Η παραγωγή κώδικα άλλαξε οριστικά χαρακτήρα και τα νούμερα δεν αφήνουν περιθώρια αμφισβήτησης. Μέσα σε έναν μόλις χρόνο, το GitHub πρόσθεσε 4 εκατομμύρια πυρήνες CPU, 160PB αποθηκευτικού χώρου και 50Tb/s δικτυακού bandwidth για να αποφύγει την κατάρρευση. Οι αυτόνομοι AI agents γράφουν πλέον περισσότερο κώδικα από τους ανθρώπους προγραμματιστές, προκαλώντας ασφυξία στις υποδομές cloud.
- Η κατακόρυφη άνοδος της agentic AI οδήγησε σε 17,9 δισεκατομμύρια code pushes μέσα σε 12 μήνες, εξαπλασιάζοντας τα συνολικά commits.
- Πάνω από το 40% των pull requests εκκινούνται πλέον απευθείας από AI agents, επιβαρύνοντας δραματικά τους χρόνους εκτέλεσης στα CI/CD pipelines.
- Το GitHub υποχρεώθηκε σε ριζικό επανασχεδιασμό του backend του, διαχωρίζοντας πλήρως την αποθήκευση από την επεξεργαστική ισχύ για να αντέξει τον φόρτο I/O.
Πώς οι AI Agents εκτόξευσαν το Git
Η παραδοσιακή ροή εργασίας ενός προγραμματιστή είχε φυσικά όρια ταχύτητας. Ένας άνθρωπος γράφει, ελέγχει τοπικά και στέλνει μερικά commits την ημέρα. Σύμφωνα με τα επίσημα στοιχεία από το GitHub Universe, οι αυτόνομοι agents λειτουργούν χωρίς διάλειμμα, δοκιμάζοντας διαδοχικές λύσεις αυτόματα.
Μέσα σε λίγους μήνες, η συμπεριφορά των αποθετηρίων άλλαξε ριζικά. Τον Απρίλιο καταγράφονταν 1,4 δισεκατομμύρια commits μηνιαίως, ενώ τον Σεπτέμβριο ο αριθμός εκτινάχθηκε στα 7,4 δισεκατομμύρια. Η διαφορά εντοπίζεται στη φύση των εργαλείων: τα projects που εκκινούνται με AI agents παράγουν οκταπλάσια δραστηριότητα σε σχέση με τα συμβατικά.
Όταν ένα εργαλείο όπως το Claude Code ή το GitHub Copilot Workspace αναλαμβάνει ένα issue, δεν στέλνει μία ολοκληρωμένη αλλαγή. Δημιουργεί διαδοχικά branches, δοκιμάζει patches, αποτυγχάνει και ξαναπροσπαθεί. Αυτός ο αυτοματοποιημένος βρόχος πολλαπλασιάζει τα push operations ανά λεπτό, μετατρέποντας το version control σε πεδίο συνεχούς καταπόνησης.
Το κρυφό κόστος στα pipelines CI/CD
Κάθε φορά που ένα agent κάνει push ή ανοίγει pull request, ενεργοποιούνται αυτοματοποιημένα τεστ. Στη σύγχρονη ανάπτυξη λογισμικού, τα pipelines ελέγχουν linting, unit tests, integration tests και build artifacts. Όπως επισημαίνει η τεχνική έκθεση Octoverse, τα automated Actions jobs σχεδόν πενταπλασιάστηκαν μέσα σε δώδεκα μήνες.
Στην πράξη, αυτό σημαίνει ότι εκατομμύρια virtual machines εκκινούν ταυτόχρονα για να ελέγξουν κώδικα που ίσως απορριφθεί δευτερόλεπτα αργότερα. Αν διαχειρίζεσαι ομάδα ανάπτυξης, το κόστος αυτό μεταφέρεται άμεσα στον μηνιαίο λογαριασμό cloud computing. Η κατανάλωση runner minutes αυξάνεται εκθετικά χωρίς να αντιστοιχεί πάντα σε ουσιαστική πρόοδο στο προϊόν σου.
