Isso fez com que as empresas tivessem que gerenciar o consumo de codificação de IA por meio de um modelo mais fragmentado, baseado em projetos e no consumo de nuvem, em vez de uma assinatura unificada e uma camada de gerenciamento de uso, resultando em menos flexibilidade para alocar capacidade não utilizada, monitorar o consumo entre equipes de desenvolvedores e controlar custos à medida que o uso aumentava.
Em contraste, as ferramentas mais recentes, como limites de gastos granulares e cotas agrupadas, permitirão que os administradores estabeleçam limites orçamentários mensais no nível do projeto e compartilhem a capacidade simbólica entre as equipes, respectivamente, escreveram executivos do Google em uma postagem no blog.
Os outros dois recursos, nomeadamente ativação de excesso e métricas de uso, acrescentaram, visam ajudar as empresas a gerenciar o uso quando esses limites são atingidos e a entender melhor como os desenvolvedores estão consumindo recursos de IA.
