ה-AI כותבת יותר קוד, והתשתיות משלמות את המחיר

הבינה המלאכותית מאפשרת למפתחים לכתוב הרבה יותר קוד בזמן קצר, אבל הקוד הזה אינו מתקיים בחלל ריק. שתי הרצאות בכנס  Future of AI 2026 הציגו שתי תוצאות שונות של אותה מהפכה: יותר עומס ובעיות במסדי הנתונים מצד אחד, ויותר הוצאות על בדיקות, CI ותשתיות ענן מצד שני.

איתמר סין-הרשקו, מייסד NeverBlink AI, התמקד במה שקורה לשכבת הנתונים כאשר סוכני AI מייצרים קוד בקצב הולך וגובר. נפתלי אבדייב, מייסד-שותף ו-CTO של Ascendra Networks, הסתכל שכבה אחת למטה והראה כיצד אותו שינוי מגדיל את צריכת משאבי החישוב ואת עלויות תהליכי הפיתוח.

יותר קוד, יותר עומס על מסדי הנתונים

סין-הרשקו טען שכלי קוד מבוססי AI מאפשרים למפתחים להתקדם במהירות, אבל אינם תמיד מכירים לעומק את ההקשר הארגוני או את ההיסטוריה של מסד הנתונים. התוצאה עלולה להיות סכמות, טבלאות ושאילתות שעובדות מבחינה פונקציונלית, אבל יוצרות בעיות ביצועים ותפעול כאשר הן מגיעות לסביבת הייצור.

במקביל, לדבריו, ארגונים רבים כבר אינם מחזיקים מנהל מסדי נתונים ייעודי לכל מערכת, ולכן האחריות עוברת למפתחים ולצוותי פלטפורמה. אלה נדרשים להתמודד עם יותר מסדי נתונים, יותר שאילתות ויותר שינויים, דווקא בזמן שבו כמות הקוד שנוצרת ממשיכה לגדול.

כמענה הציג סין-הרשקו את NeverBlink, סוכן AI ייעודי למסדי נתונים שפועל באופן רציף, לומד את ההיסטוריה וההקשר של הסביבה ומנסה לזהות בעיות עוד לפני שהן הופכות לתקלה. הוא הדגיש כי המטרה אינה לתת למודל שפה כללי הרשאה חופשית לבצע שינויים בפרודקשן, אלא להשתמש במערכת בעלת מומחיות ייעודית ולשמור את האדם בתהליך קבלת ההחלטות.

איתמר סין-הרשקו, מייסד NeverBlink AI צילום: ניב קנטור

הטוקנים הם רק חלק מחשבון הפיתוח

אבדייב הציג את אותה תופעה מזווית אחרת. בעבר מפתח יכול היה לעבוד במשך ימים על פיצ'ר ורק לאחר מכן להעביר אותו לבנייה ולבדיקות, בעוד שבעידן הסוכנים מפתח אחד מסוגל להפעיל במקביל כמה סוכני קוד שמייצרים שינויים לאורך כל היממה. בכל שינוי כזה עדיין צריך לעבור build, בדיקות ותהליכי CI, ולכן העלייה בתפוקת הקוד גוררת גם עלייה בעבודת התשתית. אבדייב הציג בהקשר זה נתונים של GitHub Actions, שלפיהם מספר עבודות ה-CI היומיות בפלטפורמה גדל מכ-23 מיליון בתחילת 2024 לכ-71 מיליון בהמשך התקופה, מגמה שתואמת את המעבר לפיתוח אוטומטי ואינטנסיבי יותר.

בשקף נוסף הציג אבדייב נתון מחברה שהגדיר כארגון AI-first, שבו מספר עבודות ה-CI גדל פי 30 בתוך חצי שנה. לדבריו, החברות שמאמצות כיום סוכני פיתוח בקצב המהיר ביותר מספקות הצצה למה שעלול לקרות גם בארגונים אחרים ככל שהשימוש בטכנולוגיה יתרחב. הנקודה המרכזית שלו הייתה שמחיר הטוקנים אמנם יורד, אבל חשבון התשתיות אינו נעלם יחד איתו. בחישוב פנימי שהציג Ascendra, עלות הטוקנים עמדה על כ-800 דולר למפתח בחודש, לעומת כ-1,500 דולר עבור CI וכ-148 דולר נוספים לסביבת sandbox, כך שמרבית ההוצאה בדוגמה הזו הייתה דווקא מחוץ למודל עצמו.

צוואר הבקבוק עובר מהמודל אל התשתית

שתי ההרצאות מתארות למעשה את אותו שינוי משני צדדים שונים. ככל שסוכני AI מייצרים יותר קוד, מסדי הנתונים צריכים להתמודד עם יותר שינויים ושאילתות, ובמקביל מערכות הפיתוח צריכות להריץ יותר בניות, בדיקות וסביבות עבודה בענן.

סין-הרשקו הציג ניסיון להעביר חלק מעבודת הניטור והמומחיות במסדי הנתונים לסוכן ייעודי, בעוד שאבדייב הציג גישה שבה תשתית החישוב עצמה מתאימה את גודלה לעומס ומשנה את סוג השרת בזמן אמת. בשני המקרים המסר דומה: ככל שה-AI הופכת את כתיבת הקוד לזולה ומהירה יותר, ניהול השכבות שמסביב לקוד הופך לחלק גדול יותר מהאתגר הטכנולוגי והכלכלי.