Η εμπειρία μας με παρόμοιες υλοποιήσεις cloud δείχνει ότι τα παραδοσιακά όρια bandwidth και CPU δεν επαρκούν πλέον. Αν μια ομάδα δεν θέσει αυστηρά quotas στα agent triggers, κινδυνεύει να εξαντλήσει τα δωρεάν ή προπληρωμένα tiers μέσα στις πρώτες δέκα ημέρες κάθε μήνα. Για να διατηρήσεις τον έλεγχο, χρειάζεσαι έξυπνα throttling policies στα webhooks σου.
| Μετρική GitHub | Επίπεδα 2025 (Βάση) | Επίπεδα 2026 (Σήμερα) | Μεταβολή / Επιβάρυνση |
|---|---|---|---|
| Μηνιαία Commits | ~1,2 δισ. | 7,4 δισ. | 6× αύξηση |
| Εκτελέσεις Actions (CI/CD) | 1× | 4,8× | +380% υπολογιστικός φόρτος |
| Merged Pull Requests | 1× | 3,9× | Σχεδόν τετραπλασιασμός |
| PRs με εκκίνηση από AI | 17% (Μάρτιος) | >40% (Σεπτέμβριος) | Κυριαρχία αυτόνομων agents |
Αποσύνδεση storage και compute σε κλίμακα
Το παραδοσιακό πρωτόκολλο Git σχεδιάστηκε τη δεκαετία του 2000 με την υπόθεση ότι η αποθήκευση και η εκτέλεση εντολών γίνονται σε ενιαίο server περιβάλλον. Όταν όμως δέχεσαι 50Tb/s συνεχούς διακίνησης δεδομένων, αυτή η monolithic προσέγγιση καταρρέει. Οι μηχανικοί της πλατφόρμας αναγκάστηκαν να παρουσιάσουν έναν πλήρη επανασχεδιασμό backend.
Η λύση δόθηκε με τον πλήρη διαχωρισμό των αποθηκευτικών μονάδων (storage tier) από τα υπολογιστικά συστήματα που εκτελούν τα diffs και τα merges (compute tier). Τα 160PB νέου αποθηκευτικού χώρου δεν λειτουργούν απλώς ως αποθήκες αρχείων. Εξυπηρετούνται από εξειδικευμένα memory-mapped clusters που διαχειρίζονται ταχύτατα εκατομμύρια concurrent I/O operations.
Αυτή η τεχνολογική στροφή μοιάζει με τη μετάβαση που είδαμε στις enterprise βάσεις δεδομένων την προηγούμενη δεκαετία. Όπως αναλύουμε συχνά στον οδηγό επιλογής cloud servers και storage, η αποσύνδεση αυτή επιτρέπει την κλιμάκωση των πόρων ανεξάρτητα. Αν ένας agent παράγει gigabytes από logs ή προσωρινά branches, δεν παγώνει πλέον το repository για τους υπόλοιπους συνεργάτες.
Ο κίνδυνος του μηχανικού technical debt
Υπάρχει μια παράμετρος που οι περισσότερες τεχνικές αναλύσεις παραβλέπουν: η εκτόξευση της ποσότητας δεν σημαίνει αυτόματα βελτίωση της ποιότητας. Όταν ένας agent παράγει 50 commits για μια απλή διόρθωση, δημιουργεί τεράστιο θόρυβο στο git history. Ο εντοπισμός σφαλμάτων με εργαλεία όπως το git bisect μετατρέπεται σε εφιάλτη για τους software architects.
