„ტოკენმაქსინგი“: რატომ აფერხებს ხელოვნური ინტელექტი დეველოპერების რეალურ პროდუქტიულობას

მენეჯმენტში არსებობს ძველი გამონათქვამი: „მნიშვნელოვანია ის, რასაც ზომავ“. როგორც წესი, რასაც ზომავთ, იმასვე იღებთ მეტი რაოდენობით. პროგრამული უზრუნველყოფის ინჟინრები ათწლეულების განმავლობაში კამათობდნენ პროდუქტიულობის საზომებზე, დაწყებული კოდის სტრიქონების რაოდენობით. თუმცა, ხელოვნური ინტელექტის (AI) ახალი თაობის აგენტების გამოჩენასთან ერთად, რომლებიც იმაზე მეტ კოდს ქმნიან, ვიდრე ოდესმე, მენეჯერებისთვის სულ უფრო ბუნდოვანი ხდება, თუ რა უნდა იყოს რეალური საზომი ერთეული.

ტოკენების უზარმაზარი ბიუჯეტი — ანუ AI დამუშავების სიმძლავრე, რომლის გამოყენების უფლებაც დეველოპერს აქვს — სილიკონის ველის პროგრამისტებს შორის ერთგვარ საამაყო ნიშნად იქცა. თუმცა, პროდუქტიულობაზე ასეთი ფიქრი საკმაოდ უცნაურია. პროცესის „ინპუტის“ (შესავალი მონაცემების) გაზომვას ნაკლები აზრი აქვს მაშინ, როდესაც მთავარი ინტერესის საგანი „აუთფუთი“ (შედეგი) უნდა იყოს. ეს მიდგომა შეიძლება გამართლებული იყოს AI-ს დანერგვის წახალისებისთვის ან ტოკენების გაყიდვისთვის, მაგრამ არა ეფექტურობის გაზრდის მიზნით.

კომპანიები, რომლებიც დეველოპერების პროდუქტიულობის ანალიტიკაზე მუშაობენ, საინტერესო ტენდენციებს აფიქსირებენ. მონაცემები აჩვენებს, რომ დეველოპერები, რომლებიც იყენებენ ისეთ ინსტრუმენტებს, როგორიცაა Claude Code, Cursor და Codex, გაცილებით მეტ კოდს აგენერირებენ, ვიდრე ადრე. თუმცა, ინჟინრებს ამ კოდის გადასამუშავებლად დაბრუნება ბევრად უფრო ხშირად უწევთ, რაც ეჭვქვეშ აყენებს გაზრდილი პროდუქტიულობის შესახებ არსებულ მოსაზრებებს.

კოდის მიღების მაჩვენებელი და რეალური „ჩერნი“ (Churn)

Alex Circei, კომპანია Waydev-ის დამფუძნებელი და აღმასრულებელი დირექტორი, ქმნის ინტელექტუალურ პლატფორმას ამ დინამიკის სათვალთვალოდ. მისი ფირმა მუშაობს 50 სხვადასხვა კლიენტთან, რომლებიც ჯამში 10,000-ზე მეტ პროგრამულ ინჟინერს ასაქმებენ. Circei-ს თქმით, საინჟინრო მენეჯერები ხედავენ კოდის მიღების 80%-დან 90%-მდე მაჩვენებელს — რაც ნიშნავს AI-ს მიერ გენერირებული კოდის იმ წილს, რომელსაც დეველოპერები თავდაპირველად ამტკიცებენ და ინახავენ.

თუმცა, მენეჯერებს მხედველობიდან რჩებათ ე.წ. „ჩერნი“ (churn) — კოდის ცვლილებისა და გადაკეთების პროცესი, რომელიც მომდევნო კვირებში ხდება. ეს პროცესი რეალურ მიღების მაჩვენებელს გენერირებული კოდის 10%-დან 30%-მდე ამცირებს. AI ინსტრუმენტების ზრდამ აიძულა Waydev, რომელიც 2017 წელს დაარსდა, ბოლო ექვსი თვის განმავლობაში სრულად გადაემუშავებინა თავისი პლატფორმა. ახლა კომპანია უშვებს ახალ ინსტრუმენტებს, რომლებიც აკონტროლებენ AI აგენტების მიერ გენერირებულ მეტამონაცემებს და მენეჯერებს აწვდიან ანალიტიკას კოდის ხარისხსა და ღირებულებაზე.

