ხელოვნურ ინტელექტზე დაფუძნებული მრავალაგენტიანი სისტემები (LLM-MA) პროგრამული უზრუნველყოფის შექმნის პროცესს სულ უფრო მეტად ცვლიან. მიუხედავად ამისა, მათი ეფექტიანობა და რეალური ხარჯები ხშირად ბუნდოვანი რჩება. ახალი კვლევა, რომელიც ChatDev-ის ჩარჩოსა და GPT-5-ის მოდელს ეფუძნება, ნათელს ფენს, თუ სად იხარჯება ტოკენების უდიდესი ნაწილი.

კვლევის ფარგლებში მეცნიერებმა 30 სხვადასხვა პროგრამული დავალების შესრულების კვალი გაანალიზეს. პროცესი დაიყო დეველოპმენტის სტანდარტულ ეტაპებად: დიზაინი, კოდირება, კოდის დასრულება, რევიზია, ტესტირება და დოკუმენტაცია.

შედეგებმა აჩვენა, რომ პროცესის ყველაზე რესურსტევადი ნაწილი კოდის რევიზიაა. საშუალოდ, ტოკენების 59.4% სწორედ ამ ეტაპზე იხარჯება, რაც მიანიშნებს იმაზე, რომ ავტომატიზებული სისტემები კოდის გამოსწორებასა და გადამოწმებაზე ბევრად მეტ დროსა და სიმძლავრეს ანდომებენ, ვიდრე უშუალოდ მის წერაზე.

რატომ არის ეს მნიშვნელოვანი?

კვლევის კიდევ ერთი საყურადღებო აღმოჩენაა „შეყვანის ტოკენების“ (input tokens) წილი. საშუალოდ, მოხმარებული ტოკენების 53.9% სწორედ შემავალ ინფორმაციაზე მოდის. ეს ფაქტი აგენტურ თანამშრომლობაში არსებულ მნიშვნელოვან არაეფექტიანობაზე მიუთითებს.

Subjects:Software Engineering (cs.SE); Artificial Intelligence (cs.AI); Multiagent Systems (cs.MA)
Cite as:arXiv:2601.14470 [cs.SE]
(or arXiv:2601.14470v1 [cs.SE] for this version)
https://doi.org/10.48550/arXiv.2601.14470 arXiv-issued DOI via DataCite

ავტორების თქმით, ეს დასკვნები დეველოპერებს საშუალებას მისცემს, უფრო ზუსტად განსაზღვრონ ხარჯები და მოახდინონ სამუშაო პროცესების ოპტიმიზაცია. კვლევა პირდაპირ მოუწოდებს დარგის სპეციალისტებს, შეიმუშაონ ტოკენების თვალსაზრისით უფრო ეფექტიანი პროტოკოლები აგენტებს შორის კომუნიკაციისთვის.

საბოლოო ჯამში, AI-ზე დაფუძნებული პროგრამირება ჯერ კიდევ ადრეულ ეტაპზეა და მისი ხარჯების მართვა ერთ-ერთი მთავარი გამოწვევაა ბიზნესისთვის. ეს მეთოდოლოგია კი პირველი ნაბიჯია იმ პროგნოზირებადი მოდელის შესაქმნელად, რომელიც კომპანიებს გაუთვალისწინებელი ხარჯებისგან დაიცავს.