Abi Noda a observé que tandis que les développeurs d'une grande entreprise d'ingénierie économisent deux heures par semaine avec Copilot, ils perdent beaucoup plus de temps en raison de builds lents, de tâches fastidieuses dans l'environnement de développement et de retards dans les révisions de code. Cela met en évidence que l'IA n'est pas une solution complète pour toutes les inefficacités de développement. Nik Malykhin a découvert que l'utilisation efficace d'un assistant IA nécessite d'abord d'articuler et de codifier ses propres règles de codage et son style de collaboration. Cela nécessite un effort métacognitif pour décharger le travail cognitif. Charity Majors distingue entre le code jetable et le code durable, affirmant que le coût est déterminé par la maintenance, l'extensibilité et la compréhension, et non par la méthode de création. Le code jetable est bon marché car il n'est pas destiné à une maintenance à long terme. Jim Highsmith suggère de considérer l'IA comme une "Intelligence Alternative", mettant en avant son processus de pensée différent plutôt que comme une déficience. Rod Johnson souligne le rôle critique des modèles de domaine en tant que forme de mémoire pour les systèmes d'IA. L'Event Sourcing offre une mémoire épisodique à travers des historiques d'événements immuables. Les modèles de repository fournissent des interfaces de mémoire spécifiques au domaine qui préservent la signification commerciale. Les contextes délimités partitionnent la mémoire sémantiquement, évitant la pollution de concepts. Les agrégats agissent comme des clusters de mémoire cohérents avec des limites de cohérence, cruciaux pour le comportement fiable des agents.