Düşünceden Daha Hızlı AI Temposunun Geliştiricide Yarattığı 'Vibe Coding' Yorgunluğunun Analizi

Özet:

• AI araçlarının (Claude Code, Cursor) kullanımı geliştirme hızını artırdı, ancak hızlı çalışma temposu beynin işleme sınırlarını aşarak yorgunluğa yol açtı
• Sık bağlam geçişleri, dopamin fazlalığı ve yönetici rolüne kayış bilişsel yükü artırıyor
• İnsanın AI hızına kapıldığı bir 'makine zamanı' olgusu ortaya çıkıyor; temponun bilinçli biçimde kontrol edilmesi gereği öne çıkıyor

---

Giriş

• AI araçlarının faydası ve yan etkileri: 40 yıllık deneyime sahip bir geliştirici, Claude Code ve Cursor kullanarak paket yöneticisi (Marvai) geliştirirken üretkenlik artışı yaşadı, ancak aynı anda daha önce hiç yaşamadığı bir yorgunluk hissetti.
• Sorunun ortaya konması: Özellik geliştirme ve hata düzeltme hızı artarken, beynin AI hızına ayak uyduramaması nedeniyle kısa bir çalışma süresinden sonra bile (yaklaşık 1 saat) tükenmişlik yaşanıyor.

Ana bölüm

1. Bilişsel yükte keskin artış ve 'makine zamanı' baskısı

• Bilişsel yük teorisinin uygulanması: Team Topologies teorisine göre aşırı sorumluluk ve konu geçişleri bilişsel yükü artırır. AI ile kodlama bu yükü sınırına kadar iter.
• Makinenin belirlediği ritim: Geçmişte fabrika işçilerinin makine hızına uymak zorunda kalmasının yarattığı strese benzer şekilde, geliştirici AI'nin belirlediği hızlı kodlama temposunun peşinden sürüklenir; bu olgu 'makine zamanı' olarak deneyimlenir.
• Düşünme sürecinin kaybı: Geleneksel kodlamada çalışma hızı ile düşünme hızı örtüşür ve beynin işlemesi için bir alan (Baking time) kalırdı; AI ile kodlama ise karmaşık mimari ve karar süreçlerini bir anda işleyerek beynin senkronizasyonunu bozar.

2. Dopamin fazlalığı ile stres hormonlarının birlikte varlığı

• Dopamin döngüsünün hızlanması: 'Kodlama-hata-çözüm-başarı' ile ilerleyen dopamin ödül döngüsü AI nedeniyle aşırı derecede hızlanır.
• Duygusal tükenme: Sık dopamin salınımı ile hıza bağlı stres hormonları aynı anda devreye girerek, kodlamanın keyfi yerine yorgunluk ve bunalmışlık üretir.

3. Bağlam geçişi (Context Switching) maliyetinin artması

• Beyin önbelleğinin aşırı yüklenmesi: Bağlam geçişi, beynin önbelleğini boşaltıp yeniden doldurmayı gerektiren yüksek enerjili bir iştir.
• Mikro bağlam geçişi (Micro-Context Switching): AI, aynı anda birden çok modülü değiştirerek veya basit bir sekme tamamlama işlevi (Tab tuşu) kullanılırken bile 'yazma modu'ndan 'inceleme modu'na sık mikro geçişler dayatarak beyin enerjisini hızla tüketir.

4. Geliştirici rolünün özündeki değişim

• Yazardan yöneticiye: Gereksinimleri koda dönüştüren kişi olmaktan çıkıp, AI adlı 'hızlı takım arkadaşının' çıktısını yöneten ve gözden geçiren bir 'takım lideri' ya da 'trafik düzenleyicisi' rolüne kayış yaşanır.
• Sorumluluğun asimetrisi: AI beş kişinin yapacağı kadar işi üretirken, geliştirici kod kalitesinin nihai sorumluluğunu hâlâ taşır; bu da yönetim yükünü artırır.

Sonuç

Sürdürülebilir AI ile kodlama için öneriler

• Bilinçli tempo ayarı (Pacing): AI hızına kapılmak yerine, geliştirici çalışma temposunu proaktif biçimde kontrol etmelidir.
• Yeni retrospektif yaklaşımı: AI ile beyin arasındaki senkronu korumak için günlük retrospektifler (Retrospective) gibi yeni çalışma rutinleri gerekir.
• Rol algısını değiştirmek: AI çıktısını mikrodüzeyde kontrol etmeye çalışan mikro yönetimi azaltıp, AI'ye daha fazla güvenen bir çalışma tarzına geçmek gerekir.
• Gelecek perspektifi: Kodlamanın geleceği yalnızca koşulsuz hız artışı değil, insanın bilişsel sınırlarını dikkate alan 'kasıtlı yavaşlık' ve yeni sınırların belirlenmesi olabilir.

[aura01]

Benim de benzer bir deneyimim var, ben de bunu yapıyorum.

