- Yapay zekanın benimsenmesinden sonra üretkenlik artmış olsa da yorgunluk da derinleşiyor; bu durum mühendisler arasında yayılıyor
- İşlerin hızı arttı, ancak iş yükü ve beklentiler de birlikte yükseldi; insanların üstündeki koordinasyon ve inceleme yükü büyüdü
- Yapay zeka kodlarını inceleme ve değerlendirme süreci tekrarlandıkça karar yorgunluğu ve bilişsel tükenme birikiyor
- Durmaksızın yeni teknolojileri takip etme, araç değiştirme yorgunluğu ve deterministik olmayan yapay zeka çıktıları kaygı ve tükenmişliği tetikliyor
- Yapay zekayı sürdürülebilir biçimde kullanmak için sınır koyma, zaman yönetimi ve mükemmeliyetçiliği gevşetme şart
Yapay zeka üretkenliği ve yorgunluk paradoksu
- Yapay zeka tek tek görevlerin süresini kısaltıyor, ancak toplam iş miktarı ve beklentiler de aynı anda artıyor
- Bir işe bir gün ayrılan dönemlerin aksine artık birden fazla problem aynı anda ele alınıyor ve bağlam değiştirme maliyeti büyüyor
- Üretim maliyeti azaldı ama koordinasyon, inceleme ve karar maliyeti arttı; bu yük bütünüyle insana aktarılıyor
- Yapay zeka kodu hızla üretse bile insanın bilişsel yorgunluğu aslında daha da artıyor
Üreticiden denetleyiciye geçiş
- Yapay zekanın devreye girmesiyle mühendislerin rolü üreticiden değerlendiriciye kayıyor
- Prompt girme, sonuçları inceleme, doğruluk ve güvenlik değerlendirmesi yapma gibi tekrar eden değerlendirme işleri merkeze yerleşiyor
- Üretici işler akış hissi yaratırken, değerlendirici işler yorgunluk yaratıyor
- Yapay zeka kodunun güvenilirliğinin düşük olması nedeniyle her satırı gözden geçirme yükü artıyor
- Bu yüzden güvenlik ve yetki yönetimi sistemlerinin önemi artıyor; yön insanın bilişsel yükünü azaltmak olmalı
Deterministik olmama sorunu
- Yapay zeka, aynı girdiye rağmen farklı çıktılar üreten deterministik olmayan bir sistem ve bu durum mühendislerin düşünme biçimiyle çatışıyor
- Aynı prompt farklı sonuçlar vererek debug edilemeyen bir kararsızlığa yol açıyor
- Bunu hafifletmek için girdinin tutarlılığını sağlayan deterministik bağlam arıtma aracı Distill geliştirildi
- Bazı mühendisler yapay zeka çıktısını “kusurlu bir taslak” olarak görüyor ve düzeltme süresini bütçeye dahil ederek yaklaşıyor
FOMO ve araç yorgunluğu
- Son aylarda sayısız yapay zeka ajanı, framework ve SDK hızla ortaya çıktı
- Yeni araçları yakalama çabası sürekli öğrenme ve sürekli araç değiştirme kısır döngüsü yaratıyor
- Bilginin hızla eskimesi ve yinelenen işler ortaya çıkıyor; bazı durumlarda bekleyenler ilk benimseyenlerden daha verimli olabiliyor
- Yazar, araç değişimlerinden sarsılmamak için altyapı katmanına (yetki, bağlam, güvenlik) odaklanan bir yaklaşım benimsiyor
“Bir kez daha prompt” tuzağı
- Yapay zeka çıktısı kusursuz olmadığı için prompt’u tekrar tekrar düzeltme döngüsüne giriliyor
- Tekrarlanan denemeler üretken görünse de gerçek problemi çözmek yerine prompt ayarlamaya zaman harcanıyor
- Verimi korumak için, üç denemeden sonra çıktı %70’ten fazla işe yaramıyorsa doğrudan elle yazmayı öngören “3 deneme kuralı” uygulanıyor
Mükemmeliyetçilik ile olasılıksal çıktının çatışması
- Yapay zeka çıktısı her zaman “neredeyse doğru” düzeyinde kaldığından, bu durum mükemmeliyetçi eğilimli mühendisler için ciddi stres yaratıyor
- Ufak düzeltmelerin tekrar tekrar yapılması duygusal yorgunluğa ve zaman kaybına yol açıyor
- Yapay zeka sonucunu “taslak” olarak görmek ve hızlıca işlemek daha verimli bir tutum
