Yapay zekanın yazılım mühendislerinin yerini almamasının ve gelecekte de alamayacak olmasının nedenleri
(normaltech.ai)- Yazılım mühendisliği, yapay zeka benimsenmesinin hızlı olduğu mesleklerden biri olsa da, yapay zeka belli bir yetkinlik düzeyine ulaştığında kitlesel işten çıkarmalar yaşanacağı anlatısı mevcut kanıtlarla desteklenmiyor
- Block, Snap ve Intuit örneklerinde yapay zeka işten çıkarmalar için gerekçe olarak öne çıksa da, asıl arka plan finansal baskı, maliyet düşürme ihtiyacı ve yönetim katmanlarını inceltme ile daha doğrudan bağlantılıydı
- Yazılım geliştirme, karar-verme, uygulama ve teslim etmeden oluşan bir sandviç yapı olarak görülebilir; yapay zeka uygulama katmanını sıkıştırsa da neyin üretileceğine karar verme, sonucu doğrulama ve sorumluluk üstlenme katmanları otomasyona güçlü biçimde direniyor
- “vibe coding”, denetim ve inceleme olmadan işi ajanlara bırakma yaklaşımıyken, gerçek mühendisler ajanları insanın kontrolü ve sorumluluğu elinde tuttuğu agentic engineering yaklaşımıyla kullanıyor
- Yapay zeka yazılım üretim maliyetini düşürürse daha fazla yazılım talebi doğabilir; tek tek mühendislerin kariyerleri sarsılabilse de toplam talebin güçlü kalma ihtimali var
Yapay zekanın yazılım mühendislerinin yerini almamasının ve gelecekte de alamayacak olmasının nedenleri
-
Coding agents as normal technology
- Yapay zekanın işleri ikame edip etmeyeceğine dair kaygı ve belirsizlik büyük, ancak bu soruya bakmak için yapay zeka yetenekleri ve benimsenmesinin hızla ilerlediği yazılım mühendisliği mesleğine bakmak gerekiyor
- Yapay zeka yetenekleri belli bir eşiğe ulaştığında kitlesel işten çıkarmalar yaşanacağı anlatısı, yeterli kanıt temelinde reddedilebilir
- Düzenleyici engellerin neredeyse hiç olmadığı bir alanda bile kitlesel işten çıkarma anlatısı geçerli değilse, diğer meslek gruplarında daha güçlü tampon mekanizmalar bulunması muhtemel
- Bilgi işi ve yazılım geliştirme, bir decide-execute-deliver sandwich olarak görülebilir; yapay zeka yürütme katmanını sıkıştırır, ancak karar ve teslim katmanları yalnızca yetenek artışıyla otomatikleşmez
- Yazılım mühendisliği talebinin geleceği için temkinli bir iyimserlik mümkün, ancak toplam talep sağlıklı kalsa bile bireysel mühendislerin kariyerleri istikrarsız olabilir
Yazılım alanında yapay zeka kaynaklı kitlesel işten çıkarma örnekleri tipik birer “AI washing” vakasına daha yakın
-
Block örneği
- Block, şubatta 4.000 çalışanını işten çıkaracağını açıkladı; Jack Dorsey ise yapay zekanın “daha küçük ve daha düz ekipleri” mümkün kıldığını söyleyerek 2025 sonuna kadar model yeteneklerindeki artışa değindi
- Sonraki haberler, Block’un pandemi döneminde kadrosunu üç kattan fazla büyüttükten sonra ciddi finansal baskı altında olduğunu gösteren farklı bir tablo ortaya koydu
- Cash App ekibinde veri bilimci olan Naoko Takeda, Block’un yapay zekayı herkese dayattığını ancak verimlilik artışının çok sınırlı kaldığını yazdı; %75’lik elde tutma zammı teklifini reddedip şirketten ayrıldı
- Röportaj veren diğer çalışanlar da Block’ta yapay zekanın ne yapabildiği ve Dorsey’nin meseleyi ne kadar doğru anladığı konusunda oldukça farklı algılara sahipti
- Aaron Levie, CEO’ların hızlı prototipler üretebildiğini ama bunları nihai ürüne dönüştürmek için gereken işin %90’ını göremediğini; bu yüzden yapay zekanın faydası konusunda yanılgıya düşebildiklerini belirtti
-
Snap örneği
- Snap, nisanda yaklaşık 1.000 kişiyi işten çıkardı; Evan Spiegel de işten çıkarma notunda yapay zekayı temel nedenlerden biri olarak gösterdi
- Spiegel, yeni kodun %65’inin yapay zeka tarafından üretildiğini söyledi
- Oysa işten çıkarmalar, maliyet düşürülmesini talep eden aktivist yatırımcı kampanyasının ardından geldi
- Snap, 2017’deki IPO’sundan bu yana her yıl net zarar yazdı ve 2026’da hissesi %30’dan fazla değer kaybetti
- İşten çıkarmaların niteliği, artırılmış gerçeklik bölümünde farklı rollerde 150 kişinin azaltılması şeklindeydi; bu da neden yapay zeka olsaydı beklenebilecek şirket geneline yayılan programlama ve yapay zekaya maruz rollerin küçülmesiyle örtüşmüyor
-
Intuit örneği
- Intuit, mayısta 3.000 kişilik işten çıkarma açıkladı; aynı dönemde Anthropic ve OpenAI ile yaptığı anlaşmalar da duyuruldu
- Basın bunu yapay zeka odaklı yeniden yapılanmayla ilişkilendirdi, ancak CEO işten çıkarmaların yapay zekayla ilgili olmadığını söyleyerek buna karşı çıktı
- İşten çıkarılanların “yüksek düzeyde koordinasyon gerektiren roller” ve aşırı şişmiş yönetim katmanları olduğu belirtildi
- Block, Snap ve Intuit örnekleri, yapay zekanın işten çıkarmalar için yüzeyde bir gerekçe olarak kullanıldığını; asıl arka planda ise şirketin iç durumu ve maliyet yapısının daha doğrudan rol oynadığını gösteriyor
-
AI washing ekonomi genelinde görülen bir olgu
