De verschuiving naar AI-ondersteund programmeren
Zes maanden geleden kwam de helft van Google's nieuwe code van AI. Nu is dat driekwart. Dat betekent dat de interne systemen van het bedrijf een veel grotere hoeveelheid AI-gegenereerde suggesties, aanvullingen en automatische patches verwerken. De verschuiving weerspiegelt een bredere trend in de tech-industrie om AI-tools in dagelijkse ontwikkelworkflows te integreren. Bij Google zijn tools zoals interne versies van grote taalmodellen standaard geworden voor het schrijven van boilerplate, het oplossen van bugs en zelfs het genereren van volledige functies.
Maar de sprong is niet zonder kosten gekomen. Elke AI-query verbruikt rekenkracht, en met meer code die door modellen wordt gegenereerd, is de vraag naar verwerkingskracht enorm gestegen. Ingenieurs hebben gemeld dat interne AI-tools langzamer reageren en dat er tijdens piekuren incidenteel storingen optreden.
Belasting op interne infrastructuur
De computercapaciteitslimieten zijn het zichtbaarst in de datacenters die de AI-modellen draaien. Google's eigen hardware, waaronder TPU's en GPU's, staat nu zwaar onder druk door codegeneratietaken. Sommige teams hebben taken in een wachtrij moeten plaatsen of het aantal AI-verzoeken per ingenieur moeten beperken. Het bedrijf is ook begonnen met het prioriteren van bepaalde soorten codegeneratie – zoals beveiligingspatches of kritieke bugfixes – boven minder urgente hulpfuncties.
Google staat niet alleen in deze krapte. Andere grote techbedrijven hebben soortgelijke groeipijnen gemeld bij het integreren van AI in de ontwikkeling. Maar de snelheid van de verandering bij Google – een stijging van 25 procentpunt in zes maanden – heeft sommige interne teams verrast.
Wat dit betekent voor ingenieurs
Voor de ingenieurs die de code schrijven, betekent de nieuwe realiteit dat ze hun workflows moeten aanpassen. Ze kunnen niet langer vertrouwen op AI-tools om direct code te genereren zonder rekening te houden met computercapaciteitslimieten. Sommigen zijn begonnen met het bundelen van hun verzoeken tijdens daluren. Anderen beoordelen AI-gegenereerde code nauwkeuriger, wetende dat de modellen soms inefficiënte of foutieve output produceren wanneer ze onder beperkte omstandigheden draaien.
Google heeft niet in detail bekendgemaakt hoe het de infrastructuurbelasting wil aanpakken. Het bedrijf staat waarschijnlijk voor een keuze: investeren in meer hardware, de modellen efficiënter maken, of strengere limieten stellen aan AI-gebruik. Elke optie heeft zijn afwegingen. Meer hardware kost geld en tijd om te implementeren. Efficiëntieverbeteringen van modellen kunnen de voortgang van verbeteringen vertragen. Gebruikslimieten kunnen ingenieurs frustreren die afhankelijk zijn geworden van de tools.
Voorlopig blijft de situatie onopgelost. Ingenieurs werken rond de beperkingen, maar de onderliggende vraag naar AI-gegenereerde code vertoont geen tekenen van afname. De vraag is hoe lang