Düşünme gücünün zayıflaması
- Yapay zekaya bağımlılığın sonucu olarak problem çözme düşüncesi ve tasarım becerisinde gerileme yaşanıyor
- Doğrudan düşünmeme alışkanlığı “düşünme kaslarının” körelmesine yol açıyor
- Bunu önlemek için her gün belirli bir süre yapay zeka olmadan düşünme ve tasarım pratiği yapılıyor
Kıyaslama tuzağı
- Sosyal medyada yalnızca yapay zekayla hızla sonuç alan örnekler paylaşılıyor; kişisel başarısızlıklar veya yorgunluk görünmüyor
- Yapay zeka ile elde edilen sonuçların tekrarlanabilirliği düşük olduğundan bu kıyaslamanın kendisi anlamsız
- Bilgi tüketimini azaltıp gerçek inşa ve işletme odaklı güvenilir kaynaklara yönelmek daha sağlıklı
Sürdürülebilir yapay zeka kullanımı stratejileri
- Yapay zeka oturumlarına zaman sınırı koymak aşırı tekrarları önler
- Düşünme zamanı ile yapay zeka kullanım zamanını ayırmak bilişsel dengeyi korur
- %70 tamamlanmışlık düzeyini kabul etmek, mükemmeliyetçiliği gevşetir
- Yeni teknolojiyi benimseme zamanını geciktirmek, doğrulanmış araçlara odaklanmayı sağlar
- Yapay zeka verimlilik günlüğü tutmak, gerçek fayda ve sınırları anlamaya yardım eder
- İnceleme kapsamını daraltmak, yalnızca kritik alanlara odaklanmayı sağlar
Sürdürülebilirlik ve tükenmişlik
- Yapay zeka iş hızının sınırlarını ortadan kaldırarak aşırı çalışmayı hızlandırıyor
- İnsanın bilişsel sınırlarının aşılması tükenmişliğe yol açıyor; bu da bireysel değil sistemik bir sorun haline geliyor
- Toparlanmanın anahtarı, yapay zeka kullanım miktarı değil kullanım biçiminin yeniden tasarlanması
- Yorgunluğun içinden Distill, agentic-authz, AgentTrace gibi gerçek sorunları çözen araçlar doğdu
Asıl yetkinlik: ne zaman duracağını bilmek
- Yapay zeka çağındaki temel yetkinlik, ne zaman durmak gerektiğini bilen muhakeme gücü
- Yeterince iyi bir çıktıda durabilmek ve ne zaman elle yazmak ya da mola vermek gerektiğini ayırt edebilmek
- İnsan beynini sınırlı bir kaynak olarak korumak gerçek mühendisliktir
- Yapay zeka güçlüdür ama bilişsel olarak en yıpratıcı araçlardan biridir; sürdürülebilirliğin anahtarı onu akıllıca kullanmaktır
- Sürdürülebilir çıktı asıl değerdir ve yapay zeka kullanımının nihai hedefidir
5 yorum
Bu ifadenin giderek ne kadar isabetli olduğundan emin değilim ama, geliştiricinin giderek bir “teknoloji lideri”ne dönüştüğü hissi var.
Yapay zeka “kod yazma” işini devralırsa, geriye sonuçta sadece şunlar kalıyor:
hepsi bu.
Yani geliştirici artık bir “üretici”den çok,
rolüne doğru evriliyor.
Bunun sonucunda da, daha önce olmayan türde bir iş yorgunluğu ortaya çıkıyor ve insan kendi kendine, bu yönün gerçekten benim peşinden gitmek istediğim geliştirici meslek yatkınlığıyla örtüşüp örtüşmediğini sormaya başlıyor.
Son cümle gerçekten etkileyici. Sanırım yapmak istediğim şey aslında bu değildi.
Küçükken bir grup kulübündeydim; orada arkadaşları, kendi bestelerimizi yapmamız gerektiğine ikna etmeye çalışan bir çocuk vardı. Çalma tekniğini geliştirmekten çok, neyi söylemek istediğimizi düşünmemiz gerektiğini söylerdi. Tabii benim hatırladığım kadarıyla, ünlü şarkıları kopyalayarak grup yapalım diyen çocukların görüşü daha baskındı.
Ama bugünlerde o arkadaşı sık sık düşünüyorum.
Hayatın koşturmacası yüzünden yüzleşmekten kaçtığım bir soru bu ama, yapay zekanın gelişmesiyle birlikte, geliştiriciliği meslek edindikten sonra benim gerçekten kod yazma eylemini mi sevdiğim, yoksa değer üretmeyi sevip bunun aracı olarak mı kod yazdığım sorusu.