- İncelenen yapay zeka kaynaklı yazılım mühendisliği işten çıkarma anlatılarının her birinde aynı türden anlatı-tablo uyumsuzluğu ortaya çıkıyor
- ABD’de işe alım yöneticilerinin %59’u, işe alım dondurma ya da işten çıkarma kararlarını açıklarken finansal kısıtlardan çok yapay zekayı vurgulamanın paydaşlar tarafından daha kolay kabul gördüğünü kabul ediyor
- Forrester’dan J. P. Gownder, yapay zeka kaynaklı işten çıkarmaya hazırlanan şirketlere olgun ve doğrulanmış yapay zeka uygulamaları olup olmadığını sorduğunda, on şirketten dokuzunun ya buna sahip olmadığını ya da işe bile başlamadığını söylüyor
- HBR araştırmasında dünya genelinden 1.000’den fazla yöneticinin %21’i yapay zekayı “öngörerek” büyük ölçekli personel azaltımına gittiğini, %39’u ise düşük ya da orta düzeyde önleyici azaltım yaptığını söyledi
- Gerçek yapay zeka uygulamalarıyla bağlantılı olarak zaten büyük ölçekli personel azaltımı yapanların oranı ise %2’de kaldı; bu da beklentiye dayalı küçülme ile gerçek uygulamaya dayalı küçülme arasında büyük bir uçurum olduğunu gösteriyor
-
WARN Act verileri
- WARN Act, 100’den fazla çalışanı etkileyen işyeri kapanışları ve kitlesel işten çıkarmalar için belirli bildirimler yapılmasını gerektiriyor
- New York eyaleti, 2025 Mart’ta WARN Act bildirim formuna yapay zeka açıklaması için kutucuk ekleyen ilk ABD eyaleti oldu
- İlk yıl içinde 160’tan fazla şirket WARN bildirimi yaptı, ancak yapay zeka kutusunu işaretleyen tek bir şirket bile olmadı
- Mayıs sonu itibarıyla New York Çalışma Bakanlığı doğrulamasına göre bu kutucuğu seçen tek şirket Nespresso’ydu
- Beyanlar doğruysa, o dönemde New York eyaletinde işten çıkarılan yaklaşık 25.000 kişinin yalnızca 46’sı yapay zekadan etkilenmişti; bu da yaklaşık %0,2’ye denk geliyor
-
İşten çıkarmalar, yapay zeka verimlilik etkisini görmek için yanlış bir sinyal
- Araştırmalar, yapay zekanın verimlilik etkisinin mevcut çalışanları daha çok işten çıkarma yoluyla değil, işe alım yavaşlaması yoluyla işlediğini gösteriyor
- Mevcut çalışanları işten çıkarmak, yapay zekayı etkili kullanmak için gereken örtük bilgi ve örgütsel sermayenin de kaybedilmesi anlamına geliyor
- İşten çıkarmalar kıdem tazminatı, moral bozukluğu ve yeniden işe alım riski açısından da maliyetli
- Aynı sonuç yalnızca doğal çalışan kaybıyla birkaç yıl içinde elde edilebildiğinden, kitlesel işten çıkarmalar çoğu zaman gereksiz kalıyor
-
İstihdam eğilimi verileri
- Federal Reserve ekonomistlerinin makalesi, ABD bağlamındaki ilgili kanıtları bir araya getiriyor
- İstihdam hâlâ artıyor, ancak ChatGPT sonrasında yapay zeka olmasaydı izlenecek karşıolgusal patikaya göre yıllık yaklaşık 3 puan daha yavaş büyüyor
- Bu araştırma metodolojisi serbest çalışmayı yakalayamadığı için, büyümedeki yavaşlamanın bir kısmı girişimciliğe kaymış olabilir
- Diğer çalışmalar da yapay zekanın girişim başlatmayı kolaylaştırdığına dair kanıt sunuyor
- Gerçek tablo, Federal Reserve çalışmasının gösterdiğinden daha sağlıklı olabilir
-
Gerçekten var olan ama farklı türden yapay zeka bağlantılı iş kayıpları
- Yapay zeka ürün talebini azaltıyorsa, yazılım mühendisliği iş kayıpları yaşanabilir
- Chegg ve Stack Overflow, yapay zekanın ödev yardımı ya da teknik yardım ürünlerine talebi azaltmasına örnek gösteriliyor; her iki şirket de işten çıkarmaya gitti
- Bu durumda yapay zeka doğrudan çalışanların işini yapmadı; o işe duyulan ihtiyacı azalttı
- 1950 ABD nüfus sayımındaki 270 meslek arasında otomasyonla ortadan kalkan tek iş asansör operatörlüğüydü; ancak telgraf operatörlüğü gibi yeni teknoloji nedeniyle gereksiz hale gelen birden fazla meslek vardı
- Yapay zekayı satın alan değil satan IBM ya da SAP gibi şirketlerdeki işten çıkarmalar da, çalışan ikamesinden çok mevcut işlevlerden hızla büyüyen ürün hatlarına kaynak kaydırmaya yönelik tipik kurumsal yeniden yapılanmaya daha yakın
Kodlama ajanlarının emek ikamesine yol açmamasının nedeni: decide-execute-deliver sandwich
-
Yapay zekanın yazdığı kod oranı emek ikamesiyle neredeyse bağlantısız
- Bazı teknoloji liderleri, yapay zekanın yazdığı kod oranını işten çıkarmalar ya da gelecekte işlerin azalacağı öngörüleriyle birlikte sunuyor
- Bu yaklaşım, yapay zeka tüm kodu yazarsa kod yazarlara artık ihtiyaç kalmayacağı şeklindeki basit düşünme biçimini güçlendiriyor
- Oysa yapay zekanın yazdığı kod oranı, emek ikamesini anlamak için temel bir göstergeyle neredeyse hiç ilişkili değil
- Kod yazmak darboğaz değildi; geçmişte de değildi
-
Kod yazmak darboğaz değildi
- 2019 tarihli bir makale, mevcut araştırmaları derleyerek geliştiricilerin kod yazmaya ayırdığı sürenin çalışmaya göre %9 ile %61 arasında değiştiğini ve şaşırtıcı derecede düşük olduğunu ortaya koydu
- Bu sonuç, Microsoft’un 6.000 geliştiriciye ait kendi verileriyle de uyumlu
- Kodlama ajanlarının benimsenmeye başlamasından sonra 2025 sonlarına doğru yayımlanan çeşitli yazılar da kod yazmanın darboğaz olmadığını vurguladı
