Custos de programação por IA superarão o salário de um desenvolvedor, diz Gartner

Até 2028, os custos de codificação por IA superarão o salário médio do desenvolvedor humano devido ao aumento no consumo de tokens de grandes modelos de linguagem (LLM) e à transição para modelos de licenciamento baseados em consumo, segundo o Gartner, empresa global de insights de negócios e tecnologia.

Tokens de IA são as unidades de dados processadas por modelos de IA Generativa. O consumo de tokens impacta diretamente o custo das ferramentas de codificação por IA, especialmente sob estruturas de precificação baseadas no consumo.

“As organizações estão avançando rapidamente da experimentação para a implementação em escala de agentes de codificação de IA, mas muitas estão subestimando o impacto financeiro do aumento do consumo de tokens”, disse Nitish Tyagi, analista principal sênior do Gartner. “A disciplina dos tokens não surgirá apenas pela escolha do desenvolvedor, pois os desenvolvedores tendem a otimizar para velocidade e conveniência em vez de eficiência de custos. Sem um modelo operacional de engenharia governado, os custos podem escalar mais rápido do que os ganhos de produtividade que essas ferramentas foram projetadas para proporcionar”, comentou.

Precificação baseada no consumo introduz desafios de previsibilidade de custos

A transição do licenciamento baseado em assentos para a precificação baseada em consumo entre fornecedores de agentes de codificação de IA está introduzindo estruturas de custo altamente variáveis para cargas de trabalho de engenharia de software. Muitos fornecedores carecem de transparência sobre como o consumo de tokens é calculado e faturado, limitando a capacidade das empresas de prever e controlar custos com precisão.

Sem uma visibilidade clara do uso de tokens em todas as tarefas de desenvolvimento, as organizações correm riscos de estouros orçamentários e redução da capacidade de acompanhar os resultados custo-valor.

“A maioria das organizações ainda carece da maturidade e dos frameworks para medir efetivamente custo versus impacto no negócio”, disse Tyagi. “Líderes em engenharia de software estão cada vez mais preocupados à medida que o gasto com IA orientado a tokens se torna mais difícil de justificar, com orçamentos frequentemente sendo esgotados antes do esperado”, observou.

Padrões de uso e lacunas de governança estão impulsionando a pressão de custos

Além dos desafios de preços e visibilidade, a forma como os agentes de codificação por IA são usados nas organizações está aumentando ainda mais as pressões de custo. O gasto excessivo com tokens está frequentemente ligado à forma como líderes de engenharia de software governam o uso, com modos comuns de falha incluindo autonomia não governada em fluxos de trabalho orientados por agentes, janelas de contexto inchadas e ausência de mecanismos estruturados de feedback para otimizar o uso.

Além disso, os fornecedores de codificação por IA ainda não entregaram capacidades maduras e embutidas de otimização de custos em agentes de codificação de IA, contribuindo ainda mais para a escalada de custos.

“Os custos de codificação em IA continuarão a crescer à medida que os desafios de investimento em infraestrutura e lucratividade elevam os preços dos modelos”, disse Tyagi. “Ao mesmo tempo, à medida que mais desenvolvedores adotam ferramentas de IA, espera-se que usuários leves rapidamente se tornem usuários comuns, à medida que a familiaridade e a dependência aumentam, impulsionando ainda mais o crescimento no consumo de tokens e nos gastos gerais.”

Para gerenciar custos crescentes e evitar estouros orçamentários, o Gartner recomenda que líderes de engenharia de software implementem um modelo operacional disciplinado para o uso da IA:

Estabeleça um modelo de decisão orientado para casos de uso: as organizações devem definir claramente quando agentes de codificação de IA devem ser usados e determinar níveis apropriados de autonomia para cada tarefa. Isso inclui classificar as tarefas de desenvolvimento em três modelos de execução: liderados pelo desenvolvedor, desenvolvedores com agente e totalmente liderados pelo agente.

Alinhe a seleção do modelo com a complexidade da tarefa: agentes de codificação de IA são mais econômicos quando o trabalho é dividido em tarefas menores que podem ser realizadas por modelos menores, com escalonamento apenas quando a complexidade exige. Equipes de engenharia e plataforma devem implementar estratégias inteligentes de roteamento de modelos que direcionem tarefas mais simples e de alta frequência para modelos menores, reservando modelos fronteiriços para trabalhos complexos e de alto valor de desenvolvimento.

Exigir práticas de engenharia de contexto: os desenvolvedores devem ser treinados para otimizar o contexto de entrada fornecido aos sistemas de IA, incluindo apenas informações relevantes, resumindo o conteúdo sempre que possível e eliminando dados desnecessários para reduzir o consumo de tokens sem comprometer a qualidade da saída.

Implementar governança e controles de custos: as organizações devem introduzir mecanismos como limiares de tokens, políticas de escalonamento e monitoramento automatizado para gerenciar o uso. Incorporar esses controles nos fluxos de trabalho de engenharia garante consistência e evita o crescimento descontrolado dos custos.

Incorpore avaliações de uso de tokens nos ciclos de desenvolvimento: os líderes devem exigir revisões regulares de fluxos de trabalho que consomem muitos tokens como parte das retrospectivas de sprint para identificar ineficiências, aprimorar práticas e promover o compartilhamento de conhecimento entre as equipes de engenharia.

Serviço
www.gartner.com