Şimdiye kadar bu iki taraf birbirine karışmış halde yaşadıysa, bundan sonra benim hangisi olduğumu netleştirmem gereken anın çok yakında geleceği gibi geliyor.
Müşterinin istediği gibi iyi çalışan, bozulmayan bir program yapma sorumluluğu hâlâ geliştiricide olduğu için kod yazma eyleminden vazgeçmemeniz gayet normal. Bence sadece yazmayı yapay zeka üstleniyor; özünde değişen bir şey yok.
Hacker News görüşleri
Benim için yorgunluk biraz farklı. Çalışırken, kod incelerken, LLM her sonuç ürettiğinde durup beklemek zorunda kalmanın tekrarı asıl sorun
Bekleme süresi öngörülemez olduğu için bekleyeyim mi yoksa başka bir işe mi başlayayım belirsiz kalıyor. Bu yüzden sadece vakit öldürmek için başka şeyler yapmaya başlıyorum
Sonunda akış durumuna (flow) giremiyorum ve arka plandaki işlerin bitmesini kollamaktan tükeniyorum
Verimliliğim artmış gibi hissetmekten çok, çocuklar incinmesin diye onları izleyen tembel bir bakıcıya dönüşmüş gibi hissediyorum
Kısa başlayıp kısa sürede bırakabileceğiniz açık kaynak oyun Endless Sky'ı tavsiye ederim
Eskiden programlama bana artık eğlenceli gelmiyordu ama Claude Code sayesinde yeniden keyif alıyorum. Eskisi gibi değil ama hayatımın şu aşaması için fazlasıyla yeterli
Benim yazdığım inceleme yorgunluğu hakkındaki yazıda da anlattığım gibi, bu sadece geliştiricileri değil organizasyonları da etkiliyor
AI iş akışları verimliliği en üst düzeye çıkarmaya odaklandıkça sonunda insanı tüketiyor
Çözüm klasik: sık sık ara vermek ve insan geliştiricilerin doğrudan biraz da olsa kod yazması iyi oluyor. Hızı düşürseniz de akışı ve toparlanmayı koruyabiliyorsunuz
LLM çalışırken squat ya da şınav çekiyorum veya evin içinde dolaşıp esniyorum. Bütün gün klavyenin başında oturmaktan çok daha keyifli
Vücudu hareket ettirmek düşünceleri toparlamaya yardımcı oluyor ama zihinsel yorgunluk yine de sürüyor
Prompt gönderip beklerken internette gezinmeye başlıyorum. SelfControl uygulamasıyla engellemezsem buna hiç dayanamıyorum
LLM sayesinde verimliliğim arttı ama günün sonunda çok daha yorgun oluyorum ve suçluluk da hissediyorum
Yazının fikri iyi ama okurken AI yazmış gibi bir yorgunluk veriyor
Bir iki cümlede bitecek şeyi gereksiz yere uzatıyor, lüzumsuz örnekler de çok
“HN ana sayfası kaotik” iddiası da yanlış. Söz edilen yazılar 5 upvote bile alamamış ve HN ana sayfasının kalitesi hâlâ gayet iyi
Bir de “kimse bundan bahsetmiyor” iddiası yanlış. AI fatigue hakkında tartışmalar zaten uzun zamandır var
“Teşekkürler OpenClaw, teşekkürler AGI—benim için zaten burada”
“Bugün insan mühendis başına en az 1.000 $ token harcamadıysanız yazılım fabrikanızın gelişmeye ihtiyacı var”
“Kod insanlar tarafından incelenmemeli”
“C'nin assembly için yaptığını, Java'nın C için yaptığını, şimdi LLM tüm diller için yapıyor”
Bunlar gerçekten ana sayfaya çıkmış yazılardan alıntı
Ya da AI metinlerini o kadar çok okumuştur ki yazı stilinin kendisi AI gibi olmaya başlamıştır
Ben de yakın zamanda blog yazmaya başladım ve beklenmedik şekilde hikâye anlatımı odaklı yazmak hoşuma gidiyor
Herkesin tarzı farklıdır, bu bir sorun değil
Yazı birkaç paragrafa indirgenebilirdi ama gereksiz süsleme çok fazla
İleride içeriklerde de belki “insan üretici etiketi” görürüz — mesela “serbest çalışan üretimi”, “banliyö sakini üretimi” gibi
“Daha hızlı teslim ettikçe beklenti yükseliyor” sözüne katılıyorum
