Dalam penggunaan di peringkat perusahaan, ini boleh diterjemahkan kepada kira-kira $150–$250 bagi setiap pembangun setiap bulan sebelum sebarang pengoptimuman.

Jumlah itu mungkin kelihatan terkawal secara individu. Tetapi pada skala perusahaan—ribuan jurutera menggunakan alat tersebut setiap hari—jumlahnya cepat menjadi besar.

Kejutan belanjawan di Uber

Laporan mengatakan Uber mengalami masalah ini selepas melancarkan alat coding AI secara meluas di seluruh organisasi kejuruteraannya.

Menurut pelbagai laporan yang memetik kenyataan dalaman daripada CTO syarikat itu, Uber menghabiskan keseluruhan belanjawan alat AI 2026 yang dirancang menjelang April, hanya empat bulan dalam tahun tersebut.

Pendorong utama adalah penggunaan alat coding AI yang meletup, terutamanya Claude Code dari Anthropic. Jurutera didapati menggunakan alat tersebut jauh lebih cepat daripada yang dimodelkan oleh pasukan kewangan, memaksa pihak pengurusan untuk menilai semula andaian perbelanjaan.

Episod ini menonjolkan pengajaran yang lebih luas: apabila ribuan jurutera mula menggunakan sistem AI yang dicaj berdasarkan token tanpa kawalan penggunaan yang ketat, perbelanjaan boleh berkembang jauh lebih cepat daripada yang dijangkakan.

Peralihan Microsoft daripada Claude Code

Microsoft pula dilaporkan membuat pelarasan berbeza.

Laporan mengatakan syarikat itu membatalkan kebanyakan lesen Claude Code dalaman dan mengalihkan pembangun ke alat GitHub Copilot CLI mereka sendiri.

Perubahan ini dilaporkan berlaku hanya beberapa bulan selepas Microsoft memperluas akses Claude Code kepada ribuan pekerja, termasuk jurutera dan pasukan produk.

Penting untuk difahami, ini tidak bermakna Microsoft meninggalkan AI coding sepenuhnya. Sebaliknya, ia mencadangkan syarikat mungkin lebih suka:

• alat yang disepadukan rapat dengan platform pembangun sedia ada
• struktur kos yang lebih mudah diramal
• kawalan dalaman yang lebih besar terhadap penggunaan dan pengebilan

Dalam erti kata lain, perdebatan kini kurang tentang sama ada AI coding berguna dan lebih kepada alat mana yang masuk akal dari segi ekonomi pada skala besar.

Perdebatan produktiviti masih belum selesai

Persoalan kos akan lebih mudah dijawab jika keuntungan produktiviti adalah jelas secara universal. Tetapi penyelidikan setakat ini bercampur-campur.

Satu percubaan terkawal rawak oleh kumpulan penyelidikan METR mengkaji pembangun sumber terbuka yang berpengalaman menggunakan alat AI coding terkini. Kajian mendapati bahawa pembangun menyelesaikan tugas kira-kira 19% lebih perlahan apabila bantuan AI dibenarkan, walaupun mereka percaya mereka bekerja lebih pantas.

Penyelidik mencadangkan bahawa overhed pengesahan dan penyahpepijatan—memeriksa kod yang dijana AI untuk ketepatan—boleh mengimbangi sebahagian masa yang dijimatkan semasa penjanaan kod.

Kajian lain dan data industri masih menunjukkan keuntungan produktiviti dalam situasi tertentu, terutamanya untuk tugasan mudah atau kod templat. Tetapi keputusan berbeza bergantung pada tahap pengalaman pembangun dan kerumitan projek.

Mengapa naratif “AI menjadikan perisian lebih murah” adalah rumit

Tiga faktor struktur sedang bertembung:

1. Penggunaan yang meletup. Alat bantuan AI coding dengan cepat menjadi alat rutin untuk pembangun di pelbagai organisasi.
2. Harga berdasarkan penggunaan. Pengebilan token bermakna kos meningkat secara langsung dengan aktiviti, bukan bilangan tempat duduk.
3. Keuntungan produktiviti yang tidak sekata. Sesetengah pembangun bergerak lebih pantas, tetapi yang lain menghabiskan lebih banyak masa menyemak dan membetulkan output AI.

Apabila faktor-faktor ini bergabung, syarikat mungkin melihat paradoks: pembangunan terasa lebih pantas, tetapi jumlah kos menghasilkan perisian boleh meningkat.

Apa yang sedang dilakukan oleh perusahaan

Peralihan semasa kelihatan kurang seperti pengunduran daripada AI dan lebih seperti peralihan daripada eksperimen kepada tadbir urus kos.

Tindakan biasa yang muncul di seluruh industri termasuk:

• menetapkan had perbelanjaan AI setiap pasukan
• menyekat model yang paling mahal
• mengoptimumkan arahan dan saiz konteks untuk mengurangkan penggunaan token
• menyatukan alat ke satu platform

Pendek kata, gelombang pertama penggunaan AI coding perusahaan mengutamakan kelajuan dan eksperimen. Gelombang seterusnya kemungkinan akan memberi tumpuan kepada kawalan kos dan reka bentuk aliran kerja.

Alat bantuan AI coding masih merebak dengan pantas—tetapi syarikat kini belajar bahawa menskalakannya merentasi ribuan pembangun bukan sekadar keputusan teknikal. Ia juga keputusan kewangan.

