AMP: Cisár je nahý – prečo AI kódujúci agenti narúšajú trh nástrojov pre vývojárov

Úvod

Scéna AI kódujúcich agentov zažíva bezprecedentné otrasy. To, čo bolo pred šiestimi mesiacmi špičkové, je dnes považované za zastarané. GitHub Copilot, kedysi zlatý štandard AI-asistovaného vývoja, bol zatienený novšími nástrojmi. Cursor dominoval trhu ako najrýchlejšie rastúci startup všetkých čias, no čelí konkurencii ešte pokročilejších riešení. V tomto rýchlo sa vyvíjajúcom ekosystéme urobil Sourcegraph odvážne strategické rozhodnutie: namiesto postupného vylepšovania existujúceho produktu Cody spustil AMP – úplne nového kódujúceho agenta postaveného od základov s cieľom obsiahnuť čelo AI schopností.

Tento článok skúma filozofiu, technickú architektúru a obchodnú stratégiu stojacu za AMP, pričom čerpá poznatky z rozhovorov s tímom za týmto revolučným nástrojom. Pozrieme sa na to, prečo tradičné prístupy k vývoju produktov zlyhávajú v ére rýchleho AI pokroku, ako sa agenti s volaním nástrojov zásadne líšia od predchádzajúcich AI kódujúcich asistentov a ako môže vyzerať budúcnosť autonómneho vývoja. Najdôležitejšie však je pochopiť, prečo „cisár je nahý“ – prečo sa zavedené produkty s naoko neotrasiteľnou pozíciou na trhu môžu stať takmer zo dňa na deň irelevantnými, keď sa zmení základná technológia.

{{ youtubevideo videoID=“b4rOVZWLW6E” provider=“youtube” title=“AMP: Cisár je nahý – prečo AI kódujúci agenti narúšajú nástroje pre vývojárov” class=“rounded-lg shadow-md” }}

Čo sú AI kódujúci agenti a ako fungujú?

Evolúcia AI-asistovaného vývoja sleduje jasnú trajektóriu, kde každá generácia stavia na tej predchádzajúcej, no zároveň zásadne mení spôsob interakcie vývojárov s umelou inteligenciou. Pre pochopenie významu AMP musíme najprv pochopiť, čím sa kódujúci agent líši od skorších foriem AI asistencie. Cesta sa začala s GitHub Copilotom, ktorý priniesol dopĺňanie a návrhy kódu priamo do editorov vývojárov. Copilot bol revolučný, pretože AI nenápadne zaradil do vývojárskeho workflowu a ponúkal návrhy počas písania kódu. Avšak Copilot bol zásadne limitovaný – mohol navrhovať kód, no nedokázal vykonávať zložité, viacstupňové úlohy ani komunikovať so širším vývojovým prostredím.

Ďalšia generácia priniesla nástroje ako Cursor a Windsurf, ktoré zvolili iný prístup vytvorením fork-ov IDE s hlbšou integráciou AI do vývojového prostredia. Tieto nástroje ukázali, že čiastočne agentické schopnosti – keď AI dokáže vykonávať zložitejšie operácie v rámci IDE – môžu výrazne zvýšiť produktivitu vývojárov. Vývojári boli ochotní zmeniť celé vývojové prostredie, ak boli AI možnosti dostatočne pokročilé. Aj tieto nástroje však fungovali s istými obmedzeniami: boli interaktívne, vyžadovali vstup a schválenie od vývojára na každom kroku a nedokázali skutočne fungovať autonómne.

Kódujúci agent je naopak zásadne iná architektúra. Agent pozostáva z troch základných komponentov: jazykového modelu (zvyčajne špičkový model ako Claude 3.5), systémového promptu, ktorý určuje správanie a obmedzenia agenta, a sady nástrojov s pridruženými promptmi, ktoré popisujú, čo ktorý nástroj dokáže. Kľúčový rozdiel je v tom, že agenti môžu fungovať s explicitnými povoleniami na interakciu s externými systémami – súborovými systémami, editormi kódu, systémami na správu verzií a podobne. Znamená to, že agent dokáže autonómne uvažovať nad problémom, rozhodnúť sa, ktoré nástroje použiť, spustiť ich, sledovať výsledky a opakovať cyklus, kým úloha nie je hotová. Je to zásadne mocnejšie než akýkoľvek predchádzajúci prístup, pretože to umožňuje skutočné autonómne správanie, nie len vylepšené návrhy alebo interaktívnu asistenciu.

