Ayon sa mga dayuhang midya, ang mga AI tool para sa pag-program ay naging “default configuration” sa mga koponan ng pag-unlad, ngunit ang mga optimistiko mong inaasahang pagtaas ng efficiency ay binabalik sa katotohanan dahil sa mas maraming gastos at mga problema sa kalidad. Iba’t ibang pag-aaral at mga kaso ng kumpanya ay nagpapakita na ang AI ay talagang nakakatulong na mabilisang isulat ang code, ngunit hindi naman ito siguradong nakakabawas sa mga susunod na pagbabago.
Ayaw na ng developer na umalis sa AI
Inilah ng research institution na METR noong Pebrero ng taong ito na ang mga siyentipiko ay naisulat ulit ang isang eksperimento tungkol sa pagiging epektibo sa pagpapatakbo, na kumukumpara sa pagkakasulat ng code ng mga developer sa kamay at sa pamamagitan ng AI, ngunit nagkaroon ng pagtutol sa proseso: maraming developer ay hindi kahit pa pansamantala ay willing magpahinga sa mga AI tool.
Ginawa na ng METR ang kaugnay na pagsubok noong 2025. Ang mga kalahok ay naramdaman na mas mataas ang kanilang efisensiya, ngunit ang mga pagsusuri ay nagpakita ng kabaligtaran: bagaman mas mabilis ang paggawa ng code, mas maraming oras ang mga developer ay iniiwan upang hintayin ang output ng modelo, ayusin ang mga kamalian, at paulit-ulit na gabayan ang tool upang matapos ang gawain.
Dahil sa hirap na pagpapanatili ng mga developer na makikilahok nang walang AI, binago ng METR ang paraan at inilabas ang isang survey upang hayaan ang mga teknikal na empleyado na mag-evaluate ng kanilang sariling kinalabasan mula sa AI. Ang mga sumagot ay karaniwang naniniwala na nagdulot ang AI ng pagdoble sa kanilang halaga sa trabaho.
Ang mga kumpanya ay muling tinatalakay ang kanilang pag-invest sa AI
Ang artikulo ay nagtuturo na ang mga ganyang "pagkakaroon ng mas mataas na epektibidad" ay nagsisimulang masubok ng gastos ng mga kumpanya at tunay na output. Mula noong 2026, ang paggamit ng bilang ng token bilang sukat ng intensidad ng paggamit ng AI, kahit na isang proxy para sa produktibidad, ay naging populer sa Silicon Valley, ngunit ang paraang ito ay nagsimulang magdulot ng malaking negatibong epekto.
Inilah ng Financial Times ng UK na isara ng Amazon ang loob na token ranking na Kirorank dahil sa mga empleyado na gumamit ng sobrang pag-call sa AI agents upang “manipula ang listahan,” na nagdulot ng pagtaas ng gastos nang walang kaakibat na pagpapabuti sa output.
Ibinigay ng The Information na ginamit ng Uber ang buong taong budget para sa AI sa unang apat na buwan ng 2026. Sinabi ng pangunahing opisyal ng operasyon ng kumpanya, Andrew Macdonald, sa isang podcast na ang mga gastos na ito ay hindi pa nagdulot ng masukat na paglago ng proyekto o pagtaas ng produktibidad.
Mas mabilis mag-code ay hindi katumbas ng mas kaunting pagpapanatili
Sa artikulo, ang mas malaking problema ay ang pagpapanatili ng code. Si James Shore, isang programmer at may-akda, ay nagpaalala sa isang blog post na malawakang na-share kahit recent na, na kung ang bilis ng pagsusulat ng code ay dumoble, ngunit hindi bumaba ang gastos sa pagpapanatili, ang team ay nagpalit lamang ng mabilis na pag-unlad para sa matagalang bigat.
Tungkol dito, mayroon nang maraming data sa merkado. Sinabi ni Aiswarya Sankar, tagapagtatag ng Entelligence AI, isang kumpanyang nagsisimula sa reliability engineering, na ang 44% ng paggamit ng token ng mga kumpanya ay ginagamit para sa pagpapabuti sa mga defekto na nilikha ng AI. Sinabi rin ng Code Rabbit, isang kumpanya ng code review tool, na ang kanilang pagsusuri sa mga pull request ng open-source project ay nagpapakita na ang bilang ng mga problema na dulot ng AI-generated code ay 1.7 beses ang dami kaysa sa human-generated code.
Kahit na ang mga datos na ito ay galing sa mga kaugnay na service provider at may malinaw na mga salik ng pananaw, ang mga independiyenteng pag-aaral ay nagbigay rin ng katulad na babala. Ipinahayag ng mga mananaliksik mula sa Singapore Management University noong Abril ng taong ito na ang AI-generated code ay maaaring magdulot ng matagalang gastos sa pagpapanatili sa mga totoong software project.
Rekomendahin ng mga mananaliksik na pamahalaan ang AI bilang "junior developer"
Tungkol sa paano makikibagay, sinipi ng artikulo na ilang mga tagapag-provide ng AI programming agent ay nagsuhestyon na patuloy na gamitin ang higit pang AI upang ayusin ang mga problema na nilikha ng AI. Si Scott Wu, ang tagapagtatag ng Cognition, ang developer ng AI programming agent na Devin, ay may paniniwala na iyon.
Gayunpaman, kilala rin niya na ang Devin ay kahit na kayang makumpleto ang ilang mga gawain nang mag-isa, ang kasalukuyang kakayahan nito ay nasa antas ng junior hanggang intermediate programmer, depende sa uri ng gawain. Ibig sabihin nito, hindi pa kayang buong-buo na ipagkaloob ng koponan sa agent at magpahinga.
Kumpara sa iyo, ang rekomendasyon ng mga siyentipiko ng Singapore Management University ay mas nakatuon sa tao na magmungkahi: kailangan ng mga developer na malinaw ang hangganan kung ano ang kayang gawin at hindi kayang gawin ng AI, magtatag ng proseso para sa kalidad ng output ng AI, at suriin ang mga resultang nilikha ng modelo tulad ng pagmumungkahi sa code ng mga junior engineer.
Ang huling bahagi ng artikulo ay nagtuturo na sa mga mataas na antas ng trabaho tulad ng software architecture at security design, ang mga human developer ay patuloy na pangunahing tagapagdesisyon—isang pananaw na tinatanggap ng mga propesyonal na sumusuporta sa AI agents.