Anthropic’in son çalışması, kod üretimi için yapay zekaya bel bağlayan geliştiricilerin kavram anlama testlerinde yüzde 17 daha düşük puan aldığını ve görevleri, dokümantasyon ile web aramalarına güvenen meslektaşlarından daha hızlı bitirmediklerini gösteriyor. Bulgular, yapay zekanın saniyeler içinde çalışan kod üretebilse de gerçek mühendislik uzmanlığının maliyetini düşürmediğinin altını çiziyor.

Bu çalışma neden önemli

Deney, geliştiricileri iki gruba ayırdı. Bir grup, yapay zeka tabanlı bir kod üretme aracına sınırsız erişime sahipti; diğeri ise aynı problemleri yalnızca resmi dokümanları ve internet aramalarını kullanarak çözdü. Görevlerin ardından katılımcılar, temel prensipleri kavrayıp kavramadıklarını ölçen bir teste tabi tutuldu. Yapay zeka destekli grubun ortalama puanı yüzde 17 geride kaldı ve her iki grup da ölçülebilir bir hız avantajı elde edemedi.

Pratik anlamda, "vibe coding" —bir yapay zekaya bir kod parçacığı ürettirmek ve derinlemesine incelemeden doğrudan kullanmak— verimliliği artırmıyor. Bu durum, yalnızca daha sonra hatalar, bakım zorlukları veya maliyetli yeniden yazımlar olarak ortaya çıkacak bir bilgi açığını maskeliyor.

Rakamların arkasındaki bağlam

Anthropic’in araştırması, vaat edilenlerin eksik olduğunu gösteriyor. Her adımda yapay zekayı kullanan —önerileri kopyalayıp yapıştıran, değişken isimlerini değiştiren ve devam eden— katılımcılar, problem alanı hakkında en az bilgiyi edindiler. Aracı bir iş ortağı gibi gören —hassas ve dar kapsamlı sorular soran ve ardından dönen kodu inceleyen— geliştiriciler ise kavramsal çerçeveyi daha fazla korudular.

Bu ayrım, sektördeki daha geniş bir gözlemi yansıtıyor: prompt mühendisleri dakikalar içinde bir fonksiyon oluşturabilir, ancak sistem mühendisleri karmaşıklık arttıkça daha hızlı hareket eder. Nelerin bozulacağını ve nelerin ölçeklenemeyeceğini önceden görürler. Onların hızı verimsizliği değil, muhakeme yeteneğini yansıtır.

Kim kazanıyor, kim kaybediyor

Muhakeme yeteneğini koruyan mühendisler Mimariyi anlayan, yapıların nerede katı veya esnek olması gerektiğini bilen ve sistemi bozmadan bileşenleri yeniden yazabilen mühendisler, uzun vadede kuruluşlara tasarruf sağlar. Yetenek setleri, temiz görünen ancak açık bir niyeti olmayan yapay zeka tarafından üretilen kodların ardından gelen gizli teknik borçlara karşı koruma sağlar.

Prompt uzmanları Yapay zekayı sihirli bir değnek gibi görenler, hızlı prototipler sunabilir veya izole hataları çözebilir. Kısa vadede üretken görünürler, ancak kod tabanı genişledikçe yapay zeka tarafından üretilen kod parçacıklarındaki gizli varsayımlar birer yük haline gelir. Hata ayıklama süreci daha sonra orijinal niyeti bulma arayışına dönüşerek bakım maliyetlerini artırır.

Organizasyon Ağırlıklı olarak sadece yapay zeka tabanlı geliştirmeye güvenen işletmeler, gelecekte daha yüksek masraflarla karşılaşma riski taşır: hata ayıklama, yeniden yapılandırma (refactoring) ve anlaşılması güç kodları çözmek zorunda kalan yeni mühendislerin adaptasyon süreçlerinde daha fazla zaman harcanması. Yapay zeka desteğini disiplinli mühendislik uygulamalarıyla harmanlayan şirketler, uzun vadeli istikrarı korurken hız avantajlarından yararlanırlar.

Çoğu raporun atladığı detaylar

  • Öğrenme etkisi: Yüzde 17'lik fark, sadece sözdizimi (syntax) hatırlama değil, anlama yeteneğini test eden bir sınavda ölçüldü. Bu, yüzeysel bir bilgi eksikliğini değil, zihinsel modellerin gerçek bir aşınmasını gösteriyor.
  • Görev tamamlama süresi: Anlık kodun cazibesine rağmen, çalışma, her grubun görevi bitirmesinin ne kadar sürdüğü konusunda istatistiksel olarak anlamlı bir fark bulamadı. Hız kazanımları yanıltıcıydı.
  • Yöntem önemlidir: Çalışma, yapay zeka kullanımının bir yelpazeye yayıldığını vurguladı. Yapay zekaya tamamen güvenmek en kötü öğrenme sonuçlarını verirken, seçici ve sorgulayıcı istemler (prompting) daha iyi sonuçlar sağladı. "Yapay zeka kodlamayı hızlandırıyor" diyen manşetler genellikle bu nüansı kaçırıyor.

Karşı görüş: Yapay zeka yararsız değildir

Çalışma niş faydaları reddetmiyor; sadece bu faydaların tüm yazılım geliştirme sürecine genelleyerek yorumlanmasına karşı uyarıyor. Sorun sistem tasarımı, performans iyileştirme veya güvenlik hususlarını içerdiğinde, insan muhakemesi vazgeçilmez kalmaya devam eder.

Sonuç

Yapay zeka size bir kaykay verebilir, ancak fren ve direksiyon bilgisi olmadan yol kıvrıldığında kaza yaparsınız. Teknoloji, kod yazma engelini düşürüyor; ancak asıl kıtlık, sistemler hakkında muhakeme yapabilen, hataları öngörebilen ve yazılım büyüdükçe onu hayatta tutabilen mühendislerde devam ediyor. Bir istemin (prompt) bunun yerini tutacağını ummak yerine, bu muhakeme yeteneğine yatırım yapmak, uzun vadeli maliyeti kontrol etmenin en akıllıca yoludur.