ინდუსტრიის მასშტაბური მონაცემები

მტკიცებულებები იმის შესახებ, რომ მსხვილი ორგანიზაციები ჯერ კიდევ სწავლობენ AI ინსტრუმენტების ეფექტურ გამოყენებას, სულ უფრო იზრდება. მსხვილი კომპანიები ამას ამჩნევენ — მაგალითად, Atlassian-მა გასულ წელს 1 მილიარდ დოლარად შეიძინა სტარტაპი DX, რათა დაეხმაროს კლიენტებს AI აგენტების ინვესტიციის უკუგების (ROI) გაგებაში. ინდუსტრიის სხვადასხვა წყაროდან მიღებული მონაცემები ერთსა და იმავე ისტორიას ყვება: იწერება მეტი კოდი, მაგრამ მისი დიდი ნაწილი უხარისხოა.

• GitClear: იანვარში გამოქვეყნებული ანგარიშის მიხედვით, AI ინსტრუმენტებმა გაზარდეს პროდუქტიულობა, თუმცა მონაცემებმა აჩვენა, რომ AI-ს რეგულარულ მომხმარებლებს 9.4-ჯერ მაღალი კოდის „ჩერნი“ ჰქონდათ, ვიდრე მათ, ვინც AI-ს არ იყენებდა. ეს მაჩვენებელი ორჯერ აღემატება თავად ინსტრუმენტების მიერ მოტანილ პროდუქტიულობის ზრდას.
• Faros AI: საინჟინრო ანალიტიკის პლატფორმამ 2026 წლის მარტის ანგარიშში აღნიშნა, რომ კოდის „ჩერნი“ (წაშლილი სტრიქონების რაოდენობა დამატებულთან შედარებით) 861%-ით გაიზარდა AI-ს აქტიური გამოყენების პირობებში.
• Jellyfish: 2026 წლის პირველ კვარტალში 7,548 ინჟინრის მონაცემების საფუძველზე დადგინდა, რომ ყველაზე დიდი ტოკენების ბიუჯეტის მქონე ინჟინრები ყველაზე მეტ Pull Request-ს (კოდში ცვლილების შეტანის მოთხოვნა) ქმნიდნენ, თუმცა პროდუქტიულობის გაუმჯობესება პროპორციული არ იყო. მათ მიაღწიეს ორმაგ წარმადობას ტოკენების ათმაგი ხარჯის ფასად.

სხვა სიტყვებით რომ ვთქვათ, ინსტრუმენტები ქმნიან მოცულობას და არა ღირებულებას. ეს სტატისტიკა ემთხვევა დეველოპერების რეალურ გამოცდილებას, რომლებიც ხედავენ, რომ კოდის რევიზია და ტექნიკური ვალი (technical debt) გროვდება, მიუხედავად იმისა, რომ ისინი სარგებლობენ ახალი ხელსაწყოების თავისუფლებით.

გამოცდილების დონე და მომავლის პერსპექტივა

კვლევებმა გამოკვეთა განსხვავება უფროს (senior) და უმცროს (junior) ინჟინრებს შორის. უმცროსი სპეციალისტები გაცილებით მეტ AI-გენერირებულ კოდს იღებენ კრიტიკის გარეშე, რის შედეგადაც მათ მოგვიანებით გაცილებით მეტი სამუშაოს გადაკეთება უწევთ. მიუხედავად ამ სირთულეებისა, დეველოპერები უკან დახევას არ აპირებენ.

„ეს პროგრამული უზრუნველყოფის შემუშავების ახალი ეპოქაა. თქვენ უნდა მოერგოთ მას და კომპანია იძულებულია მოერგოს. ეს არ არის დროებითი ციკლი, რომელიც უბრალოდ ჩაივლის“, — აცხადებს Circei.