The 2025 state of AI Development

A pesquisa ordena as equipes conforme até onde levaram a IA, desde conversar com usuários sobre necessidades até uma estratégia e uma prova de conceito, uma beta e, por fim, uma implantação em produção. Cerca de um quarto das empresas tinha algo em produção e o restante se distribuía pelos estágios anteriores. A divisão importa porque mostra que a área não é uma onda única, mas um leque: uma equipe que se sente atrasada costuma estar, na verdade, no mesmo estágio da maioria.

A análise e a extração de documentos ficaram como o caso de uso mais comum, seguidas do atendimento ao cliente e dos assistentes conversacionais, e depois da análise de linguagem natural. Geração de conteúdo, sistemas de recomendação, geração de código e automação de pesquisa completaram a lista. O padrão aponta para trabalhos que leem e organizam texto já existente, não só para produzir texto novo, e isso é uma pista útil sobre onde está a demanda.

A OpenAI manteve a maior fatia de uso, sobretudo com GPT-4o e GPT-4o Mini, com Microsoft Azure, Anthropic e AWS Bedrock bem perto. Empresas maiores se apoiaram mais em plataformas de nuvem, e a fatia do Azure subia com o tamanho da empresa. Modelos abertos hospedados por provedores como Groq, Fireworks AI e Together AI ganharam terreno, o que o relatório lê como sinal de que as equipes querem mais de uma opção na mistura.

A geração aumentada por recuperação dominou as arquiteturas descritas pelas equipes, com a maioria usando um banco de dados vetorial. Só cerca de um terço fez ajuste fino de um modelo. O relatório relaciona o número baixo de ajuste fino à queda de custos e à melhora da qualidade dos modelos, já que um bom modelo base mais recuperação costuma dar conta do trabalho sem um treinamento sob medida.

A maioria dos desenvolvedores dizia avaliar a sua IA, mas os métodos pendem para o manual: testes e revisão superam com folga as ferramentas de avaliação automática. O monitoramento se dividiu de forma parecida, com painéis próprios à frente de ferramentas de terceiros. Lidar com alucinações e problemas de prompt foi o maior desafio, o que combina com o quão finas ainda são as verificações automáticas.

O relatório termina com um olhar para a frente e prevê que 2025 vira um ano de ferramentas e que os fluxos agênticos saem dos experimentos para recursos já lançados. Ele também aponta a alta de configurações com vários modelos e a pressão contínua sobre custos como forças que vão moldar o que as equipes constroem.