„Tokenmaxxing“ daro kūrėjus mažiau produktyvius, nei jie mano

Valdyme yra senas pjūklas: svarbu, ką matai. Ir paprastai jūs gaunate daugiau to, ką matuojate.

Programinės įrangos inžinieriai dešimtmečius diskutavo apie produktyvumo rodiklius, pradedant nuo kodo eilučių. Tačiau kadangi naujos kartos AI kodavimo agentai pateikia daugiau kodo nei bet kada anksčiau, tai, ką jų vadovai turėtų matuoti, nėra taip aišku.

Milžiniški simboliniai biudžetai – iš esmės AI apdorojimo galia, kurią kūrėjas turi teisę sunaudoti – tapo Silicio slėnio kūrėjų garbės ženklu, tačiau tai labai keistas būdas galvoti apie produktyvumą. Proceso įvesties matavimas nėra prasmingas, kai tikriausiai labiau rūpinatės rezultatais. Tai gali būti prasminga, jei bandote paskatinti daugiau naudoti AI (arba parduoti žetonus), bet ne, jei bandote tapti efektyvesni.

Apsvarstykite įrodymus iš naujos klasės įmonių, veikiančių „kūrėjo produktyvumo įžvalgos“ erdvėje. Jie pastebi, kad kūrėjai, naudojantys tokius įrankius kaip „Claude Code“, „Cursor“ ir „Codex“, sukuria daug daugiau priimto kodo nei anksčiau. Tačiau jie taip pat pastebi, kad inžinieriai turi grįžti peržiūrėti priimtą kodą daug dažniau nei anksčiau, o tai sumažina pretenzijas dėl padidėjusio našumo.

Alex Circei, „Waydev“ generalinis direktorius ir įkūrėjas, kuria žvalgybos sluoksnį, kad galėtų sekti šią dinamiką; jo įmonė dirba su 50 skirtingų klientų, kuriuose dirba daugiau nei 10 000 programinės įrangos inžinierių. (Circei anksčiau prisidėjo prie „TechCrunch“, tačiau šis reporteris niekada su juo nebuvo susitikęs.)

Jis sako, kad inžinierių vadovai mato 80–90 % kodo priėmimo rodiklius – tai reiškia, AI sugeneruoto kodo, kurį kūrėjai patvirtina ir pasilieka, dalį, tačiau jiems trūksta trūkumo, kuris atsitinka, kai inžinieriai turi peržiūrėti šį kodą per ateinančias savaites, o tai sumažina realaus pasaulio priėmimo rodiklį nuo 10 iki 30 % sugeneruoto kodo.

AI kodavimo įrankių atsiradimas paskatino „Waydev“, įkurta 2017 m., siekdama teikti kūrėjų analizę, per pastaruosius šešis mėnesius visiškai pertvarkyti savo platformą, kad būtų išvengta greito kodavimo įrankių plitimo. Dabar bendrovė išleidžia naujus įrankius, kurie seka AI agentų sugeneruotus metaduomenis, siūlydama jų kodo kokybės ir kainos analizę, kad inžinierių vadovai galėtų geriau suprasti AI pritaikymą ir veiksmingumą.

Nors analitikos įmonės turi paskatų pabrėžti rastas problemas, vis daugėja įrodymų, kad didelės organizacijos vis dar aiškinasi, kaip efektyviai naudoti AI įrankius. Didžiosios bendrovės pastebi – praėjusiais metais „Atlassian“ už 1 milijardą dolerių įsigijo kitą inžinerinės žvalgybos startuolį DX, kad padėtų savo klientams suprasti investicijų į kodavimo agentus grąžą.

Duomenys iš visos pramonės pasakoja nuoseklią istoriją: rašoma daugiau kodo, bet neproporcingai daug jo neprilimpa.

Kita šios srities įmonė „GitClear“ sausį paskelbė ataskaitą, kurioje nustatyta, kad dirbtinio intelekto įrankiai padidino produktyvumą, tačiau taip pat jos duomenys rodo, kad „paprasti AI naudotojai vidutiniškai 9,4 karto dažniau naudoja kodą nei jų kolegos be AI“ – tai daugiau nei dvigubai didesnis produktyvumas naudojant teikiamas priemones.

Faros AI, inžinerinės analizės platforma, savo 2026 m. kovo mėn. ataskaitoje naudojo dvejų metų klientų duomenis. Išvada: kodo trūkumo – ištrintų kodo eilučių, o ne pridėtų – padidėjo 861 proc., kai taikomas didelis AI.

Jellyfish, kuri save vadina intelektualiąja platforma, skirta dirbtiniu intelektu integruotai inžinerijai, 2026 m. pirmąjį ketvirtį surinko duomenis apie 7 548 inžinierius. Įmonė nustatė, kad inžinieriai, turintys didžiausią žetonų biudžetą, pateikė daugiausiai užklausų (siūlomi bendros kodų bazės pakeitimai), tačiau produktyvumas nepagerėjo. Jie pasiekė du kartus didesnį pralaidumą dešimt kartų brangiau nei žetonai. Kitaip tariant, įrankiai generuoja apimtį, o ne vertę.

Tokio pobūdžio statistika pasiteisina, kai kalbate su kūrėjais, kurie pastebi, kad kodo peržiūra ir techninės skolos didėja, net jei jie mėgaujasi naujų įrankių laisve. Viena dažna išvada yra skirtumas tarp vyresniųjų ir jaunesniųjų inžinierių, o pastarieji priima daug daugiau dirbtinio intelekto sukurto kodo ir dėl to susiduria su didesniu perrašymu.

Vis dėlto, net kai kūrėjai stengiasi tiksliai suprasti, ką daro jų agentai, jie nesitiki greitu laiku grįžti atgal.

„Tai nauja programinės įrangos kūrimo era, ir jūs turite prisitaikyti, ir jūs esate priversti prisitaikyti kaip įmonė“, – „TechCrunch“ sakė Circei. „Neatrodo, kad tai bus ciklas, kuris praeis“.