'टोकनमॅक्सिंग' विकसकांना त्यांच्या विचारापेक्षा कमी उत्पादक बनवत आहे

व्यवस्थापनात एक जुनी आरा आहे: तुम्ही काय मोजता ते महत्त्वाचे आहे. आणि, सामान्यत:, तुम्ही जे काही मोजत आहात त्यातून तुम्हाला अधिक मिळते.

सॉफ्टवेअर अभियंत्यांनी अनेक दशकांपासून उत्पादकता मेट्रिक्सवर वादविवाद केले आहेत, कोडच्या ओळींपासून सुरुवात केली आहे. परंतु एआय कोडिंग एजंटची नवीन पिढी नेहमीपेक्षा अधिक कोड वितरीत करते, त्यांच्या व्यवस्थापकांनी काय मोजले पाहिजे हे कमी स्पष्ट आहे.

प्रचंड टोकन बजेट — मूलत:, एआय प्रोसेसिंग पॉवर विकसक वापरण्यासाठी अधिकृत आहे — सिलिकॉन व्हॅली डेव्हलपरमध्ये सन्मानाचा बिल्ला बनला आहे, परंतु उत्पादकतेबद्दल विचार करण्याचा हा एक अतिशय विचित्र मार्ग आहे. जेव्हा तुम्ही आउटपुटबद्दल अधिक काळजी घेत असाल तेव्हा प्रक्रियेसाठी इनपुट मोजण्यात काही अर्थ नाही. तुम्ही अधिक AI दत्तक घेण्यास (किंवा टोकन विकण्यासाठी) प्रोत्साहन देण्याचा प्रयत्न करत असाल तर त्याचा अर्थ असेल, पण तुम्ही अधिक कार्यक्षम बनण्याचा प्रयत्न करत असाल तर नाही.

“विकसक उत्पादकता अंतर्दृष्टी” जागेत कार्यरत असलेल्या कंपन्यांच्या नवीन वर्गातील पुराव्यांचा विचार करा. क्लॉड कोड, कर्सर आणि कोडेक्स सारखी साधने वापरणारे डेव्हलपर पूर्वीपेक्षा खूप जास्त स्वीकृत कोड व्युत्पन्न करतात असे त्यांना आढळून आले आहे. परंतु त्यांना असेही आढळून आले आहे की अभियंत्यांना त्या स्वीकारलेल्या कोडची पुनरावृत्ती करण्यासाठी पूर्वीपेक्षा जास्त वेळा परत यावे लागते, वाढीव उत्पादकतेचे दावे कमी करतात.

चे सीईओ आणि संस्थापक ॲलेक्स सर्सी वायदेवया गतिशीलतेचा मागोवा घेण्यासाठी एक बुद्धिमत्ता स्तर तयार करत आहे; त्याची फर्म 50 वेगवेगळ्या ग्राहकांसोबत काम करते ज्यात 10,000 पेक्षा जास्त सॉफ्टवेअर अभियंते आहेत. (सर्सीने यापूर्वी रीडमध्ये योगदान दिले आहे, परंतु हा रिपोर्टर त्याला यापूर्वी कधीही भेटला नव्हता.)

ते म्हणतात की अभियांत्रिकी व्यवस्थापकांना कोड स्वीकृती दर 80% ते 90% दिसत आहेत — म्हणजे विकसकांनी मंजूर केलेल्या आणि ठेवलेल्या AI-व्युत्पन्न केलेल्या कोडचा वाटा — परंतु जेव्हा अभियंत्यांना पुढील आठवड्यात त्या कोडमध्ये सुधारणा करावी लागते तेव्हा ते घडणारे मंथन गमावत आहेत, ज्यामुळे वास्तविक-जागतिक स्वीकृती दर 10% आणि 30% कोडच्या दरम्यान कमी होतो.

AI कोडिंग टूल्सच्या उदयामुळे 2017 मध्ये विकसक विश्लेषणे प्रदान करण्यासाठी स्थापन करण्यात आलेल्या Waydev ने गेल्या सहा महिन्यांत वेगवान कोडिंग टूल्सच्या प्रसाराला संबोधित करण्यासाठी त्याच्या प्लॅटफॉर्मवर पूर्णपणे पुन्हा काम केले. आता, कंपनी नवीन साधने जारी करत आहे जी AI एजंट्सद्वारे व्युत्पन्न केलेल्या मेटाडेटाचा मागोवा घेते, अभियांत्रिकी व्यवस्थापकांना AI अवलंबन आणि परिणामकारकता या दोन्हींबद्दल अधिक अंतर्दृष्टी प्रदान करण्यासाठी त्यांच्या कोडची गुणवत्ता आणि किंमत यावर विश्लेषण ऑफर करते.

