Η ευρεία υιοθέτηση εργαλείων τεχνητής νοημοσύνης για την ανάπτυξη λογισμικού δημιουργεί μια νέα πρόκληση για τις επιχειρήσεις: το κόστος χρήσης τους. Σύμφωνα με νέα εκτίμηση της Gartner, έως το 2028, το κόστος των λύσεων AI coding αναμένεται να ξεπεράσει τον μέσο ετήσιο μισθό ενός προγραμματιστή, καθώς η κατανάλωση AI tokens αυξάνεται με ταχύ ρυθμό και η αγορά μεταβαίνει σε μοντέλα τιμολόγησης βάσει χρήσης (consumption-based pricing).

Η εκρηκτική αύξηση στην κατανάλωση AI tokens αλλάζει το μοντέλο ανάπτυξης λογισμικού-Προειδοποίηση για νέες πιέσεις στο budget

Οι αναλυτές εκτιμούν ότι η μετάβαση από την πειραματική αξιοποίηση εργαλείων ΑΙ σε ευρεία παραγωγική χρήση δημιουργεί νέες απαιτήσεις για τον έλεγχο του κόστους, ενώ πολλές επιχειρήσεις εξακολουθούν να μην διαθέτουν τους απαραίτητους μηχανισμούς παρακολούθησης και διαχείρισης της κατανάλωσης.

Τα AI tokens αποτελούν τη βασική μονάδα επεξεργασίας των μεγάλων γλωσσικών μοντέλων (LLMs) και επηρεάζουν άμεσα το κόστος λειτουργίας των εργαλείων AI coding. Όσο αυξάνεται η χρήση τους από τους προγραμματιστές, τόσο αυξάνονται και οι σχετικές δαπάνες, ιδιαίτερα στα νέα μοντέλα χρέωσης, που βασίζονται στην πραγματική κατανάλωση και όχι σε σταθερές άδειες χρήσης.

Όπως επισημαίνει η Gartner, πολλές επιχειρήσεις υποτιμούν σήμερα τον οικονομικό αντίκτυπο της αυξανόμενης κατανάλωσης tokens, με αποτέλεσμα οι προϋπολογισμοί για έργα ανάπτυξης λογισμικού να εξαντλούνται ταχύτερα από τον αρχικό σχεδιασμό.

Νέες προκλήσεις για τις επιχειρήσεις

Η μετάβαση των προμηθευτών εργαλείων AI coding σε μοντέλα χρέωσης βάσει κατανάλωσης δημιουργεί σημαντική αβεβαιότητα ως προς την πρόβλεψη του κόστους. Σύμφωνα με τη Gartner, αρκετοί προμηθευτές δεν παρέχουν ακόμη επαρκή διαφάνεια σχετικά με τον τρόπο υπολογισμού και χρέωσης των AI tokens, γεγονός που δυσκολεύει τις επιχειρήσεις να εκτιμήσουν με ακρίβεια το συνολικό κόστος των έργων ανάπτυξης λογισμικού.

Η περιορισμένη ορατότητα στην κατανάλωση των AI μοντέλων καθιστά δυσκολότερη και την αξιολόγηση της πραγματικής επιχειρηματικής αξίας, που δημιουργούν τα εργαλεία τεχνητής νοημοσύνης σε σχέση με το κόστος χρήσης τους.

Πέρα από το ίδιο το μοντέλο τιμολόγησης, καθοριστικό παράγοντα για τον περιορισμό του κόστους αποτελεί και ο τρόπος με τον οποίο χρησιμοποιούνται οι AI coding agents μέσα στους οργανισμούς.

Η Gartner διαπιστώνει ότι η ανεξέλεγκτη χρήση αυτόνομων AI agents, η αξιοποίηση υπερβολικά μεγάλου όγκου δεδομένων εισόδου και η απουσία διαδικασιών αξιολόγησης και βελτιστοποίησης οδηγούν σε υπερκατανάλωση AI tokens και αυξημένες δαπάνες. Παράλληλα, οι περισσότεροι προμηθευτές δεν διαθέτουν ακόμη ώριμους μηχανισμούς αυτόματης βελτιστοποίησης του κόστους.

Οι συστάσεις της Gartner

Για τον περιορισμό του οικονομικού αποτυπώματος των εργαλείων AI coding, η Gartner προτείνει στις επιχειρήσεις να υιοθετήσουν ένα οργανωμένο μοντέλο διακυβέρνησης της χρήσης της τεχνητής νοημοσύνης.

Μεταξύ άλλων, εισηγείται τη δημιουργία πλαισίου λήψης αποφάσεων για τις περιπτώσεις, όπου είναι σκόπιμη η χρήση AI coding agents, την επιλογή διαφορετικών μοντέλων τεχνητής νοημοσύνης ανάλογα με την πολυπλοκότητα κάθε εργασίας, την εκπαίδευση των προγραμματιστών στη βελτιστοποίηση των δεδομένων εισόδου, καθώς και την εφαρμογή μηχανισμών παρακολούθησης της κατανάλωσης tokens, ορίων χρήσης και τακτικών ελέγχων στο πλαίσιο του κύκλου ανάπτυξης λογισμικού.

Σύμφωνα με την Gartner, η αποτελεσματική διαχείριση της κατανάλωσης AI tokens αναμένεται να αποτελέσει μία από τις βασικές προκλήσεις των οργανισμών τα επόμενα χρόνια, καθώς η τεχνητή νοημοσύνη ενσωματώνεται ολοένα και περισσότερο στις καθημερινές διαδικασίες ανάπτυξης λογισμικού.