Ask HN: Yapay zeka çılgınlığı sürerken yazılım mühendisleri ne düşünüyor?

Yapay zeka işlerin %30~50'sini üstleniyorken, şirketlerde havanın nasıl olduğunu merak ediyorum.
Yazılım mühendisi alımını artırıyor musunuz, yoksa durdurdunuz mu?
Yönetim, daha fazla işi halletmek için baskı yapıyor mu?

Öne çıkan yanıtların özeti

1. Yapay zeka kullanım düzeyi ve gerçek üretkenlik

• Birçok geliştirici, yapay zekanın işlerin %30~50'sini devraldığı iddiasının abartılı olduğunu düşünüyor; gerçek etkinin çoğunlukla %1~10 düzeyinde olduğu görüşü hakim
• Yapay zeka; boilerplate kod yazımı, basit script'ler, belge özetleme/dönüştürme, aramanın yerine geçme gibi tekrarlı işlerde yararlı, ancak karmaşık kod yazımı veya bakımda sınırları büyük
• Bazı junior ve mid-level geliştiriciler, sözdizimi ve yapı önerileri sayesinde üretkenlik artışı hissetse de, deneyimli geliştiricilerde ise üretkenliğin %19 düştüğünü gösteren araştırmalar var
• Yapay zeka kodunun kalite sorunları nedeniyle doğrulama ve düzeltmeye daha fazla zaman harcanıyor; bu da çoğu zaman net kazanımı azaltıyor

2. Yapay zekanın organizasyon ve işe alım üzerindeki etkisi

• İşe alım ölçeğinde büyük bir değişiklik yok. Ancak bazı şirketler alımı azaltıyor ya da offshoring'i artırıyor; özellikle de yapay zekayla düşük maliyetli iş gücünden yararlanma beklentisi nedeniyle
• İlgi, yapay zekayı iç verimlilikten çok ürün özelliklerine entegre etme yönüne kayıyor
• Yönetim katmanının yapay zekaya gereğinden fazla güvenip işin zorluk seviyesini olduğundan düşük görmesi ve gerçekçi olmayan teslim tarihleri koyması, geliştirici moralini düşürebiliyor

3. Yapay zeka kullanımında başarı ve başarısızlık örnekleri

• Başarı örnekleri:
  • İlk PoC üretimi, yeni proje bootstrap'i, test kodu ve basit UI yazımı
  • Çok büyük log ve dokümanlar içinde gezinme, API dokümantasyonunda gereken bilgiye işaret eden pointer'lar sağlama
  • Legacy kodda refactoring adaylarını bulma, GDB çıktısını analiz etme gibi belirli niş işler
• Başarısızlık örnekleri:
  • Karmaşık mevcut codebase'e entegrasyon, sürüm ve alana özgü dillerin (ör. ABAP) desteklenmesi
  • Dokümanların ve ticket'ların eski ya da çelişkili olduğu ortamlarda arama/özetleme
  • Yüksek kalite standardı gerektiren OSS katkısı (PR) işleri

4. Geliştirici psikolojisi ve moral

• Bazıları, tekrarlı işlerin yapay zekayla azalması sayesinde tasarım ve mimariye odaklanabildiği için daha memnun
• Buna karşılık,
  • "Neden öğreneyim ya da katkı yapayım ki?" → uzun vadede yapay zekanın yerini alacağına dair şüphecilik
  • Yapay zekanın ürettiği hatalı toplantı özetleri ve aksiyon maddeleri nedeniyle iş akışında karışıklık
  • Yapay zeka benimsemesini gerekçe gösteren maliyet düşürme ve personel azaltma endişesi
• Bağımsız web ve içerik üreticileri, trafik ve gelir düşüşü nedeniyle olumsuz etkiyi daha fazla hissediyor

5. Genel sonuç

• Yapay zeka bugün için "yardımcı araç" olarak değerli, ancak ana işleri ikame etme seviyesine ulaşmış değil
• Üretkenlik artışı; alan, codebase'in özellikleri ve geliştiricinin yetkinlik düzeyine büyük ölçüde bağlı
• Uzun vadede kod yazmaktan çok mimari tasarım ve kalite yönetimi yetkinlikleri daha önemli hale gelebilir
• Aşırı beklenti ile küçümseme aynı anda varlığını sürdürüyor; çoğunluğun görüşü "yararlı ama her derde deva değil" yönünde