Yapay Zeka Kod Üretimi: Metrikler Gerçek Değeri Yansıtıyor mu?
Bundan on beş yıl önce, bir SaaS şirketinde iki kıdemli geliştiricinin olduğunu hayal edin. Birisi diğerinden %40 daha fazla kod satırı yazıyor. Bu geliştirici daha mı iyi? İşletme için daha mı etkili? Diğeri CV’sini mi parlatmalıydı?
Elbette hayır. Aslında neyin ‘sevk edildiğini’ bilmek istersiniz. Müşteriler için, gelir için, güvenilirlik için ne yaptığını. Kod satırları, PR sayıları… Bunların bir geliştiriciyi ölçmek için klişe olarak kötü yollar olduğunu öğrenmek için yirmi yıl harcadık; öyle ki bugün bunları önermek gülünç kaçıyor.
Peki, sektör bu yıl neyi vitrine koydu?
- Google: Yeni kodun %75’i yapay zeka tarafından üretiliyor.
- Anthropic: Birleştirilen üretim kodunun yaklaşık %80’i Claude tarafından yazılıyor ve mühendisler ‘çeyrek başına 8 kat daha fazla kod’ sevk ediyor.
- OpenAI: Görünüşe göre bu oran da yaklaşık %80.
- Cursor: ‘Günde 100 milyondan fazla kurumsal kod satırı yazılıyor.’
Bunların her biri bir hacim iddiası. ‘AI tarafından yazılan kod yüzdesi’, daha iyi bir halkla ilişkiler uzmanına sahip kod satırlarından ibaret. (Bu taslağı düzenleyen şüpheci tarafım, bunların hepsinin bir tür AI sağlayıcısı olmasının tesadüf olmadığını, dolayısıyla benimsemeyi pompalamanın onlar için ‘oldukça’ önemli olduğunu belirtmek ister.)
Geçmişte Sonuçları İddia Ediyorduk
Birkaç yıl geriye sararsak, manşet sayısı sadece boyutta değil, türde de farklıydı. GitHub’ın en önemli iddiası, geliştiricilerin Copilot ile görevleri %55 daha hızlı tamamladığıydı. Bu çalışma hakkında ne derseniz deyin (birçok kişi dedi), ama bu bir ‘sonuç’ iddiasıydı. Cesur, yanlışlanabilir, değer hakkında. Yanlışsa, yanlış olduğunu gösterebilirdiniz.
2026 yılındaki iddialar başarısız olamaz. Dehaları da bu; ‘Kodumuzun %75’i AI tarafından yazıldı’ doğru olabilir ve hiçbir şey daha iyiye gitmese bile (daha hızlı teslimat, daha az olay, daha mutlu müşteriler vb.) yükselmeye devam edecektir. Bir hacim numarası, ancak benimseme durursa sizi hayal kırıklığına uğratabilir ve benimseme, çoğumuzun gerçek olduğunu kabul ettiği tek şeydir.
Yani iddialar büyüdü ve daha az şey söylemeye başladı. Arada ne oldu?
Kimsenin Vitrine Koymadığı Kısım
Sonuç kanıtları karmaşıklaştı, olan buydu.
Benimsemeyi destekleyen en güçlü sonuç hala Cui ve ark. çalışmasıdır; yaklaşık 5.000 geliştirici, görev tamamlama %26 arttı ve en büyük kazançlar genç geliştiricilerde görüldü. Bu pek tartışmalı değil. Ancak daha sonra GitClear, Copilot benimsenmesi derinleştikçe kod karmaşasının arttığını ve refactoring’in çöktüğünü gösterdi. Ardından METR, birçok kişinin alıntıladığı çalışmayı yürüttü: Deneyimli açık kaynak geliştiricileri, kendi kod tabanlarında AI ile %19 ‘daha yavaş’tılar, ancak %20 daha hızlı olduklarına inanıyorlardı.