- Geliştiriciler, ajanlar kodun çoğunu yazsa bile bunun toplam verimlilik üzerindeki etkisinin sınırlı kaldığını fark ediyor
-
Asıl üç darboğaz
- Asıl darboğaz, ne üretileceğine karar vermek ve bunu spesifikasyona dökmek
- Teslim edilen sonucu doğrulamak ve onun sorumluluğunu üstlenmek de kritik bir darboğaz
- Kod tabanı, iş ve ortam hakkında derin insani anlayış, hem karar hem teslim katmanı için gerekli
- Yazılım mühendisinin işi karar-verme, uygulama ve teslimden oluşan bir sandviç; anlayış ise bu üç katmanın da önkoşulu
- Yapay zeka bu sandviçin ortasını sıkıştırdı, ancak iki ucu büyük ölçüde aynı kaldı
-
“Writing Code vs. Shipping Code” kanıtı
- Writing Code vs. Shipping Code, GitHub’daki 100.000 geliştirici üzerinde yapay zeka verimlilik etkisini inceliyor
- Yapay zeka ajanları yazılan kod satırı sayısını 8 kat artırdı; bu da uygulama katmanının ciddi biçimde sıkıştığı açıklamasıyla uyumlu
- Yayınlanan sürümlerdeki artış ise yalnızca %30 oldu; bu da karar ve teslim katmanlarındaki insani darboğazların hâlâ sürdüğüne güçlü biçimde işaret ediyor
-
Karar katmanının daha da incelmesi zor
- Geliştirme ekipleri ne üretileceğine karar vermek zorunda
- Junior yazılım mühendislerinin öğrendiği önemli derslerden biri, gereksinim spesifikasyonunun beklenenden daha uzun sürdüğüdür
- Bu katmanı sıkıştırmak, sonraki aşamalarda daha büyük sıkıntılar doğurur
- Bu katman kullanıcı ihtiyaçlarını, pazar sinyallerini, kurumsal öncelikleri ve bazı durumlarda düzenleyici kısıtları hesaba katmak zorunda olduğu için otomasyonu zordur
- Yapay zeka yetenekleri arttıkça yapay zekaya devredilebilecek karar türleri çoğalır, ancak devredilebilir kararlar artık rekabet avantajı kaynağı olmaktan çıkar
- İnsan karar alma değerinin odağı daha üst düzeylere kayar ve yazılım karmaşıklığı zamanla arttığı için bu sürecin belirgin bir tavanı yoktur
-
Teslim katmanı sorumluluk ve doğrulama nedeniyle varlığını koruyor
- İnsan ekipler teslim ettikleri sonuçlardan sorumlu olmak zorunda
- Gelecekte bir noktada ekipler yeterince test etmedikleri ve anlamadıkları mission-critical kodu üretime alabilir
- Bugün yapay zeka o kadar istikrarsız ki böyle düzensiz bir yaklaşım yazılım ekipleri ve müşteriler için varoluşsal tehdit oluşturur
- Teknik engeller ortadan kalksa bile insanların kontrolü yapay zekaya devretmesi zorunlu değil
- Ortak normlar, hukuk ve politikalar yoluyla insani sorumluluğu korumak bir tercih olarak mümkün
- Sorumluluk hukuku ve sektörel düzenlemeler zaten birer hız engeli olarak işliyor ve daha da güçlendirilebilir
-
Geleceğin yazılım mühendisi vinç operatörüne daha çok benzeyecek
- Uygulama katmanı daha fazla yapay zekaya devredildikçe yazılım mühendisinin rolü bir vinç operatörüne benziyor
- Yapay zeka ajanları bilişsel ağır işin büyük kısmını yapıyor; insanın temel görevi ise ajanları denetlemek ve kontrol etmek oluyor
- Bazıları insan kontrollü bir geleceğin maliyet nedeniyle mümkün olmayacağını savunuyor
- Yetersiz gözetimle çalışan kodlama ajanlarının operasyonel veritabanını silmesi ya da başka zararlar vermesi gibi örnekler şimdiden gündeme geldi
- Bu örnekler yeni normlar olmaktan çok, çarpıcı oldukları için yayılan istisnai olaylar; aynı zamanda yapay zekaya aşırı güvenmeye karşı uyarıcı dersler
- Yüksek riskli işlerde yetersiz gözetimli yapay zeka kullanımının artıp artmadığını tespit etmek, yalnızca yazılım mühendisliği için değil ekonomi genelinde de önemli bir veri boşluğu
-
Programlamanın daralması sadece yapay zekaya özgü değil
- Sandviçin sıkışma eğilimi yeni olsa da sadece yapay zekanın sonucu değil
- Bureau of Labor Statistics, 20 yıldan uzun süre önce programlama ile yazılım mühendisliğini ayrı izlemeye başladı
- Kabaca programcılar yalnızca uygulamayla ilgilenirken, yazılım mühendisleri sandviçin daha büyük kısmını yönetiyor
- Programlama daraldı ve yalnızca uygulama odaklı iş olarak görüldüğü için ücretleri de çok daha düşük kaldı
- Yapay zeka, eski bir eğilimi hızlandırarak salt teknik uygulama becerisinin değerini daha da düşürüyor
- İnsanların karar ve teslim uçlarında derin şekilde yer aldığı, yapay zekanın ise ortadaki uygulama katmanını otomatikleştirdiği bu model bilgi işinin geneline geniş ölçüde uygulanabilir
Vibe coding, agentic engineering değildir
-
Terim karmaşası
- “vibe coding” teriminin çok geniş bir pratik yelpazesini ifade edecek şekilde özensiz kullanılması, yazılım mühendisliğindeki değişim konusunda kafa karışıklığı yaratıyor
- Gerçek vibe coding’de kullanıcı ajana ne yapması gerektiğini söyler, ardından yürütme sırasında gözetim yapmaz ve kodu incelemez
- Bu kullanıcı kodu inceleyecek yetkinliğe sahip olmayabilir ya da bariz şekilde bozuk değilse sonucu değerlendirmeyebilir
- Bu, yazılım mühendislerinin çoğunun ajanları kullanma biçiminden farklıdır