Prečo tradičný vývoj produktov zlyháva v ére AI disrupcie

Technologická scéna vstúpila do fázy bezprecedentnej nestability. To, čo bolo pred osemnástimi mesiacmi špičkové, je dnes považované za primitívne. GitHub Copilot, vydaný v roku 2021, bol skutočne revolučný – išlo o prvú mainstreamovú aplikáciu veľkých jazykových modelov do vývoja softvéru. Dnes však mnohí vývojári Copilot ani nezaradia medzi najlepšie možnosti AI-asistovaného kódovania. Nie preto, že by sa Copilot zhoršil; ale preto, že základná technológia napredovala tak rýchlo, že sa posunula celá kategória. To predstavuje zásadnú výzvu pre zavedené firmy: ako udržať úspešný produkt, keď sa pod vami neustále hýbe pôda?

Tradičný vývoj produktov predpokladá relatívne stabilné základy. Nájdete product-market fit, škálujete produkt, zavádzate správne inžinierske postupy, pridávate podnikové funkcie, uzatvárate dlhodobé zmluvy so zákazníkmi. Tento postup fungoval desaťročia, pretože technológie sa zvyčajne vyvíjali postupne. V súčasnej AI ére je však tento prístup aktívne škodlivý. Ak optimalizujete produkt na škálovanie a stabilitu, spomalíte sa. Ak ste pomalí, zmeškáte ďalšiu vlnu technologických zlepšení. Kým pridáte podnikové funkcie a bezpečnostné certifikácie, objaví sa nový model, ktorý celý váš prístup urobí zastaraným.

Sourcegraph čelil tejto dileme s produktom Cody. Cody bol úspešný produkt s firemnými zákazníkmi, dlhodobými zmluvami a významnými príjmami. No Cody bol úzko integrovaný s platformou Sourcegraph, čo znamenalo, že bol viazaný na jej vydávacie cykly. Platforma mala vlastnú infraštruktúru, vlastný harmonogram nasadzovania a vlastné obmedzenia. Keď vyšiel Claude 3.5 Sonnet a tím si uvedomil, že môžu postaviť niečo zásadne iné – agenta s volaním nástrojov a autonómnym uvažovaním – stáli pred voľbou: pokúsiť sa tieto schopnosti do Cody „nacpať“ alebo začať od nuly s novým produktom. Rozhodli sa začať od nuly, čo odhaľuje kľúčový poznatok o konkurencii v rýchlo sa meniacich trhoch.

Kľúčovým poznaním bolo, že s agentom s volaním nástrojov nemôžete fungovať na princípe 20-dolárového predplatného. Výpočtové nároky sú zásadne odlišné. Chatový asistent ako Cody môže efektívne fungovať na skromnej infraštruktúre. Agent s volaním nástrojov, ktorý uvažuje o kóde, spúšťa nástroje a iteruje autonómne, potrebuje oveľa viac výpočtového výkonu. Nie je to len cenový problém; je to signál, že produkt je zásadne odlišný a vyžaduje iný biznis model, iné očakávania zákazníkov a inú go-to-market stratégiu. Vytvorením AMP ako samostatného produktu so samostatnou značkou mohli v Sourcegraphe tieto očakávania úplne resetovať. Mohli zákazníkom povedať: „Toto nie je Cody 2.0. Je to úplne iná vec. Stojí to viac, pretože to dokáže viac. Funguje to inak, pretože je to postavené na inej architektúre.“

Pochopenie agentov s volaním nástrojov a autonómneho uvažovania

Aby sme pochopili, prečo AMP predstavuje zmenu paradigmy, musíme technickú architektúru agentov s volaním nástrojov rozobrať detailne. Agent s volaním nástrojov nie je len jazykový model s prístupom k funkciám. Architektúra je sofistikovanejšia a výkonnejšia. Systém začína špičkovým jazykovým modelom – v prípade AMP je to Claude 3.5 Sonnet – ktorý bol trénovaný na efektívne využívanie nástrojov. Model dostáva systémový prompt, ktorý definuje jeho rolu, obmedzenia a ciele. Systémový prompt nie je len neformálny inštrukcia; je to starostlivo navrhnutý prompt, ktorý formuje, ako model uvažuje o problémoch a rozhoduje sa, ktoré nástroje použiť.