Dalam penggunaan di peringkat perusahaan, ini boleh diterjemahkan kepada kira-kira $150–$250 bagi setiap pembangun setiap bulan sebelum sebarang pengoptimuman.

Jumlah itu mungkin kelihatan terkawal secara individu. Tetapi pada skala perusahaan—ribuan jurutera menggunakan alat tersebut setiap hari—jumlahnya cepat menjadi besar.

Kejutan belanjawan di Uber

Laporan mengatakan Uber mengalami masalah ini selepas melancarkan alat coding AI secara meluas di seluruh organisasi kejuruteraannya.

Menurut pelbagai laporan yang memetik kenyataan dalaman daripada CTO syarikat itu, Uber menghabiskan keseluruhan belanjawan alat AI 2026 yang dirancang menjelang April, hanya empat bulan dalam tahun tersebut.

Pendorong utama adalah penggunaan alat coding AI yang meletup, terutamanya Claude Code dari Anthropic. Jurutera didapati menggunakan alat tersebut jauh lebih cepat daripada yang dimodelkan oleh pasukan kewangan, memaksa pihak pengurusan untuk menilai semula andaian perbelanjaan.

Episod ini menonjolkan pengajaran yang lebih luas: apabila ribuan jurutera mula menggunakan sistem AI yang dicaj berdasarkan token tanpa kawalan penggunaan yang ketat, perbelanjaan boleh berkembang jauh lebih cepat daripada yang dijangkakan.

Peralihan Microsoft daripada Claude Code

Microsoft pula dilaporkan membuat pelarasan berbeza.

Laporan mengatakan syarikat itu membatalkan kebanyakan lesen Claude Code dalaman dan mengalihkan pembangun ke alat GitHub Copilot CLI mereka sendiri.

Perubahan ini dilaporkan berlaku hanya beberapa bulan selepas Microsoft memperluas akses Claude Code kepada ribuan pekerja, termasuk jurutera dan pasukan produk.

Penting untuk difahami, ini tidak bermakna Microsoft meninggalkan AI coding sepenuhnya. Sebaliknya, ia mencadangkan syarikat mungkin lebih suka:

• alat yang disepadukan rapat dengan platform pembangun sedia ada
• struktur kos yang lebih mudah diramal
• kawalan dalaman yang lebih besar terhadap penggunaan dan pengebilan

Dalam erti kata lain, perdebatan kini kurang tentang sama ada AI coding berguna dan lebih kepada alat mana yang masuk akal dari segi ekonomi pada skala besar.

Perdebatan produktiviti masih belum selesai

Persoalan kos akan lebih mudah dijawab jika keuntungan produktiviti adalah jelas secara universal. Tetapi penyelidikan setakat ini bercampur-campur.

Satu percubaan terkawal rawak oleh kumpulan penyelidikan METR mengkaji pembangun sumber terbuka yang berpengalaman menggunakan alat AI coding terkini. Kajian mendapati bahawa pembangun menyelesaikan tugas kira-kira 19% lebih perlahan apabila bantuan AI dibenarkan, walaupun mereka percaya mereka bekerja lebih pantas.

Penyelidik mencadangkan bahawa overhed pengesahan dan penyahpepijatan—memeriksa kod yang dijana AI untuk ketepatan—boleh mengimbangi sebahagian masa yang dijimatkan semasa penjanaan kod.

Kajian lain dan data industri masih menunjukkan keuntungan produktiviti dalam situasi tertentu, terutamanya untuk tugasan mudah atau kod templat. Tetapi keputusan berbeza bergantung pada tahap pengalaman pembangun dan kerumitan projek.

Mengapa naratif “AI menjadikan perisian lebih murah” adalah rumit

Tiga faktor struktur sedang bertembung:

1. Penggunaan yang meletup. Alat bantuan AI coding dengan cepat menjadi alat rutin untuk pembangun di pelbagai organisasi.
2. Harga berdasarkan penggunaan. Pengebilan token bermakna kos meningkat secara langsung dengan aktiviti, bukan bilangan tempat duduk.
3. Keuntungan produktiviti yang tidak sekata. Sesetengah pembangun bergerak lebih pantas, tetapi yang lain menghabiskan lebih banyak masa menyemak dan membetulkan output AI.

Apabila faktor-faktor ini bergabung, syarikat mungkin melihat paradoks: pembangunan terasa lebih pantas, tetapi jumlah kos menghasilkan perisian boleh meningkat.

Apa yang sedang dilakukan oleh perusahaan

Peralihan semasa kelihatan kurang seperti pengunduran daripada AI dan lebih seperti peralihan daripada eksperimen kepada tadbir urus kos.

Tindakan biasa yang muncul di seluruh industri termasuk:

• menetapkan had perbelanjaan AI setiap pasukan
• menyekat model yang paling mahal
• mengoptimumkan arahan dan saiz konteks untuk mengurangkan penggunaan token
• menyatukan alat ke satu platform

Pendek kata, gelombang pertama penggunaan AI coding perusahaan mengutamakan kelajuan dan eksperimen. Gelombang seterusnya kemungkinan akan memberi tumpuan kepada kawalan kos dan reka bentuk aliran kerja.

Alat bantuan AI coding masih merebak dengan pantas—tetapi syarikat kini belajar bahawa menskalakannya merentasi ribuan pembangun bukan sekadar keputusan teknikal. Ia juga keputusan kewangan.