Uber తన మొత్తం AI కోడింగ్ బడ్జెట్‌ను 4 నెలల్లోనే ఖర్చుచేసింది

AI కోడింగ్ ఖర్చులు వేగంగా పెరుగుతున్నాయి.

Uber తన 2026 Claude Code బడ్జెట్‌ను ఏప్రిల్ నాటికే పూర్తిగా ఖర్చుచేసింది. వారు ఉద్యోగుల ఖర్చును నెలకు $1,500కి పరిమితం చేయాల్సి వచ్చింది.

ఇతర గణాంకాలు ఒక భారీ ధోరణిని చూపుతున్నాయి:

  • Gartner ప్రకారం, 23% మంది టెక్ లీడర్లు ప్రతి డెవలపర్‌కు నెలకు టోకెన్ల కోసం $200 నుండి $500 వరకు ఖర్చు చేస్తున్నారు.
  • GitHub Copilot వినియోగం ఆధారిత బిల్లింగ్ (usage-based billing) విధానానికి మారింది.
  • ప్రముఖ సంస్థలు AI కోసం ప్రతి ఉద్యోగికి నెలకు $7,500 ఖర్చు చేస్తున్నాయి.

సమస్య చాలా సరళమైనది. Agentic workflows టోకెన్లను చాలా వేగంగా ఉపయోగిస్తాయి. మీరు ప్రతి పని కోసం ఒకే ఖరీదైన మోడల్‌ను ఉపయోగిస్తే, డబ్బు వృథా అవుతుంది.

నా స్వంత ఖర్చులో కూడా ఇదే జరిగింది. నా AI కోడింగ్ బిల్లు నెలకు $10,000కి చేరుకుంది.

నేను ప్రతిదానికీ Claude Opusని ఉపయోగించాను. కోడ్ ప్లానింగ్, టెస్ట్‌లు రాయడం, ఫైల్స్ ఫార్మాటింగ్ చేయడం మరియు వేరియబుల్స్ పేరు మార్చడం వంటి పనుల కోసం దానిని వాడాను.

ఇది ఫర్నిచర్‌ను సర్దడానికి ఒక సీనియర్ ఆర్కిటెక్ట్‌ను నియమించుకోవడం లాంటిది. పని పూర్తవుతుంది కానీ, మీరు చాలా ఎక్కువ చెల్లిస్తారు.

నేను నా వినియోగాన్ని విశ్లేషించగా ఒక నమూనా కనిపించింది:

  • 15% పనులకు హై-లెవల్ రీజనింగ్ (high-level reasoning) అవసరమైంది.
  • 25% పనులకు మిడ్-టియర్ సామర్థ్యం (mid-tier capability) అవసరమైంది.
  • 60% పనులు కేవలం మెకానికల్ (mechanical) స్వభావం కలిగినవి.

ఆ 60% పనులకు ఫ్రంటియర్ మోడల్ (frontier model) అవసరం లేదు. చిన్న మోడల్స్ చాలా తక్కువ ఖర్చుతో వాటిని చేయగలవు.

తెలివైన బృందాలు పనులను సరైన మోడల్‌కు మళ్లిస్తాయి:

  • Tier 1 (Frontier Models): వీటిని ఆర్కిటెక్చర్, సంక్లిష్టమైన బగ్స్ మరియు సెక్యూరిటీ కోసం ఉపయోగించండి.
  • Tier 2 (Mid-Tier Models): వీటిని ఫీచర్ ఇంప్లిమెంటేషన్ మరియు కోడ్ రివ్యూల కోసం ఉపయోగించండి.
  • Tier 3 (Fast/Cheap Models): వీటిని ఫార్మాటింగ్, డాక్యుమెంటేషన్ మరియు బాయిలర్‌ప్లేట్ (boilerplate) కోసం ఉపయోగించండి.

నేను ఈ పద్ధతికి మారాను. నా నెలవారీ ఖర్చు $10,000 నుండి $3,000కి తగ్గింది. నా అవుట్‌పుట్ నాణ్యతలో ఎలాంటి మార్పు లేదు.

ఎలా ప్రారంభించాలి:

  • ఒక వారం పాటు మీ API ప్రాంప్ట్‌లను లాగ్ (log) చేయండి.
  • కాంటెక్స్ట్ బ్లోట్ (context bloat) లేదా అనవసరమైన థింకింగ్ లూప్‌ల కోసం వెతకండి.
  • సెషన్‌ను బట్టి కాకుండా, పనిని బట్టి రూట్ చేయండి. ఒకే వర్క్‌ఫ్లోలో వివిధ దశల్లో వేర్వేరు మోడల్‌లను ఉపయోగించాలి.

AI రంగంలో విజయం సాధిస్తున్న కంపెనీలు కేవలం ఎక్కువ ఖర్చు చేయడం లేదు. అవి తెలివిగా ఖర్చు చేస్తున్నాయి. ఖర్చులను తగ్గించడానికి అవి వివిధ మోడల్‌లను కలిపి ఉపయోగిస్తాయి.

సాధారణ పనుల కోసం ఖరీదైన రీజనింగ్ (reasoning) కోసం డబ్బు చెల్లించడం ఆపండి.

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