ॲनालिटिक्स कंपन्यांना त्यांना सापडलेल्या समस्या हायलाइट करण्यासाठी प्रोत्साहन दिले जात असताना, मोठ्या संस्था अजूनही AI टूल्सचा कार्यक्षमतेने वापर कसा करायचा हे शोधत आहेत याचा पुरावा वाढत आहे. प्रमुख कंपन्या लक्ष देत आहेत — ॲटलासियनने DX या दुसऱ्या अभियांत्रिकी बुद्धिमत्ता स्टार्टअपला गेल्या वर्षी $1 बिलियनमध्ये विकत घेतले, जेणेकरुन त्याच्या ग्राहकांना कोडिंग एजंटवरील गुंतवणुकीवरील परतावा समजण्यास मदत होईल.

संपूर्ण उद्योगातील डेटा एक सुसंगत कथा सांगतो: अधिक कोड लिहीले जात आहेत, परंतु त्याचे प्रमाण जास्त नाही.

GitClearया जागेत दुसरी कंपनी, एक अहवाल प्रकाशित केला जानेवारीमध्ये एआय टूल्समुळे उत्पादकता वाढली, परंतु त्याचा डेटा देखील दर्शवितो की “नियमित AI वापरकर्त्यांनी त्यांच्या नॉन-एआय समकक्षांपेक्षा सरासरी 9.4x जास्त कोड मंथन केले” – प्रदान केलेल्या साधनांच्या उत्पादकतेपेक्षा दुप्पट.

Faros AI, एक अभियांत्रिकी विश्लेषण प्लॅटफॉर्म, त्याच्यासाठी दोन वर्षांचा ग्राहक डेटा काढला मार्च 2026 अहवाल. शोध: कोड मंथन — कोडच्या ओळी हटवल्या विरुद्ध ओळी जोडल्या गेल्या — उच्च AI अवलंबनांतर्गत 861% वाढ झाली आहे.

जेलीफिश, जे स्वतःला AI-एकात्मिक अभियांत्रिकीसाठी एक बुद्धिमत्ता व्यासपीठ म्हणून बिल करते, गोळा केलेला डेटा 2026 च्या पहिल्या तिमाहीत 7,548 अभियंत्यांवर. फर्मला आढळले की सर्वात मोठे टोकन बजेट असलेल्या अभियंत्यांनी सर्वाधिक पुल विनंत्या तयार केल्या (सामायिक केलेल्या कोडबेसमध्ये प्रस्तावित बदल), परंतु उत्पादकता सुधारणा मोठ्या प्रमाणात झाली नाही. त्यांनी टोकनच्या किंमतीच्या 10 पटीने दुप्पट थ्रूपुट प्राप्त केले. दुसऱ्या शब्दांत, साधने व्हॉल्यूम व्युत्पन्न करत आहेत, मूल्य नाही.

जेव्हा तुम्ही विकसकांशी बोलता तेव्हा या प्रकारची आकडेवारी खरी ठरते, ज्यांना कोड रिव्ह्यू आणि टेक्निकल डेट स्टॅक अप होत असल्याचे दिसून येते, जरी ते नवीन साधनांच्या स्वातंत्र्याचा आनंद घेतात. एक सामान्य शोध म्हणजे वरिष्ठ आणि कनिष्ठ अभियंत्यांमधील फरक, नंतरचे एआय-व्युत्पन्न कोड स्वीकारतात आणि परिणामी मोठ्या प्रमाणात पुनर्लेखन हाताळतात.

तरीही, डेव्हलपर त्यांचे एजंट नेमके काय करत आहेत हे समजून घेण्याचे काम करत असतानाही, ते लवकर परत येण्याची अपेक्षा करत नाहीत.

“हे सॉफ्टवेअर डेव्हलपमेंटचे एक नवीन युग आहे, आणि तुम्हाला परिस्थितीशी जुळवून घ्यावे लागेल आणि तुम्हाला कंपनी म्हणून जुळवून घेण्याची सक्ती केली जाईल,” सर्सीने रीडला सांगितले. “असे नाही की ते एक चक्र असेल जे निघून जाईल.”