Örneğin, refaktöring yapacaksam,

'mevcut kodu analiz ettikten sonra alternatifler sunmasını söyle'
'alternatiflerle mevcut kod arasındaki farkları, artılarını ve eksilerini özetlemesini söyle'
'alternatifin gerçekten daha iyi olup olmadığını doğrulayabilecek yöntemler önermesini söyle'
'alternatifi bizzat doğrula'
'alternatifi uygulat ve dokümantasyon ile testleri yazmasını söyle'

Sorun şu ki, token kullanımı çok arttığı için maliyet de epey yükseliyor...

[dbs0829]

Basit angarya işlerde bile açıkçası makro yapmak daha iç rahatlatıcı geliyor...

[fantajeon]

İnsanlar arasında da böyledir.

İnsanlar arasında da bu tür sorunlar sıkça yaşanır.
Düşünme hızı yavaş olan kişi yönetici ise
“İşler çok hızlı ilerlediği için zorlanıyorum, birlikte çalışmak zor” der,
o kişi ast konumundaysa
“Söyleneni iyi anlayamıyor, birlikte çalışmak zor” der.

Sonuçta birlikte çalışabilmek için tarafların birbirleriyle uyumlu olması gerekir.

[bakyeono]

Kod yazma elinden alınmışken sadece kod inceleme ve test yapmak zorunda kalmanın acısı...

[colus001]

Kişisel projelerim dışında vibe coding'i sınırlı kullanıyorum. Cursor otomatik tamamlamada yalnızca fikir üretme ve aynı kalıbın tekrarlandığı kodlama gibi işlerde kullanıyorum. Uzun soluklu projelerde her şeyi vibe coding ile çözmeye çalışmanın, geliştirici olarak sorumsuz bir davranış olduğunu düşünüyorum.

[tested]

Sadece prompt yazıp sonuç alan kişilerden ziyade, ortaya çıkan sonucun kodunu anlayıp doğrulayan/gözden geçiren kişilerin daha fazla yorgunluk hissettiği anlaşılıyor.
Bu durum kaynak metinde de yer alıyor.

[onixboox]

Ben sadece “AI sayesinde yapacak işim azaldı, ne güzel” diye düşündüğüm için bu tür bir yorgunluğu hiç yaşamadım. Ben zed + claude kullanıyorum; bazen ortada bağlam değişip garip çalıştığı da oluyor, ama o zaman gitte kodu geri alıp “yukarıdakileri toparlayıp yeniden yaz” dediğimde daha derli toplu hale getiriyor. Sonuçta doğrudan tuşlayarak kod yazmıyor olmak, kafamdaki düşünceyi koda dönüştürme sürecinin değişmesinden başka bir şey değil, değil mi? Hatta prompt girerken düşüncelerim daha da netleşebiliyor.

[caniel]

Kodla oluşturma süreci bir kara kutuya dönüşürken, kod ile zihnimizdeki düşünceleri senkronize etmek için zamana ihtiyaç duyulmuyor mu?
Geleneksel kod yazımında kodun zihnimizdeki düşünceyle aynı olduğuna dair bir güvence vardır; ancak LLM aracılığıyla kodlamada bu garanti yok.

[onixboox]

Kafamda yalnızca mantık akışı var; AI'ın yazdığı kodun düzgün olup olmadığını kontrol ediyorum, kodu kafamda tek tek yazmama gerek yok, değil mi? Sadece prompt'a ne kadar doğru veri verdiğimi düşünmem yetiyor, bu yüzden iş yapma hızım aksine çok arttı.

[caniel]

Ne kadar ayrıntılı prompt verdiğinize göre değişebilir gibi görünüyor. LLM'e bunu sözde kod düzeyinde aktarırsanız, söylediğiniz şeyi anlayabiliyorum.

[choihyojun]

Eskiden bütün gün kod yazsam da iş bitince tatmin edici bir his olurdu; şimdi ise günün işinin çoğunu konuşarak halledip çoğu gün tek satır kodu bile bizzat yazmadığım halde tükenmişlik yaşamam... Buna tamamen katılıyorum

[ds2ilz]

Ben de tam bu yüzden daha çok yoruluyorum. Böyle olacağını tahmin ettiğim için yorulmanın kendisi sorun değil, ama ondan da öte dışarıdan bakınca kod yazarken klavyeye harıl harıl vurduğum zamanlar olmadığı için sanki çok rahat çalışıyormuşum gibi görünüyor galiba. Eskisine göre daha yorgun olduğumu söyleyince de pek anlayamıyorlar....

[reagea0]

Ah, yorgun olmamın nedenini benim yerime bu kadar net açıklamış gibi hissettim.

[baeba]

1. "Hız duygusu enerji verir" (olumlu bakanlar)

• Görüş: Yapay zeka sıkıcı işleri hızla hallettiği için aksine enerji veriyor ve yeni teknoloji stack'lerini öğrenme maliyetini düşürdüğü için olumlu karşılanıyor.
• Örnek: Yabancı bir dil veya framework kullanırken, yapay zeka ajanları sayesinde sıkıcı öğrenme sürecini atlayıp doğrudan uygulamaya odaklanılabildi.

