przepływu są wdrażane w celu wsparcia skali i niezawodności

Tymczasem firmy pozyskują więcej danych niż kiedykolwiek, aby zasilać swoje modele. Użycie własnych danych wzrosło o 12 punktów procentowych do 94%, podczas gdy danych publicznych wzrosło do 80%. Dane syntetyczne i ciemne—kiedyś peryferyjne źródła—są teraz używane przez ponad połowę i ćwierć firm, odpowiednio.

Przyjęcie LLM się różnicuje

OpenAI pozostaje wiodącym dostawcą dużych modeli językowych, z 85% respondentów używających jego modeli w produkcji. Jednak krajobraz ewoluuje szybko:

• Google Gemini doświadczyło 17-punktowego wzrostu, teraz używanego przez 41%
• Anthropic Claude wzrosło do 31%
• Rodzina Meta Llama 3 zyskuje na popularności z 28% przyjęcia
• Modele specyficzne dla wnioskowania jak OpenAI o1-mini (35%) i DeepSeek (18%) również wkraczają do produkcji

Ta zmiana odzwierciedla ruch w kierunku multi-model AI stacks, gdzie organizacje dopasowują modele do przypadków użycia, zamiast polegania na jednym ekosystemie dostawcy.

Postępy dojrzałości AI są nierówne

Georgian dzieli firmy za pomocą Crawl, Walk, Run AI maturity model. Chociaż więcej organizacji postępuje z poziomu początkującego do poziomu średniozaawansowanego, najwyższy poziom dojrzałości pozostaje nieosiągalny:

• “Chodzący” spadli do 40%, w dół z 49%
• “Biegacze” wzrosli do 31%, wskazując na rosnący impet
• “Biegacze” pozostają statyczni na 11%, sugerując sufit w skalowalności

Firmy, które osiągają poziom “Biegacza”, mają tendencję do łączenia projektów AI bezpośrednio z przychodami lub wynikami kosztów—zdolność, która nadal jest niedorozwinięta w całej branży.

ROI pozostaje nieuchwytny

Jednym z najbardziej uporczywych wyzwań zidentyfikowanych w raporcie jest brak wyraźnej miary ROI. Ponad połowa zespołów R&D przyznaje, że nie łączy projektów AI z konkretnymi KPI. Tylko 25% bezpośrednio łączy inicjatywy AI z nowymi przychodami, a tylko 24% zgłasza pozytywny wpływ na koszty akwizycji klientów.

Jednak optymizm trwa. Ponad 50% respondentów twierdzi, że AI poprawiło satysfakcję klientów i długoterminową wartość. Jednak ogólne wrażenie jest takie, że uzasadnienie finansowe AI pozostaje mgliste, szczególnie na poziomie dojrzałości średniej.

Zarządzanie kosztami się poprawia

Podczas gdy talent pozostaje największą przeszkodą, koszty powoli stają się bardziej zarządzalne. Raport pokazuje:

• 9-punktowa zmiana w kierunku stabilnych lub zmniejszonych kosztów przechowywania danych
• Malejące koszty w utrzymaniu oprogramowania, pracy i operacjach
• Mniejsza zależność od środków oszczędnościowych, takich jak ograniczenia projektów

Ponadto, 68% firm teraz polega na rozwiązaniach AI od stron trzecich, aby zarządzać kosztami i złożonością, szczególnie gdy AI staje się wbudowane w oprogramowanie GTM i platformy wewnętrzne.

Spojrzenie w przyszłość

Wnioski z tych danych benchmarkingowych sięgają daleko poza pulpity i sale konferencyjne. Gdy AI staje się centralnym elementem, jak oprogramowanie jest budowane, wdrażane i utrzymywane, branża wkracza w nową fazę—jedną, w której produktywność nie jest już tylko kwestią ludzi, ale jak inteligentnie zespoły mogą uzupełniać się o partnerów maszynowych.

Vibe Coding reprezentuje punkt zwrotny. Nie jest to tylko narzędzie produktywności; staje się warstwą podstawową nowoczesnego rozwoju oprogramowania. Dla firm, które borykają się z trwałymi lukami w umiejętnościach, oferuje sposób na odblokowanie przepustowości, skrócenie czasu dostarczania i poprawę jakości kodu bez zwiększania liczby pracowników w tym samym tempie. A dla tych, którzy są dalej na krzywej dojrzałości, tworzy podstawę dla AI-natywnych procesów inżynierskich—jednych, które mogą skalować z obserwowalnością, niezawodnością i mierzalnym wpływem biznesowym.

Szerokie przesłanie jest jasne: firmy, które odnoszą sukcesy, nie tylko będą używać AI—będą ją operacjonalizować, wbudowywać i ewoluować z nią. W tej nowej erze automatyzacja nie jest już o zastępowaniu deweloperów. Jest o ich wzmocnieniu.

Ci, którzy traktują Vibe Coding i jego infrastrukturę wspierającą jako strategiczne inwestycje—a nie eksperymenty—zdefiniują następną falę innowacji przedsiębiorstw.