Custos de codificação com inteligência artificial podem ultrapassar salário médio de desenvolvedores até 2028
Custos de codificação com inteligência artificial devem ultrapassar salários de desenvolvedores até 2028.
Os custos relacionados à codificação com inteligência artificial (IA) estão projetados para exceder o salário médio de um desenvolvedor até 2028. Esse aumento é impulsionado pelo crescimento no consumo de tokens por Grandes Modelos de Linguagem (LLMs) e pela transição de fornecedores para modelos de licenciamento baseados em uso.
Tokens de IA são unidades de dados processadas por modelos de Inteligência Artificial Generativa (GenAI). O volume de tokens consumidos nas ferramentas de codificação impacta diretamente os custos, especialmente em modelos de cobrança que dependem do uso efetivo.
As organizações estão avançando rapidamente da fase de experimentação para a implementação em larga escala de agentes de codificação baseados em IA. Contudo, muitas delas subestimam o impacto financeiro do aumento no consumo de tokens. A falta de disciplina no uso desses tokens não é apenas uma questão de escolha dos desenvolvedores, que frequentemente priorizam velocidade e conveniência em detrimento da eficiência de custos.
A mudança de modelos de licenciamento por usuário para formatos baseados no consumo tem tornado os gastos com engenharia de software mais variáveis e difíceis de prever. Muitos fornecedores de agentes de codificação com IA ainda não oferecem transparência suficiente sobre como o consumo de tokens é calculado e cobrado.
Sem uma visão clara do uso de tokens em diferentes etapas do desenvolvimento, as empresas correm o risco de ultrapassar orçamentos e perder a capacidade de medir a relação entre custo e valor gerado.
A maioria das organizações ainda não possui a maturidade necessária para medir efetivamente os custos em relação ao impacto nos negócios. Os líderes em engenharia de software estão cada vez mais preocupados, já que os gastos com IA baseados em consumo de tokens se tornam mais difíceis de justificar, resultando em orçamentos frequentemente consumidos antes do previsto.
Além da questão da precificação e da falta de visibilidade, os padrões de uso dos agentes de codificação também ampliam a pressão sobre os custos. Gastos excessivos com tokens estão frequentemente associados à ausência de governança em fluxos de trabalho orientados por agentes e à falta de mecanismos estruturados de feedback para otimizar a utilização.
Outro fator que contribui para a escalada dos gastos é a ausência de recursos maduros e nativos de otimização de custos nos agentes de codificação com IA.
Os custos da codificação com IA continuarão a aumentar à medida que os investimentos em infraestrutura e os desafios de rentabilidade pressionarem os preços dos modelos. Com a crescente adoção de ferramentas de IA, usuários ocasionais tendem a se tornar usuários frequentes, aumentando ainda mais o consumo de tokens.
Para evitar estouros de orçamento, recomenda-se que líderes de engenharia de software adotem um modelo operacional disciplinado para o uso de IA. Isso inclui a criação de um framework de decisão orientado por casos de uso, definindo claramente quando os agentes de codificação devem ser acionados e qual nível de autonomia é apropriado para cada tarefa.
É aconselhável alinhar a escolha dos modelos à complexidade das atividades. Tarefas menores e recorrentes podem ser direcionadas a modelos menos complexos, enquanto modelos mais avançados devem ser reservados para demandas complexas e de maior valor.
Outra orientação é implementar práticas de engenharia de contexto, treinando os desenvolvedores para fornecer apenas informações relevantes aos sistemas de IA, resumir conteúdos quando possível e eliminar dados desnecessários. Essa medida visa reduzir o consumo de tokens sem comprometer a qualidade dos resultados.