Popri systémovom prompte má každý nástroj vlastný prompt popisujúci, čo nástroj robí, aké parametre prijíma, čo vracia a kedy ho použiť. Je to kritické, pretože jazykový model musí chápať nielen to, že nástroj existuje, ale aj na čo je určený a kedy je vhodné ho použiť. Napríklad agent môže mať nástroje na čítanie súborov, zápis súborov, spúšťanie kódu, vykonávanie testov a commitovanie zmien. Každý nástroj má podrobný popis, ktorý modelu pomáha rozumne rozhodnúť, ktorý nástroj použiť v danej situácii. Model následne autonómne rozhoduje o použití nástrojov, pozoruje výsledky a iteruje na základe toho, čo sa naučí.

Sila tejto architektúry sa ukáže pri pohľade na to, čo agent dokáže. Vývojár môže agenta požiadať, aby „implementoval novú funkciu, ktorá pridá autentifikáciu používateľa do tohto kódu“. Agent dokáže autonómne: prečítať existujúci kód, pochopiť architektúru, určiť, kde integrovať autentifikáciu, napísať potrebný kód, spustiť testy na overenie implementácie, v prípade zlyhania opraviť kód a nakoniec commitnúť zmeny. To všetko bez zásahu človeka. Agent uvažuje o probléme, rozhoduje, ktoré nástroje použiť, a iteruje na základe spätnej väzby.

Toto je zásadne odlišné od skorších AI nástrojov na kódovanie. Copilot síce navrhne kód, ale nevykoná viacstupňový workflow. Cursor dokáže zložitejšie operácie, ale potrebuje schválenie na každý krok. Agent môže fungovať autonómne s explicitnými povoleniami. Vzniká tak nová kategória schopností, ktoré sú o rád výkonnejšie. No prináša to aj nové výzvy. Autonómni agenti môžu robiť chyby vo veľkom rozsahu. Môžu spustiť škodlivé operácie, ak nie sú dobre obmedzené. Vyžadujú starostlivé navrhovanie promptov, aby sa správali, ako majú. Aj preto sú architektúra a prístup AMP také dôležité.

Filozofia AMP: rýchlosť, iterácia a pozícia na čele

Pri začiatku vývoja AMP sa tím rozhodol pre zásadný krok: rýchlosť a iterácia budú hlavnou optimalizáciou. Všetko ostatné sa odvíjalo od tejto voľby. Znamenalo to opustiť mnohé osvedčené postupy, ktoré urobili Cody úspešným. Žiadne formálne code review. Žiadne rozsiahle plánovanie. Žiadne bezpečnostné a compliance checklisty, ktoré trvajú deväť mesiacov. Tím prijal mentalitu osobného projektu: push na main, nasadiť 15x denne, neustále používať vlastný produkt a iterovať podľa reálnych skúseností.

Tento prístup znie chaoticky a z pohľadu tradičného softvérového inžinierstva aj je. Ale presne toto je správna cesta pre produkt operujúci na čele AI schopností. Dôvod je jednoduchý: čelo sa posúva. Každých pár mesiacov nový model, každých pár týždňov nové možnosti, každých pár dní nové techniky promptovania či návrhu nástrojov. V tomto prostredí je cennejšia rýchla iterácia než škálovateľnosť. Produkt, ktorý nasadzuje 15x denne, vie implementovať nové AI možnosti v priebehu hodín od ich vydania. Produkt s tradičnými vydávacími cyklami bude pozadu mesiace.

Štruktúra tímu odráža túto filozofiu. Core AMP tím je malý – približne osem ľudí – v porovnaní s väčšími inžinierskymi organizáciami. Malá veľkosť je zámerná. Umožňuje rýchle rozhodovanie a eliminuje komunikačnú režijnosť, ktorá spomaľuje väčšie tímy. Všetci v tíme sú skúsení, takže môžu fungovať bez rozsiahlych code review procesov. Produkt používajú denne, takže rýchlo zachytia chyby aj potreby používateľov. Nechcú postaviť produkt pre každého vývojára; chcú produkt pre tých, ktorí chcú napredovať rovnako rýchlo, zostať na čele AI a sú ochotní prijať nové prístupy k vývoju.