Παράλληλα, τα συστήματα ελέγχου ασφαλείας δέχονται πρωτοφανή πίεση. Η αυτόματη ενσωμάτωση εξωτερικών βιβλιοθηκών από AI agents αυξάνει ραγδαία τις ευπάθειες στην εφοδιαστική αλυσίδα λογισμικού (supply chain security). Περισσότερα για την προστασία υποδομών μπορείς να διαβάσεις στην ενότητα για την κυβερνοασφάλεια και ανάλυση κώδικα.
Το πρόβλημα δεν είναι μόνο αν ο κώδικας περνάει τα tests σήμερα. Το πραγματικό ζήτημα είναι ποιος κατανοεί τη δομή του συστήματος σε βάθος τριετίας, όταν ολόκληρα modules έχουν συνταχθεί χωρίς ανθρώπινη επίβλεψη. Το λεγόμενο “code bloat” απαιτεί πλέον εξειδικευμένα εργαλεία καθαρισμού και αυστηρότερα merge policies από κάθε engineering lead.
Η άποψή μας στο Psifiaka.gr
Η αναβάθμιση του GitHub είναι εντυπωσιακή σε αριθμούς, αλλά αποκαλύπτει μια ανησυχητική πραγματικότητα: η τεχνητή νοημοσύνη αρχίζει να παράγει κώδικα απλώς για να καταναλώνεται από άλλα συστήματα τεχνητής νοημοσύνης. Οι 4 εκατομμύρια νέοι επεξεργαστικοί πυρήνες δεν προστέθηκαν επειδή διπλασιάστηκαν οι λειτουργίες του λογισμικού, αλλά επειδή οι agents λειτουργούν με τη μέθοδο της εξαντλητικής δοκιμής (brute-force debugging).
Από τη θετική πλευρά, η ταχύτητα υλοποίησης πρωτοτύπων και boilerplate εφαρμογών έχει φτάσει σε επίπεδα που παλαιότερα απαιτούσαν μήνες εργασίας. Από την άλλη πλευρά, δημιουργείται μια επικίνδυνη εξάρτηση από πανάκριβες proprietary υποδομές cloud. Αν συνεχιστεί ο ίδιος ρυθμός, οι ανεξάρτητοι developers και οι μικρές open-source κοινότητες θα δυσκολεύονται να συντηρήσουν self-hosted λύσεις (όπως το GitLab ή το Gitea), καθώς οι απαιτήσεις σε hardware ξεπερνούν κάθε προϋπολογισμό.
Συχνές Ερωτήσεις για το GitHub και τους AI Agents
Τι προκάλεσε την τεράστια αύξηση στα commits του GitHub;
Η εξάπλωση αυτόνομων AI agents που δημιουργούν, ελέγχουν και ανανεώνουν κώδικα αυτόματα όλο το εικοσιτετράωρο, οδηγώντας σε 7,4 δισεκατομμύρια commits κάθε μήνα.
Γιατί χρειάστηκαν 4 εκατομμύρια επιπλέον πυρήνες CPU;
Η υποδομή έπρεπε να υποστηρίξει τον πενταπλασιασμό των CI/CD automated jobs (GitHub Actions) που εκτελούνται υποχρεωτικά σε κάθε νέο push και pull request.
Τι σημαίνει disaggregated backend architecture;
Είναι ο πλήρης τεχνικός διαχωρισμός του storage από το compute, ώστε οι υπολογισμοί του Git να μην καθυστερούν από τις αργές διαδικασίες εγγραφής στον δίσκο.
Επηρεάζεται ο απλός χρήστης ή developer;
Ναι, γιατί αυξάνονται οι πιθανότητες για code review fatigue, θόρυβο στα commit histories και υψηλότερα κόστη στα runner minutes των cloud pipelines.
Μπορούν τα self-hosted git συστήματα να αντέξουν τέτοιο φορτίο;
Μόνο αν αναβαθμίσουν σημαντικά το hardware τους και διαχωρίσουν τη βάση αποθήκευσης από τους application workers, κάτι που αυξάνει δραματικά το λειτουργικό κόστος.