Bu eski bir sorun. Helen Keller neredeyse 100 yıl önce bile buna benzer bir şey söylemişti
“Emek tasarrufu sağlayan makineleri gerçekten emeği azaltmak için kullanalım” fikri The Atlantic yazısında geçiyor
Bir günde birden fazla projeyi ilerletebiliyorum ama tamamen tükeniyorum
“Bir prompt daha göndereyim” ayartısı yüzünden uyuyamayan çok insan var
Uzun yıllarda oturmuş sürdürülebilir çalışma ritmi bozuldu ve yeni dengeyi bulmak zaman alacak gibi görünüyor
Ama şimdi başlangıçta her şey fazla iyi gidiyor, sonra da bir anda tıkandığın an geliyor
Ama orada duramadım; muhasebe, vergi, CRM, depo ve proje yönetimine kadar genişlettim
Sonunda gereksiz bir SaaS yapmış oldum ve şimdi bunu açık kaynak olarak yayımlamayı düşünüyorum
Yine de artık mobil tarayıcıdan ajan oturumlarını takip edebildiğim için, yatakta bile kontrol ediyorum (yarı şaka yarı ciddi)
Artık gerçek darboğaz kodlama değil, gereksinim toplama ve karar verme
Neden illa çalışmaya devam edildiğini anlamıyorum
Yazının sahibi benim. Bu AI karşıtı bir yazı değil, bilişsel maliyet hakkında bir yazı
İş hızlandıkça iş miktarı artıyor ve AI çıktısını gözden geçirirken karar yorgunluğu birikiyor
Araç ekosistemi de her hafta değişiyor. Gerçekte faydası olan yöntemleri paylaştım ve başkalarının da benzer duvarlara çarpıp çarpmadığını merak ediyorum
İnsan olmayan bir varlıkla konuşuyormuş hissi yorgunluğu daha da artırıyor
Ama gerçekçi beklentiler koyup her “AI sihirli postuna” kapılmamaya çalışınca kaygım azaldı
Teknoloji hiçbir zaman işçiyi rahat ettirmek için var olmadı
Amaç her zaman verimliliği ve rekabet gücünü artırmak oldu
Attan otomobile, telefondan akıllı telefona geçtik ama boş zamanımız artmadı. Sadece daha hareketli ve bağlantılı insanlar haline geldik
Eski usul bir yaşam kalitesini kabul ederseniz, daha az çalışıp yine de gayet yaşayabilirsiniz
Son zamanlarda hissettiğim şey yürütücü işlev yorgunluğu (executive functioning fatigue)
AI ile çalışınca basit uygulamadan çok üst düzey kararlar vermeye devam ediyorsunuz
Neredeyse hiç mola yok ve sanki frontal lobum aşırı ısınmış gibi hissediyorum
Eğer bu durum sürerse, belki de insanın yürütücü işlevleri güçlenir
On tane dahi ama dengesiz mühendisten oluşan bir ekibi yönetmenin bu kadar tüketici olacağını bilmiyordum
Bence AI yorgunluğunun nedeni programlamanın üç aşaması arasındaki dengenin bozulması
Sorun çözme → kod yazma → sonucu kontrol etme şeklindeki üç aşama normalde dengeliydi
Kod yazmak tekrarlıydı ama meditatif ve dengeleyici bir süreçti. Sorun çözme yoğun, sonucu kontrol etme ise dopamin ödülüydü
Ama LLM kodlamayı üstlenince bize sadece yüksek stresli sorun çözme ve inceleme aşamaları kaldı
Aradaki tampon bölüm kaybolduğu için çok daha yorucu hale geliyor
Eski kod yazma günlerini özlememizin nedeni tam da bu meditatif akışın kaybı
Ben de AI ile pair programming yapıp kodu bizzat yazdığım yaklaşımı tercih ediyorum. Uzun vadede bunun daha sürdürülebilir olduğunu düşünüyorum
Ama aynı anda birden çok ajanı yönetmenin getirdiği verimlilik cazibesi de gerçekten çok güçlü
“Deterministik olmayan sistemlerle boğuşma kısmı” çok etkileyiciydi
LLM özünde insanın sürekli müdahalesini gerektiriyor. Tabii şirket çıkan sonucun tüm sorumluluğunu üstlenmeye hazır değilse
Voltajını düşürüp ceza veremezsiniz; zarları sorumlu tutmamak gibi, bunun da anlamı yok