Pe măsură ce AI-ul pentru întreprinderi intră în era maximizării valorii: Ce pot învăța echipele de dezvoltare din accesibilitatea digitală

Economia integrării AI s-a schimbat dramatic odată cu apariția realității costului tokenului. Tokenmaxxing poate a fost distractiv cât a durat, dar inovația fără ROI nu este sustenabilă. Acum că am depășit era tokenurilor ieftine, AI trebuie să se justifice prin rezultate de afaceri reale și măsurabile în întreaga întreprindere. Asta înseamnă că nu mai vom arunca AI la fiecare provocare. Organizațiile trebuie să fie mult mai strategice, să folosească AI pentru ceea ce face bine și să adopte alte abordări când există o soluție mai bună.

Costul ascuns al vitezei AI

Creșterile în viteza de dezvoltare oferite de instrumentele AI merită sărbătorite. Dar dacă codul este plin de probleme, progresul real este nesemnificativ. Consecințele sunt grave: timp și bani pierduți, risc juridic și experiențe slabe pentru clienți.

Domeniul accesibilității digitale ne poate învăța multe despre cum să utilizăm AI strategic. Este un spațiu în care standardele codificate și cerințele stricte de conformitate sunt realități zilnice, iar locul pentru inexactitate sau ineficiență nu există. În accesibilitatea digitală, scopul nu este să devenim mai buni la rezolvarea problemelor; ci să prevenim apariția acestora. Același scop ar trebui să se aplice oricărei utilizări a AI. În caz contrar, datoria tehnică se acumulează rapid.

Conform IBM, ignorarea datoriei tehnice poate duce la o scădere a ROI de 18 – 29 %. Rezultate de acest fel pot anula orice câștig de viteză adus de AI. În sondajul Deque din 2026 realizat pe 200 de lideri de inginerie în întreprinderi, 64 % au numit accesibilitatea ca principalul factor al refacerii post-producție, chiar dacă aceleași echipe au solicitat explicit agenților lor AI să scrie cod accesibil.

Datoria de accesibilitate, la fel ca datoria tehnică, reprezintă acumularea de probleme de accesibilitate nerezolvate în proprietățile digitale ale unei organizații. Este o datorie care se acumulează în timp — problemele neabordate în proiectare și dezvoltare devin mai scumpe de remediat ulterior. Cercetări recente arată că este de 30 de ori mai costisitor să remediezi o problemă de accesibilitate descoperită în producție decât în faza de proiectare. Acest lucru oferă organizațiilor un stimul financiar real să identifice problemele devreme, mai ales având în vedere volumele actuale de producție de cod.

AI strategic vs. instrumente deterministe

AI nu este întotdeauna soluția. În multe cazuri, instrumentele deterministe bazate pe reguli oferă rezultate mai consecvente, mai rapide și mai ieftine. Pentru a lua decizia corectă privind ce să folosească și când, echipele ar trebui să înceapă prin a împărți fluxul de lucru în subtaskuri și să evalueze cea mai bună abordare pentru fiecare provocare. De exemplu, sarcinile care necesită verificare consecventă — verificarea fiecărui element față de un standard definit — sunt candidați ideali pentru instrumente deterministe bazate pe reguli.

AI este potrivit pentru judecată, sinteză și generarea de opțiuni. Nu este potrivit pentru validare: verificarea tuturor lucrurilor în același mod, de fiecare dată.

Unele echipe de inginerie abordează acest lucru rulând aceeași revizuire în mod repetat și comparând rezultatele. Funcționează, dar nu este gratuit. În experimentele proprii ale Deque, o singură trecere de revizuire a codului a consumat aproximativ 60 % din tokenii cheltuiți pentru o sarcină. Codarea în sine a ocupat circa 13 %. Scrierea testelor a avut o cotă comparabilă. Și o singură trecere este rar suficientă. Aceeași revizuire trebuie adesea să fie rulată de trei până la 10 ori pe același cod înainte să convergă la lista completă de probleme reale. Fiecare trecere este o căutare nouă, nu cumulativă, astfel că nimic nu se transferă de la rularea anterioară.

Dacă merită sau nu depinde de toleranța la cost. O organizație poate genera suficienți agenți, să îi lase să itereze și să verifice munca reciprocă, și să convergă spre un răspuns bun. Dar acest lucru implică plata în tokeni și timp de ciclu. Alternativa este mai simplă: o verificare deterministă returnă același rezultat de fiecare dată, fără treceri repetate.

Valorificarea contextului și a buclei umane

O altă abordare descrisă într-un studiu de caz recent a implicat combinarea automatizării și a AI-ului agentic cu revizuirea umană. În noul flux de lucru al organizației, constatările privind accesibilitatea au fost furnizate unui agent AI, care a folosit un instrument de remediere pentru a aplica corecțiile HTML așteptate direct în codul sursă și apoi a creat și documentat automat cereri de extragere (pull requests). Inginerii au revizuit apoi modificările generate de AI, au aprobat cererile de extragere și au menținut guvernanța asupra calității și rezultatelor. Rezultatul: 253 de ore de inginerie recuperate, cu remediere cu 98 % mai rapidă în total. S-a estimat că fluxul de lucru a economisit peste 25.000 $ din costurile de inginerie.

Obținerea unor rezultate bune de la un agent AI depinde de modul în care este configurat, nu doar de prompturi bune. Inginerii numesc acest lucru inginerie de harness și inginerie de context: construirea instrumentelor, verificărilor și informațiilor disponibile specifice care permit unui agent să lucreze eficient într-un anumit mediu, în loc să lase modelul să-și dea seama singur. Un agent care revizuiește codul nu are nevoie ca întregul cod să fie încărcat în fereastra sa de context. Permite-i să caute fișierele relevante și să încarce doar codul înconjurător de care are nevoie, și de obicei va produce o muncă mai bună pentru mai puțini bani decât unul care primește totul dintr-o dată. Aceeași logică se aplică reutilizării contextului între apeluri în loc să fie reconstruit de la zero de fiecare dată.

Dacă luăm o pauză, să ne amintim că motivul pentru care toate acestea contează este că volumul de cod generat de AI crește într-un ritm cu adevărat frenetic. În acest context, costurile în creștere par inevitabile: fie din necesitatea de a remedia toate problemele pe care codul AI nevalid le produce, fie din verificarea cantităților tot mai mari de cod înainte de a ajunge în producție.

Însă costurile în creștere nu sunt inevitabile. Accesibilitatea digitală oferă o soluție — una care implică mai multe echilibrări, între AI și instrumentele bazate pe reguli, deterministe; între automatizarea alimentată de AI și validarea umană; și între scalabilitate și eficiență a costurilor. Realizarea corectă a acestor echilibre depinde de disciplina organizațională. Cu cât organizațiile dezvoltă mai repede disciplina de a folosi AI în mod intenționat, eficient și adecvat, cu atât pot aștepta mai curând să vadă rezultate pozitive și cuantificabile ale investițiilor în AI.