-
Agentic engineering
- Yazılım mühendislerinin çoğu ajanları, sonuç üzerindeki kontrol ve sorumluluk insanda kalacak şekilde bir araç olarak kullanıyor
- Bu pratiği tanımlamak için agentic engineering terimi yaygınlaşıyor
- agentic engineering standart haline geldikçe mühendisler, kodlama ajanlarını denetlemenin beklenenden daha fazla zaman aldığını fark ediyor
- Simon Willison, ajanları denetledikten sonra saat 11 civarında zihinsel olarak tükendiğini söyledi; bu da gerçek deneyimlerle örtüşüyor
-
SWE-chat verileri
- SWE-chat, günlükleme aracına gönüllü olarak katılan açık kaynak geliştiricilerinin kodlama ajanlarıyla etkileşimlerinden oluşan bir veri seti
- Bu çalışmada, ajanların ürettiği kodun kullanıcı commit’lerine kadar yaşayabilen kısmı %44 oldu
- vibe-coded commit’ler, yalnızca insanlar tarafından yazılmış commit’lere göre 9 kat daha yüksek oranda güvenlik açığı ekledi
- En yaygın kullanıcı niyeti yeni kod üretmek değil, mevcut kodu anlamaktı; oran %19’a karşı %13’tü
- Veri seti kendi kendini seçen bir örneklem olduğu için bu tek çalışmadan güçlü sonuçlar çıkarmak mümkün değil
- Yine de vibe coding ile agentic engineering’in farklı örüntüler olduğunu gösteren diğer kanıtları güçlendiriyor
-
Temel fark
- vibe coding ile agentic engineering tamamen ayrık iki kategori değil, bir spektrumun iki ucu
- Her proje tek seferlik ya da mission-critical proje olarak ikiye ayrılmıyor
- Her workflow da tablonun sol ya da sağ sütununa tam olarak oturmuyor
- İşler açısından önemli sonuç şu: şirketler, doğrulanmamış bir vibe coder’ı yazılım mühendisinin yerine koyup production yazılımı dağıtamaz
Bundan sonra ne olabilir
-
Kitlesel işten çıkarma öngörülerinin tutmasının zor olmasının nedenleri
- Yapay zeka savunucuları, kitlesel işten çıkarmaların henüz gelmediğini ama geleceğini iddia edebilir
- Ancak sandviç modeli doğruysa bu öngörüler gerçekleşmeyecek
- Yapay zeka sandviçin orta katmanını zaten ciddi biçimde sıkıştırdı ve bu sıkışma gerçekte onlarca yıl önce başlamıştı
- Uygulama katmanı anında ve kusursuz hale gelse bile bugünkü durumdan fark sınırlı kalır
- Karar ve teslim katmanlarının yapay zekaya direnmesinin nedeni yetenek sınırları değildir
-
Yazılım mühendisi talebi artabilir
- Yapay zeka nedeniyle yazılım mühendisliği işleri yalnızca kaybolmamakla kalmayabilir, talep de artabilir
- Teknolojik verimlilik artışı yazılım üretme maliyetini düşürürse insanlar daha fazla yazılım satın alır
- Yazılım, ekonomi terminolojisiyle fiyat esnekliği yüksek bir üründür
- Yapay zeka yazılım mühendislerinin yerini almıyorsa, daha fazla yazılım talebi de daha fazla yazılım mühendisi türev talebine yol açar
- “Jevons’ paradox”, yapay zeka tartışmalarında bu kavramı açıklamak için sık kullanılan ekonomik terimlerden biridir
-
Tarihsel örüntü
- ABD’de programcı istihdamı 1950 civarında neredeyse sıfıra yakındı, bugün ise milyonlarla ifade ediliyor
- Bu durum, makineleşme ve otomasyonla işgücü talebinin sert biçimde azaldığı tarım gibi alanlardan oldukça farklı
- İnsanların kalori tüketimi görece sabittir, ancak üretilen yazılım miktarı milyon kat arttı
- Modern otomobillerde, çeşitli araç içi bilgisayarlarda çalışan yaklaşık 100 milyon satır kod bulunuyor
- Kod talebinin bir tavanı olsa bile bugün buna yakın değiliz
- Neredeyse tüm bilişsel işler yazılımdan fayda sağlıyor ve yapay zeka kodlama maliyetini düşürdükçe iş amaçlı ve kişisel tek seferlik araçlar da ortaya çıkıyor
-
Bu, sadece Big Tech büyüyecek demek değil
- Gelecekte yazılım çok daha fazla olabilir ve yazılım mühendislerinin sayısı da artabilir, ancak bu Big Tech şirketlerinin daha da büyüyeceği anlamına gelmez
- Bugün yazılım mühendislerinin çoğu zaten yazılım şirketi olmayan firmaların iç ekiplerinde çalışıyor
- Bu oran ileride daha da artabilir
- “AI rollups”, girişim sermayesi ya da özel sermaye fonlarının diş klinikleri, muhasebe ofisleri gibi Main street işletmelerini satın alıp buralara yazılım mühendisi veya yapay zeka mühendisi yerleştirerek onları AI-native hale getirme fikrini ifade ediyor
- Bu fikir sadece abartı olarak kalabilir; bunu söylemek için henüz erken
-
Demokratikleşme tahminine itiraz
- Bazıları yapay zekanın yazılım mühendisliğini demokratikleştirerek yazılım mühendisliğine olan talebi azaltacağını öngörüyor
- Bu görüşe göre hem üretilen yazılım hem de yazılım üretimine harcanan insan zamanı artacak, ancak bu işi yazılım mühendisleri değil başka insanlar yapacak
- Örneğin hukuk yazılımının, yazılım mühendisliği eğitimi almış birinden çok hukuk eğitimi almış biri tarafından daha kolay geliştirilebileceği düşünülüyor
- Bu iddia, vibe coding ile agentic engineering’i ve uygulama katmanını tüm sandviçle karıştırma tuzağına düşüyor
- FORTRAN, COBOL ve SQL gibi geçmiş diller de ortaya çıktıklarında programlamayı demokratikleştirecekleri beklentisiyle gelmişti, ama bu gerçekleşmedi
