Uber தனது முழுமையான AI கோடிங் பட்ஜெட்டையும் 4 மாதங்களிலேயே தீர்த்துவிட்டது

AI கோடிங் செலவுகள் வேகமாக அதிகரித்து வருகின்றன.

Uber தனது 2026 Claude Code பட்ஜெட்டையும் ஏப்ரல் மாதத்திற்குள்ளேயே செலவழித்துவிட்டது. ஊழியர்களின் செலவை மாதம் $1,500 ஆகக் குறைக்க வேண்டிய கட்டாயம் அவர்களுக்கு ஏற்பட்டது.

மற்ற தரவுகள் ஒரு மிகப்பெரிய போக்கை (trend) காட்டுகின்றன:

  • Gartner நிறுவனத்தின் கூற்றுப்படி, 23% தொழில்நுட்பத் தலைவர்கள் ஒவ்வொரு டெவலப்பருக்கும் மாதந்தோறும் டோக்கன்களுக்காக (tokens) $200 முதல் $500 வரை செலவிடுகின்றனர்.
  • GitHub Copilot பயன்பாட்டு அடிப்படையிலான பில்லிங்கிற்கு (usage-based billing) மாறியுள்ளது.
  • முன்னணி நிறுவனங்கள் AI-க்காக ஒவ்வொரு ஊழியருக்கும் மாதம் $7,500 செலவிடுகின்றன.

பிரச்சனை எளிமையானது. Agentic workflows டோக்கன்களை மிக வேகமாகப் பயன்படுத்துகின்றன. ஒவ்வொரு பணிக்கும் ஒரு விலையுயர்ந்த மாடலையே (model) பயன்படுத்தினால், நீங்கள் பணத்தை வீணடிக்கிறீர்கள்.

எனது சொந்தச் செலவில் இது நடப்பதைப் பார்த்தேன். எனது AI கோடிங் பில் மாதம் $10,000 ஆக உயர்ந்தது.

நான் அனைத்திற்கும் Claude Opus-ஐப் பயன்படுத்தினேன். கோட் பிளானிங் (code planning), டெஸ்ட்களை எழுதுதல் (writing tests), கோப்புகளை வடிவமைத்தல் (formatting files) மற்றும் வேரியபிள்களை மறுபெயரிடுதல் (renaming variables) என அனைத்திற்கும் இதையே பயன்படுத்தினேன்.

இது தளபாடங்களை நகர்த்த ஒரு மூத்த கட்டிடக் கலைஞரை (senior architect) பணியமர்த்துவது போன்றது. வேலை முடிந்துவிடும், ஆனால் நீங்கள் அதிக பணம் செலுத்த வேண்டியிருக்கும்.

எனது பயன்பாட்டை ஆய்வு செய்தபோது ஒரு முறையைக் கண்டறிந்தேன்:

  • 15% பணிகளுக்கு உயர்மட்டத் தர்க்க அறிவு (high-level reasoning) தேவைப்பட்டது.
  • 25% பணிகளுக்கு நடுத்தர நிலைத் திறன் (mid-tier capability) தேவைப்பட்டது.
  • 60% பணிகள் இயந்திரத்தனமானவை (mechanical).

அந்த 60% வேலைகளுக்கு ஒரு frontier model தேவையில்லை. சிறிய மாடல்கள் (small models) மிகக் குறைந்த செலவில் அதைச் செய்துவிடும்.

புத்திசாலித்தனமான குழுக்கள் பணிகளைச் சரியான மாடலுக்குத் திசைதிருப்புகின்றன:

  • Tier 1 (Frontier Models): ஆர்க்கிடெக்சர் (architecture), சிக்கலான பிழைகள் (complex bugs) மற்றும் பாதுகாப்பு (security) ஆகியவற்றிற்கு இவற்றைப் பயன்படுத்தவும்.
  • Tier 2 (Mid-Tier Models): அம்சங்களைச் செயல்படுத்துதல் (feature implementation) மற்றும் கோட் ரிவ்யூக்களுக்கு (code reviews) இவற்றைப் பயன்படுத்தவும்.
  • Tier 3 (Fast/Cheap Models): ஃபார்மேட்டிங் (formatting), ஆவணப்படுத்துதல் (documentation) மற்றும் boilerplate பணிகளுக்கு இவற்றைப் பயன்படுத்தவும்.

நான் இந்த முறைக்கு மாறினேன். எனது மாதச் செலவு $10,000-லிருந்து $3,000 ஆகக் குறைந்தது. எனது வெளியீட்டின் தரம் (output quality) மாறாமல் அப்படியே இருந்தது.

எப்படித் தொடங்குவது:

  • ஒரு வாரத்திற்கு உங்கள் API ப்ராம்ப்ட்களை (prompts) பதிவு செய்யுங்கள்.
  • தேவையற்ற சூழல் விரிவாக்கம் (context bloat) அல்லது தேவையற்ற சிந்தனைச் சுழற்சிகளை (thinking loops) கவனியுங்கள்.
  • ஒரு செஷனைப் (session) பொறுத்து அல்லாமல், பணியைப் பொறுத்து திசைதிருப்புங்கள். ஒரு ஒற்றை workflow-ல் வெவ்வேறு நிலைகளில் வெவ்வேறு மாடல்களைப் பயன்படுத்த வேண்டும்.

AI மூலம் வெற்றி பெறும் நிறுவனங்கள் அதிகச் செலவு செய்வதில்லை. அவை புத்திசாலித்தனமாகச் செலவிடுகின்றன. செலவைக் குறைக்க அவை மாடல்களைக் கலந்து பயன்படுத்துகின்றன (mix and match).

எளிமையான பணிகளுக்கு விலையுயர்ந்த தர்க்க அறிவுக்காக (expensive reasoning) பணம் செலுத்துவதை நிறுத்துங்கள்.

Source: https://dev.to/aplomb2/uber-burned-through-its-entire-ai-coding-budget-in-4-months-heres-what-smart-teams-do-instead-2792

Optional learning community: https://t.me/GyaanSetuAi