Kilo Codeでは、エンジニアはコーディングに費やす時間をわずか1%にし、残りはエージェントが処理している。これにより、システム安全性、モデルのクリーンアップ、マルチモデルアーキテクチャ、そして高騰するトークン料金の正当化に関して、開発チームに新たな疑問が生じている。テックリードはこの状況を、エージェンティックAIがエンタープライズワークフローに統合される自然な進化と見なしている。エージェントはグリーンフィールド開発に優れているが、ブラウンフィールドタスクや強力な製品決定においては人間の関与が不可欠である。Replitはエージェントを使用してプルリクエストをレビューし、リスクスコアを割り当て、低リスクのものは自動マージしており、「ヒューマン・オン・ザ・ループ」アプローチを強調している。彼らはクラウドVM内のセキュアなエージェント群を利用してエンドツーエンドのタスク実行を行っており、かつて人間のエンジニアを悩ませた複雑なバグを解決したこともある。マルチモデルサポートは不可欠になりつつあり、Kilo Codeは500以上のモデルを提供しており、企業はコストとプロジェクトフェーズに基づいてモデルを切り替えることができる。Replitもまた、コストと能力を最適化するためにユーザーに代わってモデルを選択している。AIコストの暴走管理は懸念事項であり、企業は計画には高価なモデルを、実行には安価なモデルを使用するなどの戦略を実装している。Symboticは従業員ごとに月額コスト上限を設定し、ツールを使用して利用状況を追跡し、ティアを調整している。Replitはエンジニアリング以外でもかなりのAI支出があることを発見し、ほとんどのタスクはフロンティアモデルを必要としないため、可視性、モデルルーティング、および合理的なデフォルト設定の必要性を強調している。最終的には、ROIに焦点が当てられ、単なる支出ではなく、プルリクエストあたりのコストなどの指標で価値を測定している。