- Engel sözdizimini öğrenmek değil, sorumluluğu koruyarak iyi karar verebilecek olgun muhakemedir
-
Bireysel kariyerlerde büyük yapısal değişim olabilir
- Zaman geçtikçe insanların bilgisayarlarla yeni işler yapmasını sağlamak için harcanan sürenin artması muhtemel
- Bu faaliyet yazılım inşa etmek, ajanlardan yararlanılan karmaşık workflow’ları yönetmek ya da başka biçimler almak olabilir
- Gereken yetkinlikler yazılım becerileri, yapay zeka becerileri ve alan uzmanlığının birleşimi olacak
- Bugünün yazılım mühendislerinin bu yeni rollere en iyi uyum sağlayacak grup olup olmayacağı henüz bilinmiyor
- Toplam yazılım emeği talebinin güçlü olması, bireysel çalışanların etkilenmeyeceği anlamına gelmiyor
- Yapay zeka yazılım üretim biçiminde büyük yapısal değişiklikler yaratıyor ve hangi mühendislerin kazançlı ya da kayıplı çıkacağı; çalıştıkları şirket türüne, bölgeye, kariyer seviyesine ve uyum hızına göre değişecek
1 yorum
Hacker News görüşleri
Bilgisayar endüstrisinin tarihi boyunca yazılım mühendisliğinin otomasyonu için agresif ve büyük bir hevesle uğraştık; her seferinde de daha büyük ve daha iyi şeyleri daha hızlı yapabilir hale geldik
Böylece üretkenlik arttıkça işin değeri de büyüdü ve beklentiler de birlikte yükseldi; bugüne kadar dünyadaki yazılım talebi sınırsız gibiydi
Yapay zekanın yazılım mühendislerini yerinden edememesinin nedeni, üretkenlik her arttığında hedef çizgisinin de birlikte ileri taşınmasıydı
Bu akışın biteceği iki durum var; ilki, üretkenliğin sonunda dünyadaki tüm yazılım talebini karşılayacak kadar yükselmesi
Buna dair henüz bir kanıt görünmüyor ve bu seferin bilgisayar endüstrisinin tüm tarihinden neden farklı olduğunu açıkça açıklamak gerekiyor
İkincisi ise yapay zekanın otonom hareket ettiğinde insandan daha iyi bir yazılım mühendisi haline gelmesi
Yani AI+insan geliştirici kombinasyonunun tek başına AI'dan daha iyi olmadığı bir durum; ancak şimdiye kadarki kanıtlar, AI'nın geliştiricinin bir güç çarpanı olduğunu ve iyi sonuçlar için uzmanın yön vermesi, AI'nın da en fazla %90'ını yapması gerektiğini gösteriyor
Yakın gelecekte bu iki durumdan birinin yaşanacağına dair güçlü bir kanıt olmadığından, yazılım mühendislerinin bir süre daha güvende olduğu düşünülüyor
Yine de teknik kapsamınız darsa ve örneğin frontend web geliştirme gibi belirli bir alana odaklanıyorsanız daha fazla endişelenmeniz gerekir
AI tüm yazılım mühendislerini tamamen değiştiremese bile, bir generalistin yönettiği yapıda belirli alanları bütünüyle içine alması oldukça olası
Yazılımın varış noktasının o kadar da uzakta olmadığını düşünüyorum
Zaten genel olarak insanlar gerçekten istediğinden daha fazla yazılım üretiyoruz ve bunların hatırı sayılır bir kısmı çöp, aleni dolandırıcılık hatta neredeyse zararlı düzeyde
Sonunda yapılacaklar listesi yönetimi ya da dosya senkronizasyonu gibi sıradan insanların ihtiyaç duyduğu küçük yazılımları herkesin kendi AI'sının kişiye özel yazacağını, yazılım mühendislerinin ise yalnızca büyük şirket projelerinde kalacağını düşünüyorum
Son birkaç on yılda ticari yazılımdaki ezici eğilim aşırı kullanıcı karşıtı özelleştirmesizlik oldu
Ortada tek bir mutlu yol bırakıldı; ihtiyaçlarınıza uymuyorsa başınızın çaresine bakmanız beklendi
Gündelik insanlar için ticari yazılım neredeyse yok ve açık kaynak bile sıradan kullanıcılardan uzaklaşıyor
Yakında sıradan insanlar sorunlarını kendi yöntemleriyle çözen yazılımları doğrudan yapabilecek
Çoğu durumda kalite ve doğruluk o kadar önemli olmayacak; asıl önemli olanın kişiye özel olması, ücretsiz olması ve istilacı gözetim/reklam platformu olmaması
Frontend web geliştirme örneği bana biraz komik geliyor
Bir frontend geliştiricisi olarak, mevcut son teknoloji modellerin benim umursamadığım sıkıcı arka taraftaki tesisat işlerinde iyi olduğunu ama gerçek müşterilerin istediği özel tasarım işlerini hâlâ iyi yapamadığını düşünüyorum
Bununla kimin kesin olarak haklı ya da haksız olduğunu söylemiyorum; yeni dönemde başarılı olmanın en iyi yolunun daha geniş bir teknik yelpaze olduğu görüşüne katılıyorum
Ancak LLM'lerin yığının herhangi bir bölümünü tamamen ele geçirip o alanın uzmanlarını ortadan kaldıracak noktada olduğunu düşünmüyorum
“Bunun olduğuna dair bir kanıt görünmüyor” denmesine karşın, en azından mobil uygulama mağazalarında benzer bir durum zaten görülüyor
Yakın tarihli bir analize göre yayımlanan uygulama sayısı ciddi biçimde artarken toplam inceleme ve indirme sayıları durağan kalmış durumda
Yani uygulama sayısı çok arttı ama kullanıcı sayısı pek artmadı, hatta neredeyse hiç artmadı
Bunun için "WRITING CODE VS. SHIPPING CODE: PRODUCTIVITY EFFECTS ACROSS GENERATIONS OF AI CODING TOOLS" belgesinde s.40 / figure 12'ye bakılabilir: https://www.nber.org/system/files/working_papers/w35275/w352...
