V podnikovém nasazení to může znamenat zhruba 150–250 dolarů na vývojáře měsíčně před optimalizací.
Tato čísla se mohou zdát jednotlivě zvládnutelná. Ale v měřítku celé firmy – tisíce inženýrů používajících nástroj denně – se rychle nasčítají.
Zprávy tvrdí, že Uber zažil přesně tento problém poté, co plošně zavedl AI kódovací nástroje napříč svou inženýrskou organizací.
Podle několika zdrojů, které citují interní prohlášení technologického ředitele společnosti, Uber vyčerpal celý plánovaný rozpočet na AI nástroje pro rok 2026 už v dubnu, tedy za pouhé čtyři měsíce roku.
Hlavním důvodem byla explozivní adopce AI kódovacích nástrojů, zejména Claude Code od Anthropicu. Inženýři údajně začali nástroje používat mnohem rychleji, než finanční týmy modelovaly, což vedení donutilo přehodnotit své předpoklady o výdajích.
Tato epizoda ukazuje širší lekci: když tisíce inženýrů začnou používat AI systémy účtované za tokeny bez přísných kontrol, výdaje mohou růst mnohem rychleji, než se čekalo.
Zdá se, že Microsoft provádí jiný typ úpravy.
Podle zpráv společnost ruší většinu interních licencí na Claude Code a přesouvá vývojáře na své vlastní nástroje GitHub Copilot CLI.
Tato změna přichází jen několik měsíců poté, co Microsoft zpřístupnil Claude Code tisícům zaměstnanců, včetně inženýrů a produktových týmů.
Důležité je, že to neznamená, že by Microsoft AI kódování opouštěl. Spíše to naznačuje, že firmy mohou preferovat:
Jinými slovy, debata se méně točí kolem toho, zda je AI kódování užitečné, a více kolem toho, které nástroje dávají ekonomický smysl ve velkém měřítku.
Otázka nákladů by se snáze zodpovídala, kdyby byly přínosy pro produktivitu všeobecně jasné. Výzkum je však zatím smíšený.
Randomizovaná kontrolovaná studie výzkumné skupiny METR se zaměřila na zkušené vývojáře open-source softwaru používající špičkové AI kódovací nástroje. Studie zjistila, že vývojáři plnili úkoly asi o 19 % pomaleji, když byla povolena AI asistence, a to i přesto, že sami věřili, že pracují rychleji.
Výzkumníci naznačují, že režie spojená s ověřováním a laděním – kontrola kódu vygenerovaného AI na správnost – může vykompenzovat čas ušetřený při samotném generování kódu.
Jiné studie a údaje z průmyslu stále ukazují přínosy pro produktivitu v určitých situacích, zejména u jednoduchých úkolů nebo šablonovitého kódu. Výsledky se ale liší v závislosti na úrovni zkušeností vývojáře a složitosti projektu.
Střetávají se tři strukturální faktory:
Když se tyto síly spojí, firmy mohou zažít paradox: vývoj se zdá být rychlejší, ale celkové náklady na produkci softwaru mohou vzrůst.
Současný posun vypadá méně jako ústup od AI a spíše jako přechod od experimentování k řízení nákladů.
Mezi běžné reakce, které se v objevují, patří:
Stručně řečeno, první vlna podnikového nasazení AI kódování upřednostňovala rychlost a experimentování. Další vlna se pravděpodobně zaměří na kontrolu nákladů a návrh pracovních postupů.
AI kódovací asistenti se stále rychle šíří – ale firmy se nyní učí, že jejich škálování napříč tisíci vývojáři není jen technické rozhodnutí. Je to také rozhodnutí finanční.