Alan uzmanlığı her zaman gerçek hendekti
(brethorsting.com)- Yazılımın zor kısmı kod yazmaktan çok ücret bordrosu ve ulaşım gibi gerçek dünya kurallarını anlayıp bir alan modeli kurmaktı; kod ise bu anlayışın ürünüydü
- Ajanik yapay zeka, alanı anlamadan da yazılım üretmeyi mümkün kılıyor ve darboğazı “yapılabilir mi”den “doğru olup olmadığına karar verilebilir mi” sorusuna taşıyor
- Lojistik sevk planlayıcıları, klinik kodlayıcılar, aktüerler gibi alan uzmanları, kod bilmese de çıktının hukuk, faturalama ve operasyon kurallarına uyup uymadığını ayırt edebilir
- Genelci mühendisler mimariyi ve güvenilirliği doğrulayabilir, ancak klinik kodlama gibi doğru cevabın alan bilgisine bağlı olduğu yerlerde kulağa makul gelen hataları kaçırabilir
- En değerli yetkinlik, üretilen kodun sağlamlığını ve çıktının doğruluğunu birlikte doğrulayan muhakemedir; bu da kıdemli mühendisler için alan uzmanlığına yatırım yapmayı daha önemli hale getirir
Öz, kod yazmak değil alanı anlamaktı
- Yazılım geliştirmede zor olan şey kod yazmak değil, önce zihinde alanın nasıl işlediğine dair bir model kurmaktı
- Kod, bu anlayışın kâğıda dökülmüş hali olan bir transkripsiyondu; asıl iş, o anlayışı edinme sürecinin kendisiydi
-
Somut örnekler
- Bir bordro sistemi yayına alınmadan önce haciz kesintileri (garnishment), vergi öncesi kesintiler ve bordro döneminin ücret oranı değişikliği zamanına taşması halinde ne olacağını anlamak gerekiyordu
- Bir toplu taşıma uygulaması yayına alınmadan önce GTFS feed’in ne olduğu, trip ile route’un neden farklı olduğu ve “zamanında” bir otobüsün nasıl hâlâ yanlış olabildiği öğrenilmeliydi
Agentic AI’ın kopardığı bağ
- Agentic AI, model kurma ile yazılım üretimi arasındaki bağı koparıp model olmadan da yazılım yapılmasını sağlıyor
- Bu, tüm mesleğin örgütlendiği varsayımı sarsıyor
- Geçen yılki bakış açısı, bu araçların muhakeme gücü olan kıdemli geliştiricileri güçlendirdiği yönündeydi; bu doğru ama eksik
- Gerçekte gözlenen değişim, temel kısıtın “yapılabilir mi”den “doğru olup olmadığı ayırt edilebilir mi” noktasına kaymış olması
İki tip insanın karşılaştırması
-
Alan uzmanı (yazılım geçmişi yok)
- Lojistik sevk planlayıcıları, klinik kodlayıcılar, aktüerler gibi kişilerdir; stack trace okuyamaz, hash map ile list arasındaki farkı da açıklayamazlar
- Ama ajanın ürettiği bir çizelgeye bakıp hiçbir sürücünün o vardiyayı yasal olarak yapamayacağını ya da o kod altındaki talebin asla ödenmeyeceğini anında fark ederler
- On yıl boyunca girdi ve çıktılarla yaşadıkları için, verilen girdiye karşılık doğru çıktının ne olduğunu bilirler; eksik olan kod üretme becerilerini ajan tam da bu noktada tamamlar
- Onların getirdiği şey, ajanın veremeyeceği ground truth’tur
-
Alan deneyimi olmayan güçlü genelci mühendis
- Her şeyi tasarlayabilir; güvenilirliği, testleri ve sistemin gece 2’de çökmeden çalışmasını bilir
- Ancak klinik kodlamaya sokulduğunda makul görünen yanlış cevapla doğru cevabı ayırt edemez
- Ajan, derlenen ve yazdığı testleri geçen ama ince ve pahalı yanlış bir faturalama kuralı (billing rule) üretir
- Mühendisin elinde bir oracle yoktur; bu yüzden yazılımın iyi yapıldığını doğrulayabilse de doğru olup olmadığını doğrulayamaz — çünkü doğruluk, onun zihninde bulunmayan alan bilgisiyle tanımlanır
Tek taraflı çöken asimetri
