La domanda che i fornitori di IA sperano che i VP di Ingegneria non facciano

      L'adozione della codifica AI sta esplodendo. Ma la maggior parte dei leader ingegneristici sta ancora misurando l'uso invece dei risultati. Questo crea un punto cieco costoso. C'è una domanda che nessuno nell'industria dell'AI vuole che tu faccia. Non OpenAI. Non Anthropic. Non Google. Non le dozzine di startup che vendono agenti di codifica AI al tuo team di ingegneria. La domanda è semplice: quanto del codice generato dai tuoi agenti AI arriva effettivamente in produzione? Non quanto è stato generato. Non quante richieste sono state eseguite. Non quanti posti sono attivi. Quanto ha superato la revisione del codice, ha passato l'integrazione continua, è stato unito, distribuito e ha raggiunto un cliente. La maggior parte dei leader ingegneristici non può rispondere a questo. E i fornitori di AI non hanno alcun incentivo ad aiutarli a scoprirlo. La spesa è reale. La visibilità non lo è. Secondo l'Indice di Spesa AI di Stanford, l'azienda media ora spende $86 per sviluppatore al mese per strumenti di codifica AI. Questo è su 140 aziende e oltre 113.000 sviluppatori. Il primo quartile spende più di $195. Alcune aziende spendono oltre $28.000 per sviluppatore al mese. Anthropic ha appena superato i $30 miliardi di fatturato annualizzato. In aumento rispetto ai $9 miliardi di quattro mesi fa. Secondo SemiAnalysis, il 4% di tutti i commit pubblici su GitHub è ora scritto da Claude Code. Si prevede che supererà il 20% entro la fine dell'anno. Il CEO di Linear ha dichiarato che il tracciamento dei problemi è morto a marzo. Gli agenti di codifica sono installati in oltre il 75% degli spazi di lavoro aziendali di Linear. I soldi stanno fluendo. Il codice sta fluendo. Ma nessuno sta tracciando quanto di quel codice viene effettivamente spedito. Il problema degli incentivi di cui nessuno parla I fornitori di AI fatturano per token. Più token consumano i tuoi ingegneri, più entrate guadagna il fornitore. Il fornitore viene pagato quando un token viene consumato. Non quando il codice che ha generato supera la revisione. Non quando viene unito. Non quando viene distribuito. Non quando funziona in produzione. Questo crea un disallineamento strutturale. Un sviluppatore che richiede a un agente AI dieci volte di generare una funzione che viene riscritta da un revisore umano ti costa dieci volte di più di un sviluppatore che la ottiene giusta alla prima richiesta. Il fornitore guadagna dieci volte di più dal primo sviluppatore. Il secondo sviluppatore vale dieci volte di più per la tua organizzazione. In questo momento, la maggior parte dei leader ingegneristici non può fare la differenza. Vedono una singola voce nella fattura AI. Non hanno idea di quali token abbiano prodotto codice di produzione e quali abbiano prodotto rifiuti. Questo non è una cospirazione. È un problema di incentivi strutturali. Ed è un problema che spetta al VP di Ingegneria risolvere perché il fornitore non ha alcun motivo di risolverlo per loro. Abbiamo già visto questo prima Nei primi giorni del cloud computing, le aziende si sono trasferite su AWS e Azure e hanno speso in modo aggressivo. La promessa era l'efficienza. La realtà era lo spreco. Ci sono voluti anni perché la disciplina FinOps emergesse. Le aziende alla fine si sono rese conto di spendere il 30-40% in più per l'infrastruttura cloud perché nessuno misurava ciò che veniva effettivamente utilizzato. La spesa per l'AI sta seguendo esattamente lo stesso schema. Tranne per il fatto che il tasso di crescita è più veloce e il divario di misurazione è più ampio. I fornitori di cloud alla fine hanno dovuto accettare strumenti di ottimizzazione dei costi perché i clienti lo richiedevano. La stessa cosa sta per accadere nell'AI. I leader ingegneristici che misurano per primi ottimizzeranno più velocemente, negozieranno meglio e sapranno quali strumenti mantenere e quali tagliare. Quelli che non lo faranno continueranno a scrivere assegni e sperare che il risultato ne valga la pena. La misurazione che conta Lo strato mancante non sono più dashboard che mostrano curve di adozione e utilizzo dei posti. I leader ingegneristici hanno già molte di queste. Ciò che manca è la capacità di seguire il codice generato dall'AI dal momento in cui viene creato fino al momento in cui raggiunge la produzione. Attribuzione a livello di commit che mostra quale agente ha scritto il codice, quale percentuale di un commit è stata generata dall'AI rispetto a quella modificata da un umano, se ha superato la revisione o è stata riscritta, e se è stata distribuita o è morta. Quando colleghi la spesa per l'AI ai risultati di produzione puoi finalmente rispondere alle domande che contano. Quali team ottengono un vero vantaggio dagli agenti AI e quali bruciano token senza nulla da mostrare. Quali fornitori producono codice che viene spedito pulito e quali creano più lavoro per i revisori. Se i tuoi costi per l'AI stanno aumentando perché l'adozione sta funzionando o perché sta fallendo costosamente. In Waydev, questo è ciò su cui abbiamo trascorso l'ultimo anno a lavorare. Misuriamo il comportamento ingegneristico su larga scala da nove anni per aziende come Dropbox, American Express e PwC. L'AI ha cambiato gli input. Abbiamo esteso lo strato di misurazione per adattarlo. La nuova piattaforma traccia l'adozione dell'AI, l'impatto dell'AI e il ROI dell'AI attraverso l'intero ciclo di vita dello sviluppo software, collegando ciò che le organizzazioni spendono per gli agenti AI a ciò che effettivamente raggiunge la produzione. L'adozione non è valore L'industria dell'AI sta chiedendo ai leader ingegneristici di fidarsi che un maggiore utilizzo equivalga a un maggiore valore. Ma utilizzo e valore non sono la stessa cosa. L'adozione non è valore. L'uso non è impatto. Token consumati non è codice spedito. Un team che genera 10.000 righe di codice AI a settimana e ne spedisce 2.000 in produzione non sta sovraperformando un team che genera 3.000 e ne spedisce 2.500. Ma su ogni dashboard di adozione nell'industria oggi, il primo team sembra migliore. Questo è il punto cieco. E sta diventando più costoso ogni trimestre. L'era della spesa AI non auditata sta finendo. I leader ingegneristici che costruiranno lo strato di misurazione ora possiederanno la conversazione sul ROI dell'AI per il prossimo decennio. Quelli che aspettano spenderanno il prossimo decennio a spiegare fatture che non hanno mai capito.