هزینه ابزارهای هوش مصنوعی کدنویسی تا ۲۰۲۸ از حقوق برنامهنویسان بیشتر میشود

مؤسسه تحقیقاتی گارتنر در جدیدترین گزارش خود هشدار داده که تا سال ۲۰۲۸، هزینه ابزارهای هوش مصنوعی که توسعهدهندگان استفاده میکنند، احتمالاً از حقوق خود آنها بیشتر میشود. هزینههای کدنویسی با هوش مصنوعی با سرعت بالایی افزایش مییابند و بیشتر شرکتها حتی نمیتوانند میزان دقیق هزینههای خود را مشاهده کنند. دلیل این اتفاق کاملاً ساده است؛ هر حرکتی که یک ایجنت هوش مصنوعی انجام میدهد، توکن مصرف میکند و کنتور این هزینهها همیشه فعال است.
توکنها در واقع واحدهای دادهای هستند که یک مدل هوش مصنوعی پردازش میکند و در مدلهای قیمتگذاری جدید، توکن بیشتر بهمعنای صورتحساب سنگینتر است. «نیتیش تیاگی» (Nitish Tyagi)، تحلیلگر ارشد گارتنر، توضیح میدهد که سازمانها با سرعت از مرحله آزمایش به استقرار گسترده ایجنتهای کدنویسی هوش مصنوعی حرکت میکنند، اما بسیاری از آنها تأثیر مالی این روند را دستکم میگیرند.
تحلیلگر گارتنر به The Register میگوید:
«صورتحسابها از ۲۰ یا ۱۰۰ دلار در ماه برای هر توسعهدهنده، اکنون به دو هزار یا پنج هزار دلار جهش کردهاند و گاهی به ۲۰ هزار دلار هم میرسد.»
فروشندگان در گذشته یک هزینه ثابت ماهانه دریافت میکردند، اما اکنون بیشتر آنها براساس میزان مصرف پول میگیرند؛ یعنی هرچه ایجنت هوش مصنوعی بیشتر کد بنویسد و با هر بار تلاشش، هزینه بیشتری را به شرکت تحمیل میکند.
افزایش هزینه ابزارهای کدنویسی هوش مصنوعی
مشکل اصلی در این زمینه، عدم شفافیت و نبود ابزارهای کنترلی مناسب در سیستمهای فروشندگان است. گارتنر میگوید بسیاری از فروشندگان نشان نمیدهند که مصرف توکن را چگونه محاسبه میکنند؛ بنابراین شرکتها توانایی پیشبینی هزینهها را ندارند و بودجه آنها خیلی زود تمام میشود.
از سوی دیگر، توسعهدهندگان معمولاً بهینهسازی سرعت را به کاهش هزینه ترجیح میدهند و مصرف توکن را محدود نمیکنند. علاوهبراین، عواملی مانند رهاکردن هوش مصنوعی برای اجرای خودکار کارها و همچنین تغذیه ابزارها با متون اضافی و غیرضروری، مصرف توکن را بالا میبرند. شرکتهای سازنده این ابزارها نیز قابلیتهای کنترل هزینه را درون محصولات خود تعبیه نکردهاند و مسئولیت را بر دوش خریدار میاندازند.
گارتنر برای حل این معضل به مدیران پیشنهاد میکند که باید کارهای ساده و پرتکرار را به مدلهای کوچکتر و ارزانتر بسپارند و مدلهای گرانقیمت را برای کارهای پیچیده در نظر بگیرند. مهندسی زمینه (Context Engineering) نیز اهرم بسیار مهم دیگری است؛ به این معنا که توسعهدهندگان باید ورودیها را به موارد مهم محدود کنند تا کنتور مصرف آرامتر بچرخد.
با وجود تمام این موارد، ابزارهای هوش مصنوعی واقعاً سرعت کار را بالا میبرند و کمتر تیمی حاضر میشود آنها را کنار بگذارد، اما پیشبینی گارتنر یک هشدار جدی است. ابزاری که کدها را سریعتر مینویسد، اگر هزینهاش از فرد استفادهکننده بیشتر باشد، معامله پرسودی برای شرکت نیست.