Táto pozícia je kľúčová. AMP nechce byť GitHub Copilot pre všetkých. Nechce byť default AI nástroj pre všetkých vývojárov. Namiesto toho sa stavia ako nástroj pre tých, čo chcú napredovať a držať sa čela. Je to menší trh než „všetci vývojári“, ale je to trh, ktorý je ochotný zaplatiť omnoho viac za špičkové schopnosti. Biznis model to odráža: namiesto 20-dolárového mesačného predplatného platia AMP zákazníci stovky dolárov mesačne. Niektoré tímy majú ročné objednávky v stovkách tisíc dolárov. Je to možné, pretože hodnota pre cieľový segment je obrovská.

FlowHunt a budúcnosť autonómnych workflowov

Princípy, ktoré vedú vývoj AMP – rýchla iterácia, pozícia na čele, autonómne uvažovanie – sú priamo aplikovateľné aj na širšiu workflow automatizáciu. FlowHunt ako platforma na stavbu a automatizáciu zložitých workflowov čelí podobným výzvam aj príležitostiam. Rovnako ako sa AMP pripravuje na ďalšiu generáciu AI, FlowHunt umožňuje organizáciám stavať workflowy odolné voči rýchlym zmenám technológií. Dôraz na flexibilitu, rýchlu iteráciu a schopnosť rýchlo zapracovať nové nástroje a schopnosti umožňuje tímom držať si náskok.

Kľúčovým poznatkom je, že v rýchlo sa meniacom technologickom prostredí je schopnosť rýchlej adaptácie cennejšia než optimalizácia pre aktuálne podmienky. Platí to, či budujete AI kódujúceho agenta alebo automatizujete firemné procesy. Prístup FlowHunt umožňuje rýchlo vytvárať, testovať a iterovať workflowy s najnovšími AI schopnosťami. Tímy môžu workflowy rýchlo aktualizovať bez nutnosti rozsiahlych prerábok. To je budúcnosť automatizácie: nie statické, optimalizované procesy, ale dynamické, adaptívne workflowy, ktoré sa vyvíjajú spolu s technológiou.

Dynamika trhu: Prečo sa zavedené produkty stávajú zastaranými

Trh AI kódujúcich agentov je fascinujúcou ukážkou, ako rýchlo sa môže meniť líderstvo. Na začiatku roka 2024 bol Cursor široko považovaný za kráľa AI kódovacích nástrojov. Bol najrýchlejšie rastúcim startupom všetkých čias. Vývojári masívne prechádzali z iných nástrojov na Cursor. Trh vyzeral stabilne. No už o pár mesiacov sa diskusia posunula. Objavili sa nové nástroje. Schopnosti sa zlepšili. Vývojári začali klásť iné otázky. V polovici roka 2024, ak by ste sa vývojárov opýtali na najlepší AI kódovací nástroj, Cursor by už často nebol prvou voľbou. Trh sa zmenil tak rýchlo, že predchádzajúci líder už nebol jasne dominantný.

Tento vzorec nie je unikátny pre kódujúcich agentov. Je to základná črta trhov, kde základná technológia rýchlo napreduje. V takýchto trhoch je schopnosť rýchleho pohybu a adaptácie dôležitejšia než aktuálny trhový podiel. Spoločnosť s 30 % podielom, ktorá dokáže rýchlo iterovať a zavádzať nové schopnosti, časom predbehne firmu s 50 % podielom, ktorá je pomalá. Aj preto bolo rozhodnutie oddeliť AMP od Cody strategicky výborné. Oslobodili sa od obmedzení, ktoré by ich spomaľovali. Mohli sa pohybovať rýchlo, iterovať a byť vždy vpredu.

Širším ponaučením je, že v rýchlo sa meniacich trhoch je cisár často nahý. Zabehnuté produkty, ktoré sa zdajú dominantné, môžu byť rýchlo zastarané. Nie preto, že by sa zhoršili; ale preto, že sa posunie technológia a oni sa nestihnú prispôsobiť. Uspejú tí, ktorí tento jav pochopia a nastavia sa podľa toho. Neoptimalizujú na dnešok, ale na schopnosť prispôsobiť sa budúcnosti. Nesnažia sa osloviť každého zákazníka, sústreďujú sa na tých, ktorí oceňujú rýchlosť a inovácie. Nenasledujú tradičné vývojárske postupy, ale volia tie, ktoré umožňujú rýchlu iteráciu a učenie.

