Google-ingeniører støter på begrensninger i datakraft ettersom andelen ny kode skrevet av kunstig intelligens har steget til 75 %, opp fra 50 % for bare seks måneder siden, ifølge interne data. Den raske økningen belaster selskapets infrastruktur og tvinger team til å revurdere hvordan de fordeler ressurser.
Skiftet mot AI-assistert koding
For seks måneder siden kom halvparten av Googles nye kode fra AI. Nå er det tre fjerdedeler. Det betyr at selskapets interne systemer håndterer et langt større volum av AI-genererte forslag, fullføringer og automatiserte patcher. Skiftet gjenspeiler en bredere trend i teknologibransjen der AI-verktøy integreres i daglige utviklingsarbeidsflyter. Hos Google har verktøy som interne versjoner av store språkmodeller blitt standard for å skrive standardkode, fikse feil og til og med generere hele funksjoner.
Men økningen har ikke kommet uten kostnad. Hver AI-forespørsel bruker datakraft, og med mer kode som genereres av modeller, har etterspørselen etter prosessorkraft økt kraftig. Ingeniører har rapportert om langsommere responstider fra interne AI-verktøy og sporadiske driftsstans i perioder med høy belastning.
Belastning på intern infrastruktur
Datakraftgrensene er mest synlige i datasentrene som kjører AI-modellene. Googles egen maskinvare, inkludert TPU-er og GPU-er, er nå under tung belastning fra kodegenereringsoppgaver. Noen team har måttet sette oppgaver i kø eller begrense antall AI-forespørsler per ingeniør. Selskapet har også begynt å prioritere visse typer kodegenerering – som sikkerhetsoppdateringer eller kritiske feilrettinger – fremfor mindre presserende hjelpefunksjoner.
Google er ikke alene om å møte denne knappheten. Andre store teknologiselskaper har rapportert om lignende voksesmerter når de integrerer AI i utvikling. Men hastigheten på endringen hos Google – en økning på 25 prosentpoeng på seks måneder – har overrasket enkelte interne team.
Hva dette betyr for ingeniører
For ingeniørene som skriver koden, innebærer den nye virkeligheten å tilpasse arbeidsflyter. De kan ikke lenger stole på at AI-verktøy genererer kode øyeblikkelig uten å ta hensyn til datakraftgrenser. Noen har begynt å samle forespørslene sine til tider med lav belastning. Andre gjennomgår AI-generert kode mer nøye, vel vitende om at modellene noen ganger produserer ineffektiv eller feilaktig kode når de kjøres under begrensede forhold.
Google har ikke offentlig detaljert hvordan de planlegger å håndtere infrastrukturpresset. Selskapet står sannsynligvis overfor et valg: investere i mer maskinvare, forbedre modellene for å gjøre dem mer effektive, eller innføre strengere begrensninger på AI-bruk. Hvert alternativ har sine avveininger. Mer maskinvare koster penger og tar tid å implementere. Forbedringer i modeleffektivitet kan bremse fremgangen. Bruksbegrensninger kan frustrere ingeniører som har blitt avhengige av verktøyene.
Foreløpig er situasjonen uløst. Ingeniører jobber rundt begrensningene, men den underliggende etterspørselen etter AI-generert kode viser ingen tegn til å avta. Spørsmålet er hvor lenge Googles infrastruktur kan holde tritt.