- Ajanlardan önce mühendislerin, sevk planlayıcılarının sahip olmadığı bir yolu vardı — uzmanların yanında çalışıp, şartnameleri okuyup, operasyon ortamında hata yaşayarak alan modelini yavaş yavaş edinmek
- Bu yol, birçok alanda bizzat kariyer basamağının kendisiydi; buna karşılık alan uzmanlarının, güvenilir yazılım yapmayı öğrenmek için yıllar süren eşdeğer bir yolu yoktu
- Agentic araçlar bu iki yoldan yalnızca birini çökertiyor
- Mühendisin alan modelini koda çevirme gücü artık ucuz
- Neyin doğru olduğunu bilme gücüne sahip alan uzmanının avantajı ise öyle değil; buna prompt yazarak ulaşılamaz
- Binlerce bordro işlemi yürütmüş birinin örtük bilgisini (tacit knowledge) içeren bir beceri dosyası yok
Her iki katmanı da doğrulayabilen insanlar
- Yeni dünyada en değerli kişi, her iki beceriye de sahip olup iki katmanda birden doğrulama yapabilen kişidir
- Üretilen kodun sağlam olduğunu bilir, aynı zamanda o kodun verdiği cevabın da doğru olduğunu anlar
- Kuralları bildiği için “sürücü 11 saati aşamaz”ı kodlayan testler yazabilir; neyi test ettiğini bildiği için de bu testlerin anlamlı olup olmadığını değerlendirebilir
- Ajan transkripsiyonu yapar, insan ise iki kez yargılama işini üstlenir
Deneyimli mühendisler için doğru bahis
- Önümüzdeki birkaç yılı nereye yatıracağını düşünen deneyimli mühendisler için bahis yönü bu
- Net bir fikri temiz koda dönüştüren mekanik becerilerin değeri dramatik biçimde düşüyor
- Hâlâ kıt olan şey, herhangi bir gerçek alana dair derin ve sınanmış bir model; edinilmesi gereken de bu
- Bir sektör, finansal ürün, düzenleyici çerçeve ya da fiziksel süreç seçin; geçmişte programlama dili veya framework öğrenir gibi o alanı öğrenin
- Bu, ajanın sizin yerinize yapamayacağı ve artık en büyük değeri taşıyan kısım
7 yorum
Ama bunun kodu fazlasıyla küçümsemek olduğunu da düşünüyorum.
Yazılım geliştirmenin kendisi de başlı başına bir alan ve bunu iyi yapmak da uzmanlık gerektiren bir beceri.
Yapay zekanın ürettiği yazılım işlevsel olarak çözüm sunsa da onu tamamlayamıyor; tıpkı o boşluğu dolduracak bir insana ihtiyaç duyulması gibi.
Benim xguru'nun görüşüne karşı biraz farklı bir düşüncem var.
Excel'i örnek vereyim. Genel olarak şirkette iş yaparken gereken bir seviye vardır ve onun ötesine geçince çoğu kişi genelde özellikle daha fazlasını öğrenmeye çalışmaz. Excel'i delicesine iyi kullanan insanlar var, ama bu gerçekten istisnai bir durum.
Kod için de — şu anda durum böyle değil ama — belki bunun da iki kola ayrılabileceğini düşündüm. Gerçekten çok karmaşık ürünler yapan azınlık ile, onu bisiklet sürer gibi kullanan çoğunluk gibi.
Hı? Excel'i iyi kullanan insanları küçümsemiyoruz elbette.
Ama kod yazmanın kendisinin değerinin düştüğünü söylemek, biraz küçümseyici bir his veriyor.
Bisiklet sürer gibi kullanılıyor diye, karmaşık ürünler yapan birine "senin değerin pek yok" denmemesi gerektiğini düşünüyorum.
Katıldığınızı söylediğiniz noktaya ben de katılıyorum.
Buradaki mesele, "karmaşık yazılım" denebilecek teknoloji ve kodun azalacağı yönündeydi. Eğer yapay zekayla kolayca yazılabilen şeylerin sayısı artarsa.
GeekNews özetindeki ifadeyi ödünç alırsak: Ajanların yerine yapamayacağı kod, her geçen gün azalacak gibi görünüyor.
Hacker News yorumlarında çıkan
Bu yorumla aynı fikirdeyim.