Asynchrónni agenti a ďalšie čelo vývoja

Diskusia okolo AMP odhaľuje dôležitý poznatok o budúcnosti AI agentov: ďalší veľký posun bude od interaktívnych agentov k asynchrónnym agentom. Dnes väčšina AI kódujúcich agentov funguje interaktívne. Vývojár spustí agenta v editore alebo CLI, agent vykoná operácie a vývojár vidí výsledky. Zvyčajne beží jeden agent naraz a beží synchronizovane – vývojár čaká na jeho dokončenie. Je to výrazné zlepšenie oproti manuálnemu kódovaniu, no nie je to ultimátna forma agentového vývoja.

Ďalším čelom budú asynchrónni agenti, ktorí bežia 24/7 na pozadí, paralelne. Namiesto jedného agenta bežiaceho naraz môžete mať 10, 50 či 100 agentov súčasne na rôznych úlohách. Jeden agent môže refaktorovať časť kódu, ďalší písať testy na inú komponentu, tretí analyzovať výkon a navrhovať optimalizácie. Všetko to prebieha bez zásahu človeka a paralelne. Dôsledky sú ohromujúce: 10–100-násobné zvýšenie objemu práce, zásadná zmena fungovania vývojárskych tímov a úplne nové možnosti AI-asistovaného vývoja.

Tento posun prinesie výrazné dôsledky pre náklady na inferenciu, organizáciu práce aj samotnú profesiu vývojára. Prinesie aj nové výzvy v oblasti kvality, bezpečnosti a prevencie chýb vo veľkom rozsahu. No potenciál je obrovský. Tímy, ktoré asynchrónnych agentov zvládnu, budú vedieť zvládnuť v priebehu dní to, čo dnes trvá týždne. Preto je nastavenie sa na rýchly pohyb a adaptáciu také kľúčové. Firmy, ktoré prvé zvládnu efektívnych asynchrónnych agentov, získajú masívnu konkurenčnú výhodu.

Budovanie pre neistotu: základný princíp

Základný princíp prístupu AMP je budovanie pre neistotu. Tím nevie presne, kam sa technológia posunie, no vie, že sa bude meniť. Nevie, ktoré schopnosti budú najdôležitejšie, no vie, že vzniknú nové. Nevie, ako bude trh vyzerať o šesť mesiacov, no vie, že bude iný. V tejto neistote je rozumné optimalizovať pre prispôsobivosť, nie pre optimalizáciu. Znamená to udržiavať flexibilitu kódu, schopnosť rýchlo nasadzovať, zostať na čele AI schopností a byť pripravený zahodiť prístupy, ktoré už nefungujú.

Tento princíp sa vzťahuje na štruktúru tímu, biznis model aj zákaznícku stratégiu. Tím je malý a skúsený, čo umožňuje rýchle rozhodovanie. Biznis model je flexibilný, bez fixného cenníka či používateľského modelu, takže sa dá rýchlo prispôsobiť vývoju trhu. Zákaznícka stratégia sa zameriava na vývojárov, ktorí chcú napredovať, čím vzniká prirodzené prepojenie medzi schopnosťami firmy a potrebami zákazníkov. Všetko vychádza z princípu budovania pre neistotu a optimalizácie pre adaptabilitu.

Je to radikálne odlišný prístup oproti tradičnému vývoju produktov, kde sa predpovedá budúcnosť, buduje sa pre škálu a optimalizuje pre stabilitu. No v prostredí, kde technológia napreduje rýchlo, sú tradičné prístupy škodlivé. Spomaľujú vás, zamykajú do rozhodnutí, ktoré sa stávajú zastarané, a bránia vám prispôsobiť sa novým podmienkam. Firmy, ktoré v takomto prostredí uspejú, sú tie, ktoré objímajú neistotu, optimalizujú pre adaptabilitu a pohybujú sa dostatočne rýchlo, aby zostali vpredu.

