Yabancı medya, AI programlama araçlarının geliştirme takımlarında "tercih edilebilir" hâlden "varsayılan yapı"ya dönüştüğünü belirtiyor, ancak verimlilik artışı konusundaki iyimser beklentiler, artan maliyetler ve kalite sorunları nedeniyle gerçeklere getiriliyor. Birden fazla araştırma ve şirket vaka, AI'nın kod yazma hızını gerçekten artırabileceğini gösteriyor, ancak sonraki düzeltmeleri azaltmayabilir.
Geliştiriciler, AI işlerinden ayrılmak istemiyorlar.
AI araştırma kurumu METR, bu yıl Şubat'ta, programcıların el ile yazdığı kodlarla AI destekli görev tamamlama arasındaki verimlilik farkını karşılaştırmayı amaçlayan bir deneyi tekrarlamaya çalışırken zorluklarla karşılaştığını açıkladı: birçok programcı, deney için bile AI araçlarını geçici olarak bırakmak istemedi.
METR, 2025 yılında ilgili bir test gerçekleştirmişti. Katılımcılar genellikle daha verimli hissettiler, ancak gerçek ölçümler bunun tam tersini gösterdi: kod üretimi daha hızlı olsa da, geliştiriciler model çıktılarını beklemek, hataları düzeltmek ve aracı görevleri tamamlamak için tekrar tekrar yönlendirmek için daha fazla zaman harcadı.
Geliştiricilerin AI olmadan katılımlarını sürdürmenin zorluğu nedeniyle, METR daha sonra teknik personelin AI tarafından getirilen kazançları kendi kendine değerlendirmesini sağlayan bir anket yayınladı. Katılımcılar, AI'nın iş değerlerini iki katına çıkardığını genel olarak kabul etti.
Şirketler AI yatırımlarını yeniden değerlendiriyor
Makale, bu tür "kendini daha verimli hisseden" yargıların, şirket harcamaları ve gerçek çıktılarla sınandığını belirtiyor. 2026'dan beri, Silicon Valley'de AI kullanım yoğunluğunu ölçmek için token tüketim miktarı kullanılmış, hatta bunu bir verimlilik göstergesi gibi kabul edilmişti, ancak bu yaklaşım açık bir geri tepme yaşamıştır.
Bu hafta İngiliz Finans Times, Amazon'un, çalışanların AI temsilcilerini aşırı şekilde çağırarak "puanları manipüle ederek" maliyetleri artırmasına rağmen çıktı iyileştirmesi olmaması nedeniyle dahili token sıralaması Kirorank'ı kapattığını bildirdi.
The Information, 2026 yılının ilk dört ayında Uber'in yıllık AI bütçesini tükettiğini rapor etti. Şirketin Chief Operating Officer'u Andrew Macdonald, son bir podcast'te bu tür harcamaların henüz ölçülebilir proje büyümesi veya verimlilik artışı sağlamadığını söyledi.
Daha hızlı kod yazmak, daha az bakım demek değildir.
Makale, daha büyük sorunun kodun bakımında olduğunu belirtiyor. Programcı ve yazar James Shore, yakın zamanda yaygın olarak paylaşılan bir blog yazısında, kod yazma hızı iki katına çıkarsa da bakım maliyeti aynı oranda azalmazsa, takımın kısa vadeli hızlanmayı uzun vadeli bir yükle değiştirdiğini işaret ediyor.
Bu noktada, piyasada birçok veri de ortaya çıktı. Güvenilirlik mühendisliği startup'ı Entelligence AI'nın kurucusu Aiswarya Sankar, işletmelerin token tüketiminin yaklaşık %44'ünün AI tarafından üretilen hataları düzeltmek için kullanıldığını belirtti. Kod inceleme aracı şirketi Code Rabbit de, açık kaynak projelerdeki çekme istekleri üzerindeki analizlerinde, AI tarafından üretilen kodun getirdiği sorun sayısının insan kodunun 1,7 katı olduğunu gösterdi.
Bu veriler ilgili hizmet sağlayıcılardan gelmektedir ve açık bir tutum faktörü içermektedir, ancak bağımsız araştırmalar da benzer uyarılar vermektedir. Singapur Yönetişim Üniversitesi araştırmacıları, Nisan ayı boyunca yayınladıkları raporda, AI tarafından oluşturulan kodların gerçek yazılım projelerine uzun vadeli bakım maliyetleri getirebileceğini belirtmiştir.
Araştırmacılar, AI'yi "başlangıç düzeyi geliştirici" olarak yönetmeyi öneriyor.
Nasıl tepki verileceği konusunda makale, bazı AI programlama ajanı üreticilerinin, AI tarafından oluşturulan sorunları düzeltmek için daha fazla AI kullanmaya devam etmeyi savunduğunu belirtiyor. AI programlama ajanı Devin'in geliştiricisi Cognition'un kurucusu Scott Wu da bu görüşü paylaşıyor.
Ancak, Devin'in bazı görevleri kendi başına tamamlayabildiğini, ancak mevcut yeteneklerinin görev türüne bağlı olarak hâlâ başlangıç seviyesinden orta seviye programcı arasındayacağını kabul etti. Bu, geliştirme ekibinin çalışmalarını tamamen bir ajenteyle devretip gözden çıkaramayacağını anlamına geliyor.
Buna karşılık, Singapur Yönetim Üniversitesi araştırmacıları, geliştiricilerin AI'nın iyi ve kötü olduğu görevlerin sınırlarını net bir şekilde anlamasını, AI çıktıları için kalite güvence süreçleri kurmasını ve model tarafından üretilen sonuçları başlangıç seviyesi bir mühendisin kodunu inceleyerek kontrol etmesini öneriyor.
Makale, yazılım mimarisi ve güvenlik tasarımı gibi üst düzey işlerde insan geliştiricilerin hâlâ ana karar vericiler olduğunu, hatta AI ajanlarını destekleyenlerin bile bunu kabul ettiğini belirtiyor.