Ancak! Şubat 2026’da METR bunu etkili bir şekilde geri çekti: Takip tahminleri bir ‘hızlanmaya’ dönüştü (bir Moto Guzzi’yi yan çantalarla bile sürebilecek kadar geniş hata çubuklarıyla!) ve çalışma tasarımını tamamen terk ettiler – çünkü geliştiriciler artık AI ‘olmadan’ çalışmayı reddediyorlar ve aracı çalışmada zamanı güvenilir bir şekilde kendi başlarına rapor edemiyorlar. En son pozisyonları: AI, 2026’da geliştiricileri muhtemelen hızlandırıyor ve ne kadar olduğunu artık temiz bir şekilde ölçemiyoruz.
Bu arada şirket düzeyinde, yaklaşık 6.000 yönetici üzerinde yapılan bir NBER anketi, firmaların %69’unun AI’yı aktif olarak kullandığını ve yaklaşık onda dokuzunun ölçülebilir bir verimlilik etkisi bildirmediğini buldu. Çalışmalar arası konsensüs, yaklaşık %10’luk örgütsel kazançlar etrafında seyrediyor. Hiç de fena değil! Hala oldukça kullanışlı! Ama aynı zamanda ‘artık geliştiricilere ihtiyacınız yok’ bölgesinde de değil.
Ve eğer hala ‘%19 daha yavaş’ diyen bir şüpheciyseniz, siz de kiraz topluyorsunuz demektir. Araştırma sürekli güncelleniyor; sektör sadece neyi saydığını değiştirdi.
Gösteriş Metrikleri, Şimdi AI Tadında
Adil olmak gerekirse, sadece AI sağlayıcı iddiaları değil. Carnegie Mellon’ın SEI ve Accenture, birkaç gün önce bir Yapay Zeka Benimseme Olgunluk Modeli başlattı: beş seviye, sekiz boyut, kuruluşların %95’inin geri dönüş göremediği bir istatistikle pazarlanıyor. Steve Yegge’nin ‘8 seviyeli AI destekli geliştirme’ modeli, sizi çalıştırdığınız araçlara ve ne kadar denetim sağladığınıza göre sıralıyor. Ve her araç sağlayıcısı şimdi, genellikle ‘ürünümüzden daha fazlasını kullanın’ olan en üst kademesiyle bir olgunluk merdiveni sunuyor. Bu merdivenler benimseme yoğunluğunu ölçüyor ve buna olgunluk diyor. Aynı ikame, daha güzel ambalaj.
Bu türdeki favori veri noktam: Augment, 219 mühendislik liderine ‘AI-yerel mühendisliği’ tanımlamalarını istedi ve 219 farklı cevap aldı. 🫠
Ve ipin her iki ucunu tutma ödülü Anthropic’e gidiyor; bize ‘8 kat daha fazla kod sevk edildi’ iddiasını verdiler VE yılın daha titiz çalışmalarından birini yaptılar: AI destekli geliştiricilerin, yeni sevk ettikleri kodun ‘anlaşılmasında’ %17 daha düşük puan aldıklarını, istatistiksel olarak anlamlı bir üretkenlik kazancı olmadan bulan bir RCT. Claude’u her gün kullanıyorum (bu yazı için okuduğum bağlantıların yarısını o önerdi, bu yüzden ironi gözümden kaçmıyor), ürünler gerçekten mükemmel ve pazarlama kolu hacmi sayarken araştırma kolu güncelleniyor. İkisi de aynı anda doğru, ki mesele de bu zaten.
Neden Gerçekten Umurumda?
Çünkü bu sayılar dekoratif değil. Bütçeleri, performans beklentilerini ve personel planlarını etkiliyorlar. Şubat ayında Jack Dorsey, Block’un işgücünün %40’ından fazlasını (4.000’den fazla kişi) işten çıkardı ve AI’yı açıkça temel tez olarak gösterdi: ‘Oluşturduğumuz araçları kullanan önemli ölçüde daha küçük bir ekip, daha fazlasını ve daha iyisini yapabilir.’ Birkaç hafta sonra Atlassian %10 (~1.600 kişi) kesti, AI’nın ihtiyaç duyduğumuz beceri karışımını veya gereken rol sayısını değiştirmediğini iddia etmenin ‘samimiyetsiz’ olacağını kabul etti. Ve beni etkileyen kilit bir detay var: Dorsey, aynı duyuruda, işin güçlü olduğunu ve brüt karın büyüdüğünü söyledi.
