- Konuşmacı Gergely Orosz, Pragmatic Engineer bülteni ve podcast'inin yayıncısı, ayrıca eski Microsoft ve Uber mühendisi olarak sahada gördüğü GenAI benimseme gerçekliğini paylaşıyor
- CEO'ların ve kurucuların abartılı beklentilerinin aksine, gerçek geliştirici deneyimi araçların sınırları ve üretkenlik farkları nedeniyle daha karmaşık bir tablo ortaya koyuyor
- Yapay zeka geliştirme aracı girişimleri ve büyük teknoloji şirketleri içinde iç kullanım oranları yüksek ve yatırımlar canlı olsa da, bazı girişimler ve özel alanlar hâlâ düşük fayda bildiriyor
- Bağımsız geliştiriciler ve deneyimli mühendisler son dönemde GenAI'nin dönüm noktasını hissederken, kodlama üretkenliği ve yaratıcılığın genişlemesine olumlu tepki veriyor
- Kent Beck, LLM benimsenmesini internet ve akıllı telefon ölçeğinde bir paradigma değişimi olarak değerlendiriyor ve yeni deneme ile deneyleri vurguluyor
Konuşmacı tanıtımı
- Gergely Orosz
- Pragmatic Engineer bülteni ve podcast'ini yürütüyor
- JP Morgan, Microsoft(Skype), Skyscanner ve Uber gibi şirketlerde 10 yıllık mühendislik deneyimi
- Şu anda GenAI'nin yazılım mühendisliği üzerindeki etkisini yoğun biçimde araştırıyor
Abartılı beklentiler ve gerçeklik
- Microsoft CEO'su: "Yapay zeka tüm kodun %30'unu yazıyor"
- Anthropic CEO'su: "1 yıl içinde kodun %100'ü yapay zeka tarafından üretilecek"
- Google'dan Jeff Dean: "Yapay zeka yakında junior geliştirici seviyesine ulaşacak"
- Ancak gerçeklik:
- Yapay zeka ajanları hata üretip yüzlerce dolarlık maliyete yol açabiliyor
- Microsoft Build demosunda yapay zeka karmaşık kod düzeltmelerinde başarısız oldu
Yapay zeka geliştirme aracı girişimleri
- Anthropic:
- Şirket içindeki tüm mühendisler Cloud Code kullanıyor
- Kodun %90'ından fazlası yapay zeka tarafından yazılıyor
- MCP(Model Context Protocol) benimsenmesi → IDE, DB, GitHub vb. bağlantı mümkün; geniş ölçekte yayılıyor
- Windsurf: kodun %95'i yapay zeka tarafından yazılıyor
- Cursor: %40~50 yapay zeka yazımı, "yarısı iyi çalışıyor, yarısı sınırlı"
Büyük teknoloji şirketlerinde durum
- Google:
- Kendi IDE'si Cider içine yapay zeka özellikleri gömülü (otomatik tamamlama, inceleme, kod arama)
- Son 1 yılda şirket içinde benimseme hızla yayıldı
- SRE organizasyonu, 10 kat daha fazla kod satırına karşılık altyapıyı güçlendiriyor
- Amazon:
- Amazon Q Developer Pro → AWS ile ilgili işlerde güçlü
- Anthropic modelleri (Claude) de şirket içi belge yazımı ve değerlendirme dönemlerinde aktif kullanılıyor
- MCP sunucuları geniş ölçekte entegre edildi → şirket içi araç otomasyonu yayılıyor
Girişimler ve bireysel örnekler
- Incident.io:
- Tüm ekip yapay zekayı aktif biçimde deniyor ve Slack'te ipuçları paylaşıyor
- Cloud Code'un benimsenmesinden sonra kullanım oranı hızla arttı
- Biyoteknoloji girişimi:
- Kendi başına özgün kod yazma ihtiyacı yüksek olduğu için LLM verimliliği düşük
- Hâlâ doğrudan kod yazmanın daha hızlı olduğu değerlendiriliyor
Bağımsız geliştiriciler ve deneyimli mühendisler
- Armin Ronacher (Flask'ın yaratıcısı): ajanları sanal stajyer gibi kullanıyor, üretkenlik artışını hissediyor
- Peter Steinberger (PSPDFKit kurucusu): dil bariyerlerinin azaldığını ve "teknik kıvılcımın yeniden canlandığını" söylüyor
- Simon Willison (Django'nun ortak yaratıcısı): son model iyileştirmeleriyle "yapay zeka kodlama ajanları pratik aşamaya" girdi
- Brigita (Thoughtworks): LLM, tüm stack'i kapsayan yeni bir soyutlama aracı
- Kent Beck (TDD'nin yaratıcısı): "52 yıllık kariyerimde şu an en eğlenceli dönem", LLM'yi internet ve akıllı telefon düzeyinde bir yenilik olarak değerlendiriyor
Geriye kalan sorular
- Neden CEO'lar ve kurucular, mühendislerden daha fazla heyecan duyuyor?
- Gerçek yapay zeka araç kullanım oranı haftalık bazda %50 seviyesinde; henüz yaygınlaşmış değil
- Zaman tasarrufu etkisi: DX araştırmasına göre haftada 3~5 saat tasarruf; abartılı "10 kat üretkenlik" iddiasından oldukça uzak
- Neden bireysel düzeyde etkisi büyükken organizasyon düzeyinde daha az etkili?
Sonuç
- LLM, assembly → yüksek seviyeli dil geçişine benzer bir üretkenlik sıçraması potansiyeli taşıyor
- Ancak yapay zeka deterministik değil ve verimlilik takım ile alana göre büyük farklılık gösteriyor
- Mesaj: şu an deneme ve öğrenme zamanı; "ucuzlayan ve mümkün hâle gelen şeyleri aktif biçimde denemek gerekir" vurgusu yapılıyor
Henüz yorum yok.