O kısımda örtük bilginin neredeyse ortadan kalktığı bir durum var ve en üst düzey alan uzmanları ajanları tasarlayıp bunları modele gömdükçe,,, şu anda alan bilgisinin önemi vurgulanıyor ama 1 yıl sonra da aynı iddianın savunulup savunulmayacağından emin değilim. Sonuçta örtük bilginin yavaş yavaş prompt'lara aktarıldığı bir durumdayız ve modeller, kullanıcıların prompt'a eklediği örtük bilgiyi ayıklayıp yeniden modele enjekte edecek. Örtük bilgi gömülü ajan modelleri değerli olacaktır ama bunun bile piyasada alınıp satılacağını düşünüyorum. O alanda çok daha fazla alan bilgisine sahip ajanlar.
1 yıl sonra orkestrasyonun ötesinde, ajan yönetiminin (şirket gibi) değerlendirme ölçütü haline geleceğini düşünüyorum.
Hacker News görüşleri
Bireysel düzeyde AI'ı nasıl kullanmamız gerektiğini kimsenin bilmediğini kabul etmek için daha ne kadar uzun nutuk dinlememiz gerekecek bilmiyorum
Önce iyi bir geliştirici olup AI kullanmayı öğrenmenin yeterli olduğu söylendi, sonra mimari tasarım becerisi dendi, ardından her şeyi zevkin belirlediği söylendi, şimdi de sadece alan uzmanlarının önemli olduğu söyleniyor
AI'ın gelişimi veya duraklaması istikrarlı ve öngörülebilir bir duruma gelene kadar bu tür yorumlar anlamsız olmaya devam edecek ve büyük olasılıkla çoğu yanlış çıkacak
Mümkün olan şeylerin çıtasını ciddi biçimde yükselttikleri için daha zor hale geliyor. Bireysel geliştiriciler artık çok daha zor projeleri üstlenebiliyor ve sonuçta kısıt her zaman zamandı; AI ise verilen süre içinde daha fazla iş yapmaya yardımcı oluyor
Ama o sürede yapılabilecek işin kendisi artık çok daha zor. Çok daha fazla şeyi anlaman gerekiyor ve AI öncesindeki alışıldık güvenli alanın çok daha dışına çıkman gerekiyor
Eskiden alışık olmadığın bir sistem alanı olduğu ya da yeni bir kütüphane öğrenmen gerektiği için bir kod tabanını refactor etmek veya küçük bir özelliği yayına hazırlamak için birkaç gün harcamak kabul edilebilirdi
Kodlama ajanları sayesinde o öğrenme eğrisini çok daha hızlı tırmanabiliyorsun, ama yine de kendin tırmanmak zorundasın. Üstelik üzerine gelen bilgi miktarı da çok daha fazla
Teknik olmayan vibe coder'ların işini elinden alacağından endişe ediyorsan, doğru tepki onlardan çok daha iyi yazılım üretmek olmalı. Bunun için daha fazla beceri, daha büyük hedefler ve daha fazla deneyim gerekiyor; kolay değil
Şimdiye kadar en uygun bulduğum benzetme, modern akülü matkap/vidalama aleti ile tornavida ya da el matkabı gibi eski ekipmanların karşılaştırılması
Eski ekipmanlara kıyasla çok kısa sürede şaşırtıcı sonuçlar üretebilir
Örneğin "Normalde tüm gün sürecek bir zemin sabitleme işini 1 saatte bitirdim, arada da birkaç kez sigara molası verdim" gibi çarpıcı hikâyeler mümkün oluyor. Çivi tabancası kullansaydın belki iş yarı sürede biterdi, ama sonra o zemini kolayca sökmek zor olurdu ve maliyet de yaklaşık iki katına çıkabilirdi
On-premise LLM'leri de birkaç tane kullanıyorum ve başka modellere de erişimim var; bu yüzden bir gün bu benzetmeyi marka farklarına kadar genişleteceğim gibi geliyor
Ama bunun yeni bir iş bulacağıma işaret ettiğini sanmıyorum. Akülü matkap/vidalama aleti bir marangoz ya da saha işçisi değildir; insan olmadan bir işe yaramaz
20 yıl sonra da Claude ile birlikte yazılmış çöpleri temizliyor olacağız diye düşünüyorum
https://mastodon.gamedev.place/@JeremiahFieldhaven/116654345...