Analiz 42-43. sayfalarda
Pastanın sabit olduğunu kanıtlayamayız ama tersine pastanın sonsuz olduğunu da kanıtlayamayız
İnsanların yazılımın ekonomik büyüme hikâyesinde kaçırdığı ana nokta, paranın bir yerden gelmek zorunda olması
Sürekli büyüme olacaksa, şu anda yazılıma para ödemeyen birilerinin yeni para ödemeye başlaması gerekir; bu kişilerin kim olduğu, ne kadar paraya sahip olduğu ve başka hangi maliyetlerle rekabet ettiği de görülmelidir
“Dünyadaki yazılım talebi sınırsızdı” demek, herkesin en yeni ve en iyi teknolojiyi aradığı anlamına gelmiyor
Birçok şirket hâlâ özel hazırlanmış spreadsheet'lere ya da Microsoft Access gibi teknolojilere dayanıyor
Çünkü tam olarak istedikleri işi yapıyor, maliyeti sabit kalıyor ve çok az ek değişiklik ya da bakım gerektiriyor
İçinde sıkıştığımız balonun dışına çıkınca, birçok insanın yükseltmeyle ilgilenmediğini; zaten bildikleri eski şeyin çalışmaya devam etmesini istediğini görüyorsunuz
AI bir uzmanın yönlendirmesi altında işin %90'ını yapabiliyorsa, bu geliştiricilerin %90'ının işinden edilmesi demektir
Üstelik bu oranın neden %99'a çıkamayacağını da pek anlamıyorum
Yapay zeka yazılım mühendislerinin yerini kesinlikle alacak
Eksik olan kısım, yazıda da dendiği gibi, teslimat ve işletim; bu da yazılım mühendisinden çok DevOps/SRE/Cloud mühendislerinin alanı
Cloud mühendisi olarak çalışıyorum; mühendis olmayan birkaç arkadaşım bana artık kendi yan projelerini sıfırdan birden fazla dille geliştirip local, web app ve native app olarak çalıştırabildiklerini söyledi
Onların eksikliği, “sıradan bir geliştirici” gibi kolayca deploy edip bakım yapabilecekleri bir platform
Şu anda bu zemini kurmak oldukça zahmetli, ama AGENTS.md, skills ve sıkı uçtan uca testlerle fazlasıyla mümkün
Bir kez kuruldu mu, teknik olmayan kullanıcılar istediklerini claude/codex'e söyleyerek yazılım mühendisi tutmadan geliştirmeye devam edebilir
claude/codex önceden belirlenmiş mimariye göre karar verip teknik olmayan kullanıcıya rehberlik edebilir
Benim anekdotsal örneklerimde yapay zeka zaten birkaç yazılım mühendisinin yerini aldı
Böyle bir zemin ürünleşirse, greenfield projelerinin ürün bakış açısından agent coder'lar ve platform engineering üzerinden yönetilebileceğini düşünüyorum
Bu bugün için geçerli; bir de 5 yıl sonrasını hayal edin
Mühendis olmayanların yaptığı uygulamaları görmek, yapay zekanın yazılım mühendislerinin yerini aldığı ya da alacağı anlamına gelmez
Belirtileri Dr. Google ile araştırıp yaşam tarzı değişiklikleri, bitkisel yöntemler ve reçetesiz ilaçlar deneyerek gerçekten fayda görebilirsiniz; ama bu, doktorların ortadan kalkacağı anlamına hiç gelmez
Üretken yapay zekayla müzik teorisi, müzik kulağı ya da yaratıcılık olmadan müzik yapılabilir; ama bu da müzik yeteneği olan insanların ortadan kalkacağı anlamına gelmez
Yapay zeka yardımıyla evde DIY işleri yapabiliyor olmanız da mühendislerin ortadan kalkacağı anlamına gelmez
Domain uzmanlarının gerçekten neye ihtiyaç duyduklarını prototip-iyileştirme yinelemesi ile netleştirmelerine kim yardımcı olacak
Hobi amaçlı yazılım üretenlerin dayandığı işletim sistemlerini, dilleri, sürüm kontrol sistemlerini, editör ve terminal emülatörlerini, bilgi ve dokümantasyon yönetim sistemlerini, PaaS platformlarını vb. kim yazacak ve bakımını yapacak
Yaptıkları şeylerin sağlam olduğunu garanti edecek kadar düzgün test ettikleri kesin mi
Ortaya çıkabilecek sınır koşullarını anlıyorlar mı
Güvenlik yeterli mi
Prompt yazarak hızlıca bir şey üretmek, mühendislikle aynı şey değildir
Bunun böyle görülmemesinin nedeni, yazılım mühendisliğinin değerinin esas olarak ortaya çıkan koddaki, yani bit dizilerinin kendisindeki değer olduğuna dair hatalı varsayım olabilir
Bir projenin asıl değeri, teori ve soyutlamaları inşa etme sürecindedir: https://pages.cs.wisc.edu/~remzi/Naur.pdf
2 haftalık bir uygulama yapıp sonra bir daha elini sürmeyen mühendisler olabilir, ama bununla geçinen pek kimse tanımıyorum
“İşletmeniz için bir WordPress sitesi” gibi işler mümkün olabilir
Sorun, 432 özellik varken 433'üncü özelliği ekleyip geri kalanına dokunmamanız gerektiğinde ortaya çıkar
Bazen en ufak bir hata bile kabul edilemez; bazen de tek bir özellik, bir mühendisin başa çıkabileceğinden daha hızlı şekilde karmaşıklığı artırır ve zamanla proje yönetilemeyecek boyuta gelir
Büyük sistemlerle entegre olan küçük bir uygulama fikriydi ve 2-3 gün içinde 3-4 commit ile bir proof of concept ortaya çıktı
Etkileyiciydi, ama bunu yapan kişi son 3 ayda o projeye 400 commit daha ekledi ve düzeltmeler sürdükçe bu uygulamayı yapmak ve bakımını yürütmek fiilen part-time ya da full-time bir işe dönüştü
O kişi eğitim almamış bir yazılım geliştiricisine dönüştü ve güvenlik ya da best practice'leri anlamıyor
Claude daha iyi hale gelirse yük azalabilir ve tüm günü yemeyebilir, ama şu anda şirketimizdeki bu erken dönem “vibe app”lerin hepsi bakım işine dönüşüyor ve giderek daha fazla zaman yiyor
İnsanların daha az değil, daha çok yazılım istediği açık
Geleneksel yazılım mühendisliği ortadan kalksa bile, genişleyen platform yönetimi, güvenlik, karmaşıklık, dokümantasyon ve iş mantığı hâlâ şirketimizin önünde duruyor
Bir projeyi metinle oluşturabildiğiniz doğru, ama en basit yazılımlar dışında bunun hiçbir zaman “kur ve unut” olmadığını düşünüyorum
Hâlâ birilerinin bütünü yönetmesi gerekiyor
O kişinin yazılım mühendisliği eğitimi almış olup olmamasından bağımsız olarak
Deneyimli geliştiricilerin, eğitim almamış insanlardan hâlâ daha iyi yapma ihtimali yüksek
Elbette meraklı üreticiler hızlıca yetişecektir, ama geleneksel geliştiricilerin büyük bir avantajı var
Çünkü biz her zaman içeride işlerin nasıl çalıştığını bilmek istedik
Onların birkaç ayda yaptığı mevcut vibe app'i ben yapay zekayla bir saat içinde yapabilirdim
vercelçalıştırma seviyesine kadar indi ve agent'lar da sadece istek verilince bunu sorunsuz yapabilirMasaüstü yazılım dağıtımı platforma göre biraz daha zor
Yine de yan proje ile harika yazılım arasındaki fark hâlâ çok büyük ve bu farkın bir gün kapanacağına inanmak zor
Yapay zekadan önce zaten çözülmüş sorunlar varken onların neden önce yerini kaybetmediğini anlamıyorum
Kişisel projelerin karmaşık altyapı gerektirdiğine inanmak da zor
Süresiz bakım gerektiren bir finans uygulamasını vibe coding ile yapmazdım
Legacy sistemlere de dokunmazdım
Yapay zekanın bazı mühendislerin yerini aldığı açık, ama mühendis olmayan arkadaşların yan proje yapmasıyla verilen örnek pek ilgili değil
Bunu artık mümkün olduğu için yaptılar; baştan beri birini işe alıp yaptırmayı planlıyor olmaları pek olası değil
Tıpkı bugüne kadar da kimseyi işe almamış olmaları gibi
Bir geliştirme ajansında çalışıyorum ve müşterilerin çoğu hızlıca pazara çıkması gereken startup’lar.
