Gli ingegneri Google stanno incontrando limiti di potenza di calcolo poiché la quota di nuovo codice scritto dall'intelligenza artificiale è salita al 75%, rispetto al 50% di appena sei mesi fa, secondo dati interni. Il rapido aumento sta mettendo a dura prova l'infrastruttura aziendale e costringendo i team a ripensare l'allocazione delle risorse.
Il passaggio alla codifica assistita dall'AI
Sei mesi fa, la metà del nuovo codice di Google proveniva dall'AI. Ora è tre quarti. Ciò significa che i sistemi interni dell'azienda gestiscono un volume molto maggiore di suggerimenti, completamenti e patch automatici generati dall'AI. Il cambiamento riflette una spinta più ampia in tutto il settore tecnologico per integrare strumenti di AI nei flussi di lavoro di sviluppo quotidiani. In Google, strumenti come le versioni interne dei grandi modelli linguistici sono diventati standard per scrivere codice boilerplate, correggere bug e persino generare intere funzioni.
Ma il balzo non è stato senza costi. Ogni query AI consuma cicli di calcolo e, con l'aumento del codice generato dai modelli, la domanda di potenza di elaborazione è esplosa. Gli ingegneri hanno segnalato tempi di risposta più lenti dagli strumenti AI interni e occasionali interruzioni durante i picchi di utilizzo.
Pressione sull'infrastruttura interna
I limiti computazionali sono più visibili nei data center che eseguono i modelli AI. L'hardware di Google, inclusi TPU e GPU, è ora sotto carico pesante a causa delle attività di generazione del codice. Alcuni team hanno dovuto mettere in coda i lavori o limitare il numero di richieste AI per ingegnere. L'azienda ha anche iniziato a dare priorità a determinati tipi di generazione di codice — come patch di sicurezza o correzioni critiche di bug — rispetto a funzioni di supporto meno urgenti.
Google non è l'unica ad affrontare questa crisi. Altre grandi aziende tecnologiche hanno riportato simili difficoltà di crescita mentre integrano l'AI nello sviluppo. Ma la velocità del cambiamento in Google — un aumento di 25 punti percentuali in sei mesi — ha colto di sorpresa alcuni team interni.
Cosa significa per gli ingegneri
Per gli ingegneri che scrivono il codice, la nuova realtà significa adattare i flussi di lavoro. Non possono più fare affidamento sugli strumenti AI per generare codice istantaneamente senza pianificare in base ai limiti di calcolo. Alcuni hanno iniziato a raggruppare le loro richieste nelle ore di minor carico. Altri stanno esaminando il codice generato dall'AI con maggiore attenzione, sapendo che i modelli a volte producono output inefficienti o pieni di bug quando operano in condizioni di limitazione.
Google non ha dettagliato pubblicamente come intende affrontare la tensione sull'infrastruttura. L'azienda probabilmente si trova di fronte a una scelta: investire in più hardware, perfezionare i modelli per renderli più efficienti, o imporre limiti più severi all'uso dell'AI. Ogni opzione comporta compromessi. Più hardware costa denaro e richiede tempo per essere implementato. I guadagni in efficienza dei modelli potrebbero rallentare il ritmo dei miglioramenti. I limiti di utilizzo potrebbero frustrare gli ingegneri che hanno iniziato a fare affidamento sugli strumenti.
Per ora, la situazione rimane irrisolta. Gli ingegneri stanno lavorando attorno ai vincoli, ma la domanda sottostante di codice generato dall'AI non mostra segni di rallentamento. La domanda è per quanto tempo l'infrastruttura di Google potrà tenere il passo.
