Kje agentic coding res prihrani - in kje ne

Marketing obljublja 90 % nižje stroške. Raziskave kažejo bolj zapleteno sliko. Tukaj je pošten pregled, kje agentic coding dejansko prihrani denar in čas, kje ne, in zakaj je to pomembno, ko načrtujete nov produkt.

Od kod sploh pride številka 90 %

Trditev o 90-odstotnem prihranku izhaja iz resničnega opažanja: AI orodja res lahko napišejo kodo bistveno hitreje od človeka. Ko gledate samo pisanje kode, pospešek izgleda dramatičen. Težava je, da pisanje kode nikoli ni bilo glavni strošek razvoja programske opreme.

Analize celotnega življenjskega cikla programske opreme dosledno kažejo, da je začetni razvoj le okoli 15 do 25 odstotkov skupnega stroška lastništva. Preostalih 75 do 85 odstotkov so vzdrževanje, popravki, nadgradnje, varnost, operacije in podpora (Adevs). Če AI pospeši samo pisanje kode, lahko prihrani veliko znotraj tistega začetnega dela, a skupni učinek na celoten projekt je precej manjši od 90 odstotkov.

Kaj kažejo neodvisne raziskave

Slika iz let 2025 in 2026 ni enotna, in prav to je najbolj pošteno sporočilo, ki ga lahko podamo stranki.

Na eni strani je bila odmevna randomizirana študija organizacije METR, ki je spremljala izkušene razvijalce pri delu na velikih, znanih odprtokodnih bazah. Z AI orodji so naloge dokončali približno 19 odstotkov počasneje, čeprav so sami verjeli, da so bili okoli 20 odstotkov hitrejši (METR). To je močno opozorilo: pri zahtevni, obstoječi kodi lahko AI celo upočasni delo, hkrati pa ustvari lažen občutek hitrosti.

Na drugi strani pa so podatki o produktivnosti pri drugih vrstah dela bistveno bolj pozitivni. Poročilo DORA iz leta 2025 je pokazalo, da približno 90 odstotkov tehnoloških strokovnjakov uporablja AI pri delu, in prvič je zaznalo pozitivno povezavo med uvajanjem AI ter hitrostjo dostave programske opreme in uspešnostjo produkta (Google Cloud / DORA 2025). Kontrolirani poskusi z GitHub Copilotom so pokazali, da so razvijalci z AI dokončali približno 26 odstotkov več nalog, pri čemer je bila korist največja pri manj izkušenih razvijalcih (arXiv RCT).

Kako združiti ti dve sliki? Razlika ni v orodju, ampak v tipu dela. AI izrazito pomaga pri jasno definiranih, novih nalogah z nizko ceno napake, in manj ali celo škoduje pri zapletenih spremembah v obstoječih, kritičnih sistemih.

Kje agentic coding res prinese 5–10× pospešek

Največji resnični dobiček se pojavi pri greenfield razvoju, torej pri gradnji nečesa novega od začetka, kjer ni bremena starega sistema. Tipični primeri, kjer je pospešek dramatičen, so klikabilni prototipi, boilerplate in standardna struktura aplikacije, CRUD operacije, REST API odjemalci, interni dashboardi, migracijske skripte in dobro specificirane funkcije z nizkim tveganjem.

To ni naključje, da se to prekriva natanko s tem, kar potrebuje večina SMB SaaS produktov v fazi validacije in MVP-ja. Nov produkt je po definiciji greenfield. Prav zato je agentic coding najmočnejše orodje točno tam, kjer gradite prvo delujočo različico ideje - in tam so prihranki realni, ne marketinški.

Kje dobiček izgine

Enako pošteno je povedati, kje agentic coding ne prihrani, ali celo poveča strošek. Dobiček zbledi v reguliranih domenah, kjer je potrebna človeško podpisana dokumentacija in revizijska sled, pri zapletenih integracijah s starimi sistemi, pri performančno kritični kodi in pri vzdrževanju velikih, obstoječih baz kode.

Pomemben je tudi dejavnik kakovosti. Analize telemetrije kažejo, da ima AI-generirana koda pogosto več težav kot človeško pisana - po nekaterih meritvah okoli 1,7-krat več odprtih vprašanj in bistveno več ponovljene kode (Faros AI). Platforma LinearB je na milijonih pull requestov opazila, da ekipe z AI proizvedejo več kode, ne pa nujno hitrejše dostave do produkcije (LinearB). Z drugimi besedami: ozko grlo se premakne s pisanja na pregledovanje. Nekdo mora to kodo še vedno razumeti, preveriti in prevzeti odgovornost zanjo.

Kaj to pomeni za ceno, ki jo plačate

Realen prihranek pri greenfield SMB projektu ne izhaja iz nižje urne postavke, ampak iz manjšega števila potrebnih ur za začetni razvoj. Ena izkušena oseba, ki usmerja agente v cloudu, lahko pokrije delo, za katero bi klasična ekipa potrebovala več ljudi - vendar le pri delu, kjer agenti dejansko blestijo. Pregledovanje, arhitektura, varnost, integracije in domensko znanje ostanejo človeško delo in se ne pocenijo.

Zato pri Bees AI ne obljubljamo 90 odstotkov. Za prave vrste projektov govorimo o približno 50 do 70 odstotkov nižjem strošku začetnega razvoja, kar je še vedno velika prednost - in kar lahko pošteno zagovarjamo s podatki. Naš kalkulator prikazuje povprečno oceno, kjer prihranek izhaja iz zmanjšanja ur na kodirnem delu, medtem ko ostanejo specifikacija, QA, integracije in vzdrževanje realno ovrednoteni.

Viri: METR, DORA 2025 / Google Cloud, arXiv RCT (Copilot), Faros AI, LinearB, Adevs.