Yaklaşık bir buçuk yıldır ajan tabanlı geliştirme kullanıyoruz ve bu süre içinde rolümüz ciddi biçimde değişti.
Proje girişlerinin hacmi konusunda net rakamları bilmediğim için bunu söylemek zor, ama gözle görülür değişim teslim edilebilir kapsamına dair beklentilerin değişmiş olması.
Eskiden 5 kişinin yaptığı projeleri artık genelde 1–2 kişi yapıyor.
Gerçekçi olmak gerekirse greenfield projeler büyük ölçüde otomatikleşti.
UX/UI tasarımı iterasyonları, sistem mimarisi iterasyonları, net ölçüm metrikleri olmayan zor problemlerde birden fazla yaklaşımı deneme gibi pek çok el işi artık anında gerçekleşiyor.
Kafanızda anlayabiliyorsanız, bunu yüz kat daha kısa sürede dünyaya çıkarabiliyorsunuz demek.
Bu dönemde çalışma biçimim ve sistemleri düşünme biçimim de çok değişti.
LLM ile simbiyotik bir ilişki içine girdim; artık onsuz gerçekten çok zor.
Bu, LLM’in yazdığı kodu anlamadığım anlamına gelmiyor; tüm değişiklikleri takip ediyor ve kod tabanını da LLM’den çok daha geniş ölçüde anlıyorum.
Sadece kodu elle yazma becerim ciddi biçimde köreldi ve bence bu sorun değil.
Şu anda kendimi iş hedefleri ile onları en iyi destekleyen teknoloji arasında bir çeviri katmanı gibi hissediyorum.
Hâlâ problem çözme işi yapıyorum ama çok daha üst seviyede problem çözme; yine de ilginç ve eğlenceli.
Geliştiriciler için bu çağda en iyi strateji, eleştirel düşünmeyi koruyup araçları kendi lehine kullanmak gibi görünüyor.
Artık herkes süper güç kazandı.
Şirkette çalışmak da şart değil; tek kişilik geliştiriciler muazzam şeyler yapabildiği için başkalarına bağımlılık da eskisi kadar gerekli değil.
Belki de gelecek, herkesin dünyaya kendine özgü bir şey sunduğu bir makro ürün ekonomisidir.
Ajanik kodlama greenfield projeler üretmek için yeterince iyiyse, bunun etkisi sadece geliştiricilerle sınırlı kalmaz; şirketlerin tamamına ve tüm sektörlere yayılır.
Geliştirme ajanslarının iş modeli, teknik olarak zayıf şirketlerin yazılımla nasıl çalışacağını bilmemesi yüzünden var; bazı durumlarda da başlangıçtaki emek yoğun işleri dışarı verme fırsatçılığı söz konusu.
Ama artık bu teknoloji zaten ajans müşterilerinin parmaklarının ucunda olduğuna göre, CEO’ların ve yöneticilerin vibe coding yapmaya başlayıp “teknik sezgisi biraz olan bir geliştirici”nin yeterli olduğunu fark etmeleri an meselesi.
Bu, birçok SaaS işine de yayılabilir.
Hâlâ pek çok küçük işletme el işini azaltmak için özel yazılım istiyor ama ciddi yazılım geliştiriciler her zaman fazla pahalıydı.
Bu yüzden ya birinin yeğeninin yazdığı derme çatma kodu ya da zar zor çalışan bir SaaS’i kullanıyorlardı.
Artık hâlâ epey derme çatma olacak olsa da kendi özel çözümlerini yapıp daha fazlasını elde edebilirler.
Big Tech’in yaptıkları daha çok durgunluğa göre yeniden ayarlama gibi; asıl kaygı verici olan küçük ve orta ölçekli teknoloji sektöründeki karmaşa.
Müşteri kazanacak bağlantı ağına sahip olmamaları da bir neden.
Çoğu geliştirici, en iyi yaptığı işe odaklanabilmek için en azından pazarlamayı şirketin üstlenmesine ihtiyaç duyar.
Kod üretimi ile kod değerlendirmesi beyinde farklı yetenekler.
Programlama çoğunlukla küçük sözdizimsel ayrıntılarla dolu olduğu için, kod yazmakta zorlanırken inceleme işinde gayet iyi olabilirsiniz.
https://xcancel.com/karpathy/status/2015883857489522876
Gerçek dünyada başarılı olmuş şirketlerin veri, patent/fikri mülkiyet, ağ etkileri gibi hendekleri vardır.
Geliştirme süresinin yüz kat kısalması, hemen yeni bir iş kurabileceğiniz anlamına gelmez.
Şu an teknoloji sektörüne bakınca çevik, yapay zeka tabanlı üreticiler tarafından altüst edilebilecek gibi görünen çok şirket var, ama kilitlenme etkileri yüzünden pratikte bu olmuyor.
“1950 ABD nüfus sayımındaki 270 meslekten otomasyon yüzünden ortadan kalkan tek meslek asansör operatörlüğüydü” iddiası yanıltıcı.
Aynı dönemde tarım istihdamı işgücünün %15’inden %2’sine düştü.
Tarım gibi mekanizasyon ve otomasyonla emek talebinin ciddi biçimde düştüğü işlerden farklı olduğu söyleniyor.
İnsanların tükettiği kalori miktarı görece sabit ve %25’lik bir artış bile obezite salgını yaratırken, üretilen yazılım miktarı milyon kat arttı; fark bu.
Oransal rakam, toplam işgücü büyüdüğü için düşüşü abartıyor.
