Η νέα μόδα της «tokenmaxxing» κουλτούρας στις ομάδες ανάπτυξης λογισμικού φουσκώνει τεχνητά την παραγωγή κώδικα. Τα δεδομένα δείχνουν ότι το πραγματικό όφελος από τα AI εργαλεία είναι πολύ χαμηλότερο από όσο πιστεύουν οι μάνατζερ.
Η είσοδος των AI coding agents υπόσχεται επανάσταση στην παραγωγικότητα των προγραμματιστών. Ωστόσο, μια νέα γενιά εργαλείων analytics και μελετών δείχνει ότι η εμμονή με τα «tokens» –δηλαδή τον υπολογιστικό χρόνο που καταναλώνουν τα μοντέλα– δημιουργεί μια επικίνδυνη ψευδαίσθηση αποδοτικότητας. Περισσότερος κώδικας παράγεται, αλλά μεγάλο μέρος του γρήγορα ξαναγράφεται ή απορρίπτεται, με σημαντικό κόστος.
Όταν το input γίνεται αυτοσκοπός
Στη Silicon Valley, οι γενναιόδωροι προϋπολογισμοί tokens έχουν εξελιχθεί σε άτυπο «σήμα κύρους» για developers και ομάδες. Όμως η μέτρηση ενός input –του πόσα tokens ξοδεύει μια ομάδα– ελάχιστα λέει για το output που πραγματικά μετρά: σταθερό, ασφαλή και συντηρήσιμο κώδικα. Η κουλτούρα αυτή ευνοεί την υιοθέτηση AI εργαλείων και όσους τα πουλάνε, όχι απαραίτητα την επιχειρησιακή αποδοτικότητα.
Εταιρείες όπως η Waydev, που ειδικεύονται σε analytics παραγωγικότητας προγραμματιστών, καταγράφουν εντυπωσιακά ποσοστά αρχικής αποδοχής AI κώδικα, της τάξης του 80%-90%. Ωστόσο, όταν αναλυθεί η «φθορά» αυτού του κώδικα τις επόμενες εβδομάδες –οι διορθώσεις, οι διαγραφές και τα rewrites– η πραγματική αποδοχή πέφτει σε μόλις 10%-30%. Με άλλα λόγια, μεγάλο μέρος του AI κώδικα δεν «αντέχει» στην πράξη.
Η εκρηκτική άνοδος του code churn
Τα δεδομένα από πολλαπλές πλατφόρμες convergent δείχνουν ένα ανησυχητικά συνεπές μοτίβο: ναι, η παραγωγή κώδικα αυξάνεται, αλλά το λεγόμενο code churn –οι γραμμές που διαγράφονται ή ξαναγράφονται– εκτοξεύεται. Αναλύσεις από εταιρείες όπως GitClear και Faros AI δείχνουν ότι οι τακτικοί χρήστες AI παράγουν πολλαπλάσιο κώδικα, αλλά με έως και 9,4 φορές υψηλότερο churn και αυξήσεις της τάξης εκατοντάδων τοις εκατό στις διαγραφές κώδικα.
Η Jellyfish, που παρακολούθησε χιλιάδες μηχανικούς, κατέγραψε ότι όσοι διέθεταν τους μεγαλύτερους προϋπολογισμούς tokens παρήγαγαν μεν τις περισσότερες αλλαγές κώδικα (pull requests), αλλά η κλιμάκωση της παραγωγικότητας ήταν απογοητευτική: περίπου διπλάσιο throughput με δεκαπλάσιο κόστος σε tokens. Η διαφορά όγκου και αξίας είναι σαφής – τα εργαλεία παράγουν «όγκο», όχι απαραίτητα επιχειρησιακό αποτέλεσμα.
Οι επιπτώσεις στη διοίκηση τεχνολογίας
Η στροφή μεγάλων ομίλων προς πλατφόρμες «engineering intelligence» δεν είναι τυχαία. Η εξαγορά της DX από την Atlassian έναντι 1 δισ. δολαρίων υπογραμμίζει πόσο κρίσιμο θεωρείται πλέον να μετράται η πραγματική απόδοση επένδυσης στα AI εργαλεία ανάπτυξης. Παράλληλα, εταιρείες όπως η Waydev αναγκάζονται να ανασχεδιάσουν πλήρως τα προϊόντα τους ώστε να παρακολουθούν όχι μόνο τον άνθρωπο προγραμματιστή, αλλά και τη «συμπεριφορά» των AI agents.
Στο επίπεδο των ομάδων, προκύπτει και μια σημαντική διαφοροποίηση εμπειρίας: οι νεότεροι προγραμματιστές τείνουν να αποδέχονται πολύ μεγαλύτερο ποσοστό AI κώδικα, με αποτέλεσμα να εγκλωβίζονται αργότερα σε κύματα διορθώσεων και τεχνικού χρέους. Οι πιο έμπειροι είναι πιο φειδωλοί στην αποδοχή, αλλά αυτό συχνά δεν αποτυπώνεται σωστά σε απλοϊκά KPIs που μετρούν μόνο όγκο παραγωγής.
Από την υιοθέτηση στην ωρίμανση
Παρά τα προβλήματα, κανείς στον κλάδο δεν θεωρεί ότι η χρήση AI στην ανάπτυξη λογισμικού είναι μια παροδική μόδα. Αντίθετα, διαμορφώνεται μια νέα κανονικότητα όπου οι εταιρείες καλούνται να περάσουν από τον ενθουσιασμό της υιοθέτησης στην πειθαρχία της μέτρησης ουσιαστικών αποτελεσμάτων: ποιότητα κώδικα, σταθερότητα, χρόνος επίλυσης σφαλμάτων, τεχνικό χρέος.
Για τις επιχειρήσεις –στην Ελλάδα και διεθνώς– το μήνυμα είναι σαφές: τα AI εργαλεία ανάπτυξης δεν είναι αυτόματα συνώνυμα με παραγωγικότητα. Χρειάζεται νέα γενιά δεικτών, governance και κουλτούρας ώστε η επένδυση σε tokens να μεταφράζεται σε πραγματική επιχειρησιακή αξία και όχι σε ακριβό, εύθραυστο κώδικα.
Σχόλιο 
: Η συζήτηση γύρω από την «tokenmaxxing» κουλτούρα είναι προειδοποίηση για τις διοικήσεις: η τεχνητή νοημοσύνη δεν υποκαθιστά τη διοικητική κρίση. Όποιος μετρά μόνο όγκο κώδικα και κατανάλωση tokens, κινδυνεύει να επενδύει σε φούσκα παραγωγικότητας, φορτώνοντας την εταιρεία με τεχνικό χρέος και κρυφό κόστος συντήρησης. Η πραγματική αξία θα κριθεί από όσους καταφέρουν να συνδυάσουν AI, έμπειρους μηχανικούς και έξυπνα KPIs που ανταμείβουν τη βιώσιμη ποιότητα, όχι τον θόρυβο.
#τεχνητήνοημοσύνη #παραγωγικότητα #λογισμικό #AI