2018'de hiç kodlama deneyimi olmayan birinin, sadece belirli bir niş pazarı iyi bildiği için bir ay kod yazıp gayet iyi para kazandıran bir araç yaptığını görmüştüm
Kodun bir kısmını göstermişti; benim ilk programım kadar berbattı ama gerçek bir problemi çözüyordu
Mesela "Sporda iyi olmak için kusursuz simetri gerekir ve bu, fetal gelişim istikrarıyla güçlü biçimde ilişkilidir. Simetri ne kadar yüksekse gelişim o kadar kusursuzdur" derler
Sonra birkaç yıl sonra Bruce Lee'nin bir bacağının diğerinden belirgin şekilde kısa olduğu, Usain Bolt'un da benzer türde asimetrik bir gelişime sahip olduğu ortaya çıkar
Bunun üzerine bunların istisna olduğunu söyleyip ilk iddialarını genel kural bozulmamış gibi tersyüz ederek savunurlar
Sadece ilginç bir şey yap; belki tutar
Kısa süre önce vibe coding ile neredeyse tamamlanmış bir uygulamayı inceledim. Sahibi, neredeyse yayına hazır olduğunu ve sadece hızlı bir kontrolden geçmesi gerektiğini söyledi
Baktığımda veritabanı tasarımı berbattı. Bazı özellikler çalışıyordu, bazıları çalışmıyordu. Eksik parçaları ve neden bozulduğunu anlattım. Asıl yazıdaki kişi gibi o da bir alan uzmanıydı
Sadece geçen ay milyarlarca token harcamıştı ve araçlar hızla gelişiyor. Ama bir alan uzmanına AI vermek, yazılım mühendislerine artık ihtiyaç kalmadığı anlamına gelmiyor
Alan uzmanı AI ile yazılım üretebilir, yazılım mühendisi de AI ile alan bilgisini öğrenebilir. İkisi farklı uzmanlıklar getirir
Alan uzmanları kodlama ajanlarını kullanmaya başladığında onları güvenle koruyacak guardrail'ler, doğrulama sistemleri, prompt kütüphaneleri, ajan ve manuel review süreçleri oluşturmak söz konusu oluyor
Biraz iç kullanıma dönük T2/T3 müşteri desteği ya da destek mühendisliği gibi. Günlük sorunları doğrudan %100 çözmekten çok, riskli noktaları ve tuhaf edge case'leri yakalayıp tüm ayarların doğru olduğundan emin olma rolü
Elbette birçok cross-cutting concern ile de ilgileniyorsun
Yine de yeni fikirleri hızlıca denemek ve derinleşmek için harika bir araç. Merakın varsa müthiş bir öğrenme hızlandırıcısı da olabilir
Bütün gün Claude Code (Opus 4.6, maksimum efor ayarı) kullanıyorum ama bunun nasıl mümkün olduğunu anlayamıyorum. Bu kullanımın gerçekten karşılığını verip vermediğini de merak ediyorum
Büyük ihtimalle ben bir şeyi kaçırıyorum ama gerçekten bunun nasıl olduğunu anlamıyorum
Kısa süre önce yaşadığım çok iyi bir örnek var
Bir balıkçılık gezisindeydim ve üzerinde çalıştığım ücretsiz uygulamanın (https://oceanconnect.ca) işine yarayıp yaramayacağını görmek için kaptana bakmak isteyip istemediğini sordum
İnsanların denizde okyanus verilerini nasıl kullandığını pek bilmiyorum. Ne bilmek istediklerini ya da neden istediklerini de pek bilmiyorum. İnsanların verileri nasıl kullandığına ve bizim verilerle neler yapabileceğimize dair öyle çok soru ve bilgi geldi ki hiç hazırlıklı değildim; o bakış açısını kazanmak gerçekten harika ve çok ilginçti
Bu bana, modelin soyutladığı sistemle aynı şey olmadığını ve modeli geliştirmeye dair bilginin, onu kullanmaya dair bilgiyle neredeyse ilgisiz olduğunu yeniden hatırlattı
Bu kişinin su üstünde hava durumu verilerini nasıl kullandığı konusunda muazzam bir bilgisi vardı. Bir bakıma veriyi benden daha iyi biliyordu ve bunu fark etmese ya da bunun dijital temsilini anlamasa bile, sadece programlama yapabilse kendisi gibi insanlar için çok daha iyi faydalı bir uygulama yapabilirdi
