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。”