Ama daha geniş gıda sektörü istihdamına bakıldığında ciddi artış var.
Dolayısıyla “kodlayıcı” istihdamı azalsa bile daha geniş “yazılım/teknoloji” sektörü istihdamı artabilir.
O işlerin yaklaşık %95’i zaten otomatikleşti ama onlar suçu baykuşlara atma eğiliminde.
Fabrikalar ve konveyör bantlar için de aynısı geçerli.
Otomasyon her geldiğinde insanlar işlerini kaybetmeye devam ediyor ve biz de onların başka işler bulmasını “umut ediyor”, ya da “genelci ol”, “uzman ol”, “hizmet sektörüne git”, “kod öğren”, “kömür çıkar” gibi uç ve birbiriyle tutarsız umut dolu söylemler duyuyoruz.
Sadece @pmarca’yı dinlemek bile teknoloji liderliğinin ne kadar yönünü kaybettiğini ve ne kadar tutarsız olduğunu göstermeye yeter.
Endüstriyel otomasyon üzerine Stripe Press’in son kitabı da bakmaya değer: https://press.stripe.com/origins-of-efficiency
AI’ye en safça inananlar çoğunlukla kurcalamayı seven insanlardı.
LLM destekli kodlama sayesinde bir şeyleri kurcalama hızının şaşırtıcı derecede artmış olması bunu anlaşılır kılıyor.
Kurcalama bir süreçtir ve insanlar inşa etme ve ayarlama eyleminin kendisinden büyük haz alır.
Sonuç ise ikinci hatta üçüncü plandadır.
AI, hareket etme ve dolayısıyla kurcalama kapasitemizi çok genişletti ama kendi başına anlamlı etki, yani “mühendislik”, üretemiyor.
Önemli olan faaliyet değil etkidir.
Prototipleme, debug etme, test etme gibi şeyler hızlı gerçekleşiyor diye sahte iş sayılmaz.
Derleyiciler de kendi başına etki üretmez.
CI, IDE, framework’ler ve bulut altyapısı için de aynısı geçerli.
Bunlar, onları kullanan kişinin kaldıraç etkisini artırır.
Eşi yapay zeka tarafından yerinden edildi
Kendisi bir programcıydı ve şirket, açıkça eşini ve birkaç kişiyi yerinden etmek amacıyla ajanlar geliştirdi; çalışmaya başlamalarından yaklaşık bir ay sonra da onu işten çıkardı
Bizim ekip 18 ay önce yeni bir yönetici aldı; açık bir kayırmacılık vardı ve onun sevdiği kişi, ekip oyuncusu olmayan tek kişiydi
18 ay boyunca, geçmiş performanstan bağımsız olarak uzaktan çalışan herkesin işine son vermenin bir yolunu buldu
Onlardan biri yöneticiden daha üst seviye ödülleri birkaç kez almıştı, ama yönetici hep sadece o toksik kişiyi takdir etti
Bu yapay zeka kaynaklı bir yer değiştirme değildi ama insanların kendini değersiz hissettiği ortamın, yapay zekayla yer değiştirilirken hissedilene benzeyeceğini düşünüyorum
Benim amirim de dahil olmak üzere o ekipteki herkes başka işlere başvuruyor
Amirde yüksek işlevli otizm var ve yönetici tarafından sık sık alaya alınıyor
Ruh sağlıkları için gerçekten başarılı olmalarını umuyorum
HR'a sorunu birkaç kez taşıdım ve yöneticinin ihlal ettiği maddeleri iş kurallarında da buldum, ama en azından burada bu kuralların sadece kâğıt üstünde olduğunu öğrendim
Hatta bu, sırtıma hedef çizmek gibi oldu; bu yüzden ayrılmak zorunda kaldım
Başka birçok kişi de endişelerini dile getirdi ve onların çoğu sonrasında başka iş buldu
Neyse ki ben de yakında geçeceğim yeni bir iş buldum ve bunu heyecanla bekliyorum
Umarım iyidir
Sonrasında ne olduğunu, yeni bir iş bulup bulmadığını, hâlâ yazılım tarafında olup olmadığını merak ediyorum
Yapay zeka nedeniyle işten çıkarmalarla ilgili kurumsal iletişimin sahte olması, riski ortadan kaldırmaz
Şirket tarafının anlattıkları yanlış olabilir ama teknolojinin etkisi gerçek olabilir; bu bağlamda bunlar sadece gürültü
Yazıdaki burger diyagramında olduğu gibi uygulama aşaması küçülürken diğer tüm aşamaların büyüyüp toplam burger boyutunun aynı kalacağı varsayımı da pek inandırıcı görünmüyor
Yine de yazılım mühendisliğinin bazı alanları henüz tehditten çok uzak gibi görünüyor
Özellikle doğruluğun kritik olduğu alanlar böyle
Web geliştirmede idare ederek ilerlemek için çok daha fazla alan var ama roket güdüm kodu farklı
LLM ikisini de yapabilir belki ama yakın zamanda kimsenin ikincisini vibe coding ile yapacağını sanmıyorum
Yapay zeka kelimenin tam anlamıyla bazı şeylerin yerini şimdiden aldı ve ileride daha fazlasını da alacak
Tüm yazılım mühendislerinin yerini almayacak ama Pandora'nın kutusu açıldığına göre düşük emekli, düşük riskli işler yapay zekaya gidecek
Lovable gibi servislerde gerçekten üretimde olan çok sayıda proje var ve alternatif bunların insanlar tarafından yapılmasıydı
İşleri yerinden eden her zaman işverenlerdir
Bir grup ekran kartını insanlaştırmamak gerekir
Yazının bu kısmından emin değilim
İddia şu: “Gerçek darboğazlar (1) ne yapılacağına karar verip bunu tanımlamak, (2) teslim edileni doğrulayıp sorumluluğunu üstlenmek, (3) kod tabanı, iş ve ortam hakkında derin insani anlayış.”
Kodlama pahalı ve darboğaz olarak görüldüğü için, girdinin doğru olması ve çıktının çöpe gitmemesi adına hem yukarı akışta hem aşağı akışta çok emek harcanmış olabilir
Eğer kodlama hızlı ve ucuz bir aşama olarak görülürse, çıktıyı çöpe atmak kabul edilebilir olur; bu yüzden yukarı akışta aynı düzeyde gözetim gerekmeyebilir
Yazılım arızalandığında ortaya çıkan etki ve geriye dönük uyumluluğu koruma çok daha kötüdür