{{ cta-dark-panel heading=“Zrýchlite svoj workflow s FlowHunt” description=“Vyskúšajte, ako FlowHunt automatizuje vaše AI a SEO workflowy — od výskumu a generovania obsahu až po publikovanie a analytiku — všetko na jednom mieste.” ctaPrimaryText=“Rezervujte si demo” ctaPrimaryURL=“https://calendly.com/liveagentsession/flowhunt-chatbot-demo" ctaSecondaryText=“Vyskúšať FlowHunt zadarmo” ctaSecondaryURL=“https://app.flowhunt.io/sign-in" gradientStartColor="#123456” gradientEndColor="#654321” gradientId=“827591b1-ce8c-4110-b064-7cb85a0b1217” }}

Technická architektúra: Ako AMP dosahuje 15 nasadení denne

Schopnosť doručovať 15-krát denne nie je náhoda, ale výsledok zámerných architektonických rozhodnutí. Prvým kľúčovým krokom bolo úplne oddeliť AMP od platformy Sourcegraph. Cody bol úzko previazaný so Sourcegraphom, čo znamenalo viazanosť na jej vydávacie cykly a infraštruktúrne obmedzenia. AMP bol postavený ako samostatný produkt s vlastnou infraštruktúrou, deployment pipeline a harmonogramom vydávania. Toto oddelenie je kľúčové, pretože eliminuje režijnosť koordinácie, ktorá spomaľuje väčšie systémy. Zmeny v AMP nevyžadujú koordináciu s platformou. Nasadenia nečakajú na platformové vydania.

Druhým kľúčovým rozhodnutím bolo prijať minimálny proces code review. Tím pushuje na main a nasadzuje často. Ak sa niečo pokazí, rýchlo to opravia. Znie to riskantne, no funguje to, pretože tím je malý, skúsený a produkt používa denne. Chyby zachytia rýchlo, lebo produkt sami používajú. Vedia ich rýchlo opraviť, pretože majú kód v „hlave“. Iterujú rýchlo, lebo nemusia čakať na schválenie review. Tento prístup by bol nebezpečný vo veľkej organizácii, ale v malom, skúsenom tíme je mimoriadne efektívny.

Tretím kľúčovým rozhodnutím bolo dôsledné používanie vlastného produktu („dogfooding“). Tím používa AMP na stavbu samotného AMP. Vzniká tak úzka spätná väzba, kedy tím okamžite zažíva všetky nedostatky či limity produktu. Zároveň tak tím neustále objavuje nové use-casy a možnosti. Keď používate vlastný produkt na jeho vlastnú stavbu, rýchlo zistíte, čo funguje a čo nie. Objavíte edge casy, ktoré by ste tradičným testovaním nenašli. Vyviniete intuíciu, aké funkcie sú najdôležitejšie. Preto je dogfooding taký silný pre rýchlu iteráciu.

Štvrtým rozhodnutím bolo držať kód jednoduchý a flexibilný. Namiesto budovania komplexného, silne optimalizovaného systému vybudovali niečo, čo sa dá ľahko modifikovať a rozširovať. To znamená, že môžu rýchlo zapracovať nové schopnosti. Keď vyjde nový model, rýchlo ho integrujú. Keď sa objaví nová technika promptovania, môžu ju hneď vyskúšať. Keď nájdu lepší prístup k problému, môžu refaktorovať bez obáv z rozbitia komplexných závislostí. Táto jednoduchosť a flexibilita má v rýchlom trhu vyššiu hodnotu než optimalizácia.

Biznis model: Prečo stovky dolárov mesačne dávajú zmysel

Cenový model AMP odhaľuje dôležité poznatky o tvorbe hodnoty v AI-asistovanom vývoji. Už na začiatku vývoja tím vedel, že s agentom s volaním nástrojov nemôžu fungovať na princípe 20-dolárového predplatného. Nebol to len cenový problém; bol to signál, že produkt je zásadne odlišný a potrebuje iný biznis model. Chatový asistent ako Cody môže efektívne fungovať na skromnej infraštruktúre. Agent s volaním nástrojov, ktorý uvažuje o kóde, spúšťa nástroje a iteruje autonómne, potrebuje omnoho viac výpočtového výkonu. Samotné infraštruktúrne náklady odôvodňujú vyššie ceny.

Cenový model však odráža aj hodnotu. Pre vývojára či tím, ktorý AMP efektívne využíva, sú produktívne zisky obrovské. Agent, ktorý vie autonómne implementovať funkcie, písať testy a refaktorovať kód, dokáže ušetriť hodiny či dni práce týždenne. Pre tím vývojárov je to významná hodnota. Ak AMP dokáže tímu ušetriť 10 hodín