Bir şirket ‘AI herkesi daha üretken hale getirdi, bu yüzden daha az kişiye ihtiyacımız var’ dediğinde, kanıtı görmek isterim – ve bugün böyle bir kanıtın var olduğuna inanmıyorum. İşgücünüzün x%’inin, işin artık daha az kişi tarafından yapılabildiği için gerçekten boşta (hatta sadece az kullanıldığı) olduğunu bana gösterin. O zaman bile: Sonsuz bir yol haritasına sahip olmayan bir ürün/SaaS şirketi görmedim. Bir gecede esasen ücretsiz bir personel artışı elde etseydiniz, neden bunu müşterilerinize daha hızlı daha fazla değer sunmak için kullanmayasınız ki? Bu, MAU, dönüşüm, gelir olarak görünmeliydi. Bunun yerine işten çıkarmayı seçmek, üretkenlik iddiasının başka nedenlerle (aşırı işe alım, yatırımcı baskısı, istediğinizi seçin) zaten verilmiş bir kararın halkla ilişkiler çalışmasını yaptığını gösteriyor.
Bakın, her işletme biraz yağ taşır ve verimliliğe dayalı budamayı bazen meşru olarak gerçekleşen bir şey olarak kabul edebilirim – bu sektördeki her değişimde oldu. Ama bu olduğunda, bunu zaten yürüttüğünüz bireysel performans sistemlerini kullanarak yapmaya çalışın; tembellik edenleri ve ilgisiz olanları ortaya çıkaran sistemleri. Token sayılarını değil. ‘% AI tarafından yazılan kod’u veya birinin olgunluk merdivenindeki seviyesini değil. Seçim kanıtınız bir gösteriş metriğiyse, seçiminiz ruj sürmüş bir piyangodur.
Nereye Varıyorum
Daha önceki yazılarımda belirttiğim gibi, bunların hiçbirini AI karşıtı olarak okumayın. Her mühendisin AI’yı günlük olarak kullanması gerektiğini düşünüyorum. Buna AI-öncelikli, AI-yetenekli veya ne isterseniz deyin. Meraklı olun, yeni araçları deneyin, en son modelleri test edin. Bunu yapmamak saçma olur. Bu sektörün yüksek seviyeli dilleri, IDE’leri, otomatik tamamlama, çevik ve devops’u nasıl benimsediğini izledim ve her zaman X gelip her şeyi mahvetmeden önceki iyi günleri anan hırçın direnişçiler oldu. Direnişçiler sonunda (genellikle) gemiye bindiler. Bu seferki fark hız: ‘bulutu’ benimsemeyi birkaç yıl erteleyip hayatta kalabilirdiniz. AI ile birkaç ayınız olabilir. Çalışma şeklimiz zaten değişti ve gördüğüm kadarıyla geri dönmüyor.
Ama benimseme ‘başlangıç çizgisidir’, skor tahtası değil. Mühendisliğin değer sağlayıp sağlamadığını zaten nasıl ölçeceğimizi biliyoruz: DORA metrikleri, güvenilirlik, anlamlı değişim oranı ve nihayetinde gelir ve müşteri değeri. Savaştan geçmiş, hırpalanmış şeyler. Tüm bunları neden saçma AI gösteriş puanları için atıyoruz? (Bu yazıda pek çok konuda yanılmış olabilirim ama bunda yanıldığımı sanmıyorum.)
Bu yüzden bir sonraki satıcı sunumunuza, yönetici incelemenize veya LinkedIn kıyamet kaydırmanıza sızdırmanız gereken soru şu: Bu bir sonuç mu, yoksa bir hacim mi? Bu soruyu sorduğunuzda bir pozisyon veya ifadenin ne kadar çabuk söndüğüne inanamazsınız.
Değişim kalıcı ve araçlar iyi. Umut verici kısım ise, neyin önemli olduğunu zaten nasıl ölçeceğimizi biliyor olmamız (ve bunların hiçbiri token olarak sayılmıyor).
Çalışma şeklinizde AI-öncelikli olun, ancak onu ölçme şeklinizde savaştan geçmiş olun.