Böyle insanların önüne bir LLM koyup fikirlerini ekrana dökebilmelerini sağlarsanız gerçekten müthiş şeyler üretebilirler diye düşündüm. Bir gün finansman bulabilirsem her gün denize çıkan insanlarla röportaj yapıp ürünü onların geri bildirimleriyle şekillendirmek isterim. Bu alan bilgisi çok özel; karmaşık alanlarda onlarca yıl yaşamış insanlar asla tahmin edemeyeceğiniz şeyler biliyor
Bu yazıda tarif edilen yazılım generalisti de bir alan uzmanlığına sahip. O alan da yazılım
Şu anda çok iyi bir generalist yazılım mühendisiyseniz, AI'dan kaçmak için rastgele bir alana atlamazsınız. Yazılım sizin alanınızdır ve bu alan genişleyip dönüşürken onun içinde kalmaya devam edersiniz
Belki de iyi haber şu: Batı'nın en iyi spreadsheet ustası muhasebecisi bile doğrulama yapabilmek için sonunda bir miktar programlama deneyimine ihtiyaç duyuyor
LLM'ye “bu kod ne yapıyor ve Y olduğunda her zaman X oluyor mu?” diye sorabilirsiniz, ama bu sadece doğrulama problemini başka bir doğrulama probleminin içine yerleştirmek olur
En başından beri asıl mesele kod değildi
Son 5 yıldır venture capital ve private equity için yazılım geliştiriyorum; bu yazı bana gerçekten çok dokundu. Kod yazmak işimin açık ara en kolay kısmı, zor olan kısım ise şirket müşterilerinin gerçekten neye ihtiyaç duyduğunu anlamak için gereken finans mühendisliği ve ince bağlam
Şaka yollu olarak, mümkün olsa kıdemli bir fon muhasebecisini işe alıp ona programlama öğretmek istediğimizi söyleriz. Sorun, böyle insanların neredeyse hiç olmaması. Mühendislere de fon muhasebesinin ayrıntılarını, bunu yazılıma dökebilecek kadar iyi öğretmek zor
Aslında kariyerimin yaklaşık yarısı, “bir ticket ya da epic'i kapatacak kadar alan bilgisi var ama sonunda bir sürü teknik borç bırakmış” işleri temizlemekle geçti
Örneğin alan bilgisi olsa bile insanlar hata yapıyor, daha iyi yöntemleri bilmiyor, geri bildirimi uygulamıyor ya da daha kötüsü kodlama ajanının yazdıklarını tekrar kontrol etmiyor; bu yüzden PR'ları çok dikkatli incelemek zorunda kaldım
“Teknik olarak doğru ama o kadar kötü yazılmış ki timeout'a giriyor ya da manager/DBA bağırmaya başlıyor” türü şeyleri refactor etmek de sık yaptığım işlerdendi
Gerçekten iyi bir yazılım mühendisi, alanı öğrenme yeteneğine ve isteğine sahiptir; ama öğrenebileceği bir yol da olmalı. Bunu mümkün kılan şirketler, ekipler ve iş arkadaşları gördüm; bir de bunun önemli olduğunu söyleyip sonunda sadece JIRA'dan ve toplantılarda IT dışı ekiplerin ağzından kaçırdığı şeylerden anlam çıkarmanızı bekleyen yerler gördüm
Bence son 5 yıldaki büyük paradigma değişimi şu: şirketlerin çoğu insanlardan sınırlarına kadar çalışmalarını bekliyor ve tam da bu yüzden önemli konuşmalar için alan bırakmayarak ters etki yaratıyor
Kültür büyük bir değişken. En azından yanınızdakiyle kısa bir konuşma yapabildiğiniz ya da kolayca toplantı ayarlayabildiğiniz yerler vardı; bir de düzgünce tartışmak için zaman istemenin neredeyse change.org kampanyası başlatmayı gerektirdiği yerler vardı
Yine de ana fikir doğru. Sonuçta gereksinimler koddan daha önemli. Tüm gereksinimler karşılanmış, ekip tasarım kararlarını onaylamışken bile, uygulama boyunca ortada olmayan birinin geri dönüp yazılış biçimini beğenmemesi yüzünden özelliğin geciktiği yerler gördüm
