Journi wypuszcza DevOS, platformę do rozliczania kosztów agentów kodujących AI

Firmy programistyczne masowo wdrożyły agentów kodujących AI, ale niewiele z nich potrafi policzyć, ile na tym realnie zyskują albo tracą. Brytyjski startup Journi odpowiada na ten problem platformą DevOS, która ma mierzyć koszty, wydajność i ryzyko związane z narzędziami takimi jak Claude Code, Cursor czy inni agenci programistyczni, działając w całości wewnątrz infrastruktury klienta.

Problem bez rachunku

Według danych przywoływanych w branżowych mediach agenci kodujący AI trafili już do niemal wszystkich dużych organizacji programistycznych, zbliżając się do niemal stuprocentowej adopcji. Firmy płacą za licencje, tokeny i infrastrukturę, ale rzadko mają narzędzie, które powie im wprost, czy ta inwestycja się zwraca, ile kosztuje jedno zadanie zlecone agentowi i gdzie AI generuje dług techniczny zamiast go redukować.

Journi twierdzi, że DevOS wypełnia tę lukę. Platforma śledzi zużycie agentów kodujących w czasie rzeczywistym, pokazuje wpływ zmian generowanych przez AI na cały system oraz automatycznie streszcza dokumentację i kod, żeby modele musiały przetwarzać mniej danych przy każdym zapytaniu. To bezpośrednio przekłada się na rachunki za tokeny, bo mniejszy kontekst oznacza niższy koszt każdego zapytania do modelu.

Co pokazują liczby

Firma podaje, że we wczesnych testach klienci odnotowali do 55 procent niższe koszty operacyjne AI przy wybranych zadaniach programistycznych oraz 57-procentowy spadek zużycia zasobów obliczeniowych. Największe wrażenie robi jednak redukcja ponad 90 procent ilości danych technicznych, które agent musi przeanalizować, zanim wykona zadanie - to efekt automatycznego streszczania kodu i dokumentacji zamiast wysyłania pełnych plików do modelu przy każdym zapytaniu.

Te liczby pochodzą od samego dostawcy i nie zostały jeszcze zweryfikowane przez niezależne testy branżowe, co warto mieć na uwadze przy ocenie realnej skali oszczędności w konkretnej organizacji.

Nadzór zamiast ślepego zaufania

Drugim filarem DevOS jest zarządzanie i nadzór nad tym, co agenci kodujący faktycznie robią w repozytoriach firmowych. Platforma daje zespołom widoczność w to, które zmiany wprowadził człowiek, a które AI, oraz pozwala ustalać reguły ograniczające zakres działania agentów. To odpowiedź na rosnący niepokój branży związany z tym, że coraz więcej kodu produkcyjnego powstaje bez pełnej kontroli nad tym, co i dlaczego zostało zmienione.

DevOS daje organizacjom widoczność i kontrolę potrzebną do efektywnego korzystania z narzędzi AI do kodowania, dając liderom większą pewność w miarę jak sztuczna inteligencja staje się coraz większą częścią tworzenia oprogramowania - Jake Rickhuss, dyrektor komercyjny i współzałożyciel Journi

Dlaczego self-hosted

Journi podkreśla, że DevOS można wdrożyć w całości w środowisku klienta, bez przesyłania kodu źródłowego, kontekstu AI ani danych firmowych na zewnętrzne serwery. To ma znaczenie dla firm z sektorów regulowanych - finansów, ochrony zdrowia czy administracji - gdzie wymogi zgodności i bezpieczeństwa danych często wykluczają korzystanie z narzędzi opartych wyłącznie na chmurze zewnętrznego dostawcy.

Taki model wdrożenia odróżnia DevOS od wielu konkurencyjnych platform do zarządzania AI w kodzie, które działają jako usługa w chmurze dostawcy. Dla organizacji wrażliwych na kwestie własności danych może to być argument decydujący o wyborze narzędzia.

Znaczenie dla polskich firm

Dla polskich zespołów programistycznych, które coraz częściej korzystają z agentów kodujących, problem rozliczalności kosztów i ryzyka jest identyczny jak na rynkach zachodnich. Wcześniejsze dane pokazywały, że znaczna część firm miała już awarię spowodowaną kodem napisanym przez AI, a programiści przyznają, że uzależniają się od agentów bez pełnego rozumienia generowanego kodu. Narzędzia takie jak DevOS wpisują się w rosnący segment produktów, które mają odpowiedzieć na te obawy liczbami zamiast deklaracjami.

Segment governance dla AI w kodzie dopiero się kształtuje i Journi nie jest jedynym graczem, który stara się go zagospodarować. Duzi dostawcy chmurowi oraz konkurencyjne startupy pracują nad podobnymi warstwami nadzoru, więc o tym, czy deklarowane oszczędności przełożą się na realne wdrożenia w większej skali firm, przekonamy się w kolejnych miesiącach wraz z pierwszymi niezależnymi opiniami klientów.