未来两年开发者AI支出或达新高，Gartner支招企业控制代币使用成本

未来两年开发者AI支出或达新高Gartner表示未来两年内编码代理的广泛使用以及基于使用量的定价模式可能会将每位开发者的人工智能AI支出推至前所未有的水平。企业为开发者使用AI代币支付的费用可能很快会与开发者的薪资相当。据Gartner预测未来两年内这些费用将达到甚至超过普通软件工程师的月工资。这不仅是因为开发者越来越多地采用生成式AI和智能代理工具也反映出一种趋势供应商在平衡基础设施投资和盈利能力时倾向于采用基于使用量的许可模式。企业现在不仅要支付传统的按用户数计费的SaaS费用还要为开发者使用的代币付费。Gartner高级首席分析师Nitish Tyagi解释说需要注意的是Gartner的预测是基于全球平均每月2000美元的工资水平这并不意味着AI代币使用成本会超过所有薪资。例如在美国工程师的年薪可能高达六位数甚至更多。不过Tyagi强调这样的高额支出并非不可能。“我听说过一些惊人的数据比如‘我的开发者上个月消耗了2万美元的代币’或者‘一位业务用户消耗了3.2万美元’。”如果这些数字听起来令人震惊那正是重点所在。他表示“我们的目的是警示行业如果不加以管理和控制代币成本会产生怎样的影响。”缺乏可见性和成熟的监督机制Tyagi指出企业正迅速从AI编码代理的试验阶段转向大规模部署但许多企业仍然低估了代币成本。他指出软件工程工作负载的成本结构“变化很大”而且对于代币消耗的计算和计费方式缺乏足够的透明度。AI编码供应商尚未提供“成熟的、内置的成本优化功能”随着供应商进一步完善模型并试图保持盈利价格可能会继续上涨。因此企业难以预测和控制成本。由于AI发展迅速许多组织缺乏确定投资回报率ROI的“成熟度和框架”。代理驱动的工作流程难以管理上下文窗口变得臃肿预算比预期更早耗尽代币支出也难以证明其合理性。此外非开发者等轻度用户在熟悉并依赖AI工具后会增加使用量进一步推动代币消耗和支出的增长。Tyagi表示虽然AI非常有价值但他认为开发者消耗的代币数量与他们的生产力提升之间没有“直接关系”。相反应用上下文工程原则来优化或减少代币消耗可以提高工作质量。他说“最大化代币使用量与提高生产力没有直接关系但优化代币消耗则有关系。”不过他强调这绝不意味着企业应该放弃使用AI编码代理。优化代币消耗只是意味着在不影响AI带来的质量和价值的前提下按需支出。Tyagi说“如果没有有效的工程运营模式成本增长速度可能会超过这些工具原本设计的生产力提升速度。”企业如何控制代币使用当AI几乎能瞬间生成完整的Python库时传统的“代码行数”生产力指标就不再适用了。Tyagi认为应该从质量、速度和客户满意度等指标来衡量价值。例如开发者能够多快地发布重要功能应用开发与业务、产品和开发团队反馈之间的时间缩短了多少他表示在保证质量的前提下快速推出功能可以创造竞争优势提升用户和客户体验。Gartner还建议企业建立强大的治理和成本控制机制。例如设置代币使用阈值自动监控使用情况并制定明确的升级策略。该公司指出“将这些控制措施融入工程工作流程可确保一致性防止成本不受控制地增长。”此外企业应创建一个“以用例为导向”的决策框架明确何时应使用AI编码代理以及在特定任务中给予它们的适当自主程度。进一步将这些任务分为三种执行模式“开发者主导”“开发者与代理协作”和“完全由代理主导”。企业还应根据任务的复杂程度选择合适的模型。Gartner建议将工作分解为更小的任务由较小的模型执行“只有在任务复杂度需要时才进行升级”。工程团队应精心规划工作流程将简单、高频的任务分配给较小的模型仅将复杂和高价值的工作交给前沿模型。该公司表示另一个节省成本的策略是强制实施特定的上下文工程实践。开发者应接受培训优化输入到AI的上下文只包含相关信息尽可能总结内容并消除不必要的数据。此外团队应在开发周期中加入代币使用审查环节。Gartner称定期审查高代币消耗的工作流程有助于发现低效环节改进实践并促进协作。Tyagi指出开发者往往更注重速度和便利性而非成本效率因此仅靠开发者自主选择无法实现代币使用的规范。他给企业领导者的建议是不要因为AI编码成本上升就放弃使用AI也不要为所有工作都转向开源生成式AI模型。“目标始终是在不影响价值的前提下优化成本。”他建议从小处着手首先关注上下文工程。评估当前软件工程的成熟度选择合适的代理自主程度。AI辅助开发可将生产力提高20%“这是个不错的数字”。对于开发者他建议“将上下文工程作为最重要的技能之一。这不仅对雇主有帮助也对你的职业生涯有益。”