2. "Vibe coding'in tanımı tartışması" (terim karmaşası)

• Tartışma: 'Vibe coding'in sadece yapay zekadan yardım almak mı, yoksa üretilen kodu incelemeden yalnızca sonuca bakmak mı olduğu konusunda tanımlar farklılaşıyor.
• Ortak nokta: Başlangıçta 'kodu incelememe' anlamı taşıyan olumsuz bir nüansı vardı; ancak bugün anlamı genişleyerek yapay zeka destekli kodlamanın genelini kapsayan bir terime dönüştü.

3. "Doğrulama olmadan hız, teknik borçtur" (temkinli bakanlar)

• Eleştiri: Kodu anlamadan yalnızca yapay zekanın ürettiği çıktıya güvenmek riskli. Daha sonra ortaya çıkacak bug'ların veya bakım maliyetlerinin (teknik borcun) daha yüksek olacağı düşünülüyor.
• Benzetme: "Sürücünün nereye gittiğini bilmeden otonom araca binmesi gibi" denilerek, anlayış olmadan yapılan uygulamanın sonunda problem çözme yeteneğini düşürdüğü vurgulanıyor.

4. "Bağlam değiştirmenin yorgunluğu" (katılanlar)

• Katılım: Yapay zeka kod üretirken sık bağlam değiştirme (Context Switching) yaşanıyor ve bunun sonucunda beynin bilişsel yükü hızla artıyor.
• Belirti: Yapay zekanın çıktısını inceleyip düzeltme süreci tekrarlandıkça, doğrudan kod yazmaya kıyasla zihinsel yıpranma daha büyük oluyor. 4 saatlik çalışma, tüm gün çalışılmış gibi yorucu hissettiriyor.

5. "Kodlamanın keyfinin kaybı" (dopamin eksikliği)

• Deneyim: Sorunu bizzat çözdüğünde hissedilen başarı duygusu (dopamin) ortadan kayboluyor. Lego'yu kendi ellerinle kurmanın keyfi yerine sadece bitmiş ürüne bakıyormuşsun gibi boş bir his bırakıyor.
• Sonuç: Sürecin keyfi olmadan yalnızca çıktıyı hızla üretmeye odaklanan çalışma biçimi geliştiriciyi tüketiyor.

6. "Acemi için zehir, uzman için ilaç" (yetkinliğe göre fark)

• Analiz: Deneyimli geliştiriciler yapay zekanın hatalarını hızla fark edip düzeltebildiği için verimlilik artıyor; ancak acemiler yanlış kodu olduğu gibi kullanarak öğrenme fırsatını kaçırma ve kötü kod üretimini artırma riski taşıyor.

7. "Yönetici rolüne zorunlu geçiş" (rol değişimi)

• Durum: Geliştiricinin doğrudan kod yazan bir 'üretici'den, yapay zekanın durmadan ürettiği kodu inceleyip düzelten bir 'yönetici/reviewer'a zorunlu olarak dönüştüğü görülüyor.
• Yük: Bu durum, 5 junior geliştiricinin (yapay zeka) yazdığı kodu tek başına gerçek zamanlı incelemekle benzer düzeyde yoğun bir stres yaratıyor.

8. "İş mantığını anlamama" (sınırların işareti)

• Sorun: Yapay zeka kodu iyi yazsa da iş bağlamını veya genel mimariyi anlayamıyor.
• Gerçek: Sonuçta iş gereksinimlerini koda uyarlama ve edge case'leri ele alma gibi karmaşık işler hâlâ insanın sorumluluğunda kalıyor; darboğaz da bu aşamada ortaya çıkıyor.

9. "Dinlenmenin ve boşluğun yok oluşu" (makine zamanı)

• Benzetme: Geçmişte fabrika işçilerinin makine hızına göre çalışması gibi, bugün de insanlar yapay zekanın hızlı üretim temposunun peşinden sürüklenerek bir tür 'makine zamanı'na hapsoluyor.
• Gereklilik: Derlemenin bitmesini beklemek gibi 'zorunlu molalar' ortadan kalktığı için beynin bilgiyi işlemesine ve dinlenmesine fırsat kalmıyor. Bu yüzden bilinçli olarak mola vermek şart.

10. "Aracın geçiş dönemi sorunu" (gelecek öngörüsü)

• Teşhis: Bugünkü yorgunluk, yapay zekanın üretim hızına kıyasla doğrulama araçlarının (test, lint vb.) geride kalmasından doğan uyumsuzluktan kaynaklanıyor.
• Çözüm: Üretim hızıyla aynı seviyede doğrulamayı otomatikleştiren araçlar gelişirse, bu yorgunluk sorunu çözülebilir.