Sonra bir bakıyorsunuz “batch process” %numberOfRecord%*10 tane insert yapıyor, kötü tasarlanmış veri modeli yüzünden ek sorgular da atıyor ve SQL upsert'ü yapılabilecek en yanlış şekilde gerçekleştiriyor. Yani önce DB'den çekip sonra yoksa insert edilecek kayıtlar listesine ekliyor. Sonra da veri katmanındaki sorgu desenlerini yeniden düşünmek yerine, “performans iyileştirmesi” adı altında giderek daha şüpheli işler yapmaya devam ediyorlar. Kariyerimde bunu bir kereden fazla gördüm
AI'ya nasıl karşılık verileceğine dair gibi görünen bu çok genel yazıları her okuduğumda, yazılım sektörünün inşaat sektörüne benzediğini düşünüyorum
Asla tam olarak düzenli değil, hiçbir zaman bütünüyle optimize edilmez ve kaçınılmaz olarak hep özelleştirilmiş kalır. Çünkü zevklerin, bağlamın ve yerelliğin aşırı farklı olduğu bir gerçekliğe uyum sağlamak zorundadır
Arada bir iyi araçlar ya da yeni hammaddeler ortaya çıkabilir
Yazılımın gerçek hendeğinin, hem sistemler hem de alan tarafında geniş çaplı bilgi ya da deneyim gerektirmemesinde yattığını düşünmüştüm
Zevki ve ağ etkilerini kopyalamak ise çok daha zor. Nitekim vibe coding'den önce bile, bol yetenek ve kaynağa sahip VC destekli startup'ların pazarda kalıcı yer edinmesi nadirdi
Bu yüzden 20'li yaşlardaki biri bile birçok alandaki uzmanlarla rekabet edebiliyordu. Şu anki tepkinin, diğer olgun sektörlerde sık gördüğümüz “sektörde X yıl deneyim” insanlarının ortaya çıkışından kaynaklandığını düşünüyorum
Analist olarak çalışıyorum ve grubumuzda güçlü teknik yetkinliğe, yani yazılım mühendisliği becerisine sahip analistlerin oranı yaklaşık %20; geri kalanı ise geleneksel analistler veya alan uzmanları
Son 1 yılda, teknik olmayan analistlerin geliştirme kısmında AI modellerini kullanarak iç araç geliştirme verimliliğini artırdığını gördüm
Eskiden neredeyse her şey Tableau ile geliştiriliyordu. Geliştirici olmayan birinin çalışan bir araç üretmesinin en erişilebilir yolu buydu
Daha birkaç gün önce grubumuzdaki bir analist üzerinde çalıştığı bir aracı sundu; temelde bir Tableau raporunu daha esnek bir uygulamaya taşımıştı
Bu BI şirketleri büyük sıkıntıya girecek gibi görünüyor. Özellikle histogram gibi basit bir şeyi bile çizmeyi neredeyse imkânsız hale getiren Tableau gibi şirketler için bu daha da geçerli bence
Arkadaşım bir elektrik mühendisi ve kısa süre önce FIDE satranç reytingi 2000 barajını geçti. 30 yıldır satranç oynuyor ve lisede satranç kulübü bile kurmuştu. Üniversitede mikrodenetleyicilerle uğraşırken biraz programlama öğrenmişliği var
Ben ise bilgisayar bilimi diploması olan, daha çok altyapı/yönetim işlerine bakan bir genel iş çözücüyüm ve 30 yıldır hobi olarak programlama yapıyorum. Lichess reytingim en iyi günümde bile 1000
Bir satranç botu yarışması yaptık. Açık kitaptı; yapay zekayla programlamak serbestti ve açılış kitabı, oyun sonu tabloları gibi ne varsa kullanabildiğin serbest bir mücadeleydi. Ben onu ezip geçtim ama gerçek tahtada oynanan satrançta 20 yılda onu sadece iki kez yenebildim
O gerçek hayatta rastgele oyuncuların %99'unu yener, ben ise muhtemelen ancak %20 kadarını yenebilirim
Tam olarak ne demek istediğimden emin değilim ama artık alan bilgisinin her şey olmayabileceği hissine kapılıyorum. Ya da belki de alanın kendisi değişmiştir
Ona bir programlama düellosu teklif etmiş oldun ve çok daha deneyimli programcı olan sen kazandın. Yapay zeka kullanmak serbest olsa bile burada belirleyici olanın senin alan bilgin olduğunu düşünüyorum