Yapay zekanız az önce seri üretim teknik borç üretti.
Yapay zekanın kod tabanınızı iyileştirmesi gerekiyordu. Daha da kötüleştirdi.
Sürüm kontrolünün icadından bu yana ilk kez, ekipler daha hızlı teslimat yapıyor ve daha çok şeyi bozuyor.
Yapay zeka, mühendislik ekipleri için üç şey yapar. Daha hızlı kod yazar. Hataları daha erken yakalar. Mevcut ekibinizin tek başına inşa edemeyeceği şeyleri inşa eder.
Sektör her şeyi ilkine yatırdı. Hız. Daha fazla kod, daha hızlı.
Kendi kod tabanlarının yarısını bile anlamayan bir ekibin çıktısını 3 katına çıkardığınızda ne olacağını kimse sormadı.
Kaynak: https://www.faros.ai/blog/ai-acceleration-whiplash-takeaways
Bunu daha önce de gördüm. Hepimiz gördük.
1990'ların sonlarında, kurumsal Java, bir kere yaz her yerde çalıştır sözü verdi. Şirketler tüm ürün hatlarını buna bağladı. J2EE, EJB'ler, ara katman yazılım yığınları.
2005'e gelindiğinde, ortalama bir kurumsal Java uygulamasında bir butonun rengini değiştirmek, 6 paket arasında 14 dosya gerektiriyordu. Martin Fowler buna "kurumsal hastalık" adını verdi. Şirketler teslimat yapamıyordu. Sistemi anlayan birini işe alamıyorlardı. Eski sistemin ne yaptığını belgeleyemedikleri için yeniden yazamıyorlardı.
Düzeltme on yıl sürdü. Hafif çerçeveler. TDD. CI. Çevik. Sektörün, teknolojinin etrafındaki yönetim katmanını yeniden inşa etmesi gerekiyordu.
Yapay zeka aynı şeyi sıkıştırılmış bir zaman çizelgesinde yapıyor.
Her geliştiriciye günde binlerce satır kod üretme yeteneği verdik. Bunu yönlendiren geliştirici, ne inşa ettiğini açıklayamıyor. Onaylayan gözden geçiren, okumadı. Ve onu devralacak bir sonraki geliştirici, ona bir kara kutu gibi davranacak, çünkü öyle.
Bunu hem eski kod tabanlarında hem de yeşil alan demolarında izledim. Aynı şekillerde bozuluyorlar.
İşte, katılımlarımızda gördüğümüz 5 başarısızlık modu.
Gerçek Kod Tabanlarında Yapay Zekanın 5 Başarısızlık Modu
1. Yapay zeka tarafından üretilen hacim, yeni "üzerine adam atmak" oldu.
Her CTO Cursor koltukları satın aldı. Her yönetim kurulu yatırım getirisini sordu. Hype döngüsü bir yıldan kısa sürede tamamlandı.
Ama daha fazla kod hiçbir zaman sorun olmadı.
Fortune 500 şirketlerinin %70'i hala yirmi yıldan eski yazılımları çalıştırıyor. Bu kod tabanları, geliştiriciler çok yavaş yazdığı için yavaş değil. Şirkette hayatta olan hiç kimse, kodda kodlanmış tüm iş kurallarını anlamadığı için yavaşlar.
Bu kod tabanına bir yapay zeka aracısı erişim izni verin. Testleri geçen ve kimsenin belgelemediği sözleşmeleri ihlal eden çalışan kod üretecektir.
DORA'nın 2026 raporu: Yapay zeka araçları, temiz yeşil alan görevlerinde %35-40 kazanç sağlıyor. Eski kod tabanlarında, aynı araçlar, %10 veya daha az. 4 kat fark.
Darboğaz kavramaydı. Yapay zeka bunu daha da kötüleştirdi.
2. Anlama borcu, yeni teknik borçtur.
GitClear, 623 milyon kod değişikliğini analiz etti. Eski kodları yeniden düzenleme, 2023'ten bu yana %74 düştü. Yapay zeka araçları, var olanı yeniden kullanmak yerine yeni kod üretiyor. Geçen bir test. Kapatılan bir bilet. Mevcut sisteme karşı bir konsolidasyon yok.
Google'da Addy Osmani buna anlama borcu adını verdi: var olan kod miktarı ile herhangi bir insanın anladığı arasındaki fark.
6 aylık bir kod tabanında, toparlarsınız. Belgelenmemiş entegrasyonları ve yüzlerce dosyaya yayılmış iş mantığı olan 10 yıllık bir monolit üzerinde, toparlayamazsınız.
Teknik borç, kötü olduğunu bildiğiniz koddur. Anlama borcu, hiç değerlendiremediğiniz koddur. Yapay zeka, ikinci türü büyük ölçekte üreten ilk teknolojidir.
3. İnceleme tiyatrosu, yeni kauçuk damgadır.
Faros AI'nın 22.000 geliştiricilik veri setinde, sıfır inceleme ile birleştirilen PR'ler %31 arttı. Medyan inceleme süresi 5 kat arttı çünkü gözden geçirenler hacme yetişemiyordu.
Daha fazla çıktı, daha az kalite kontrolü, yavaşlatma yetkisi olan kimse yok. Bu organizasyon modelini yapay zeka var olmadan önce yüzlerce kez gördük. Şimdi makine hızında çalışıyor.
Anthropic, pasif delegasyon için yapay zeka kullanan geliştiricilerin kavrama testlerinde %40'ın altında puan aldığını buldu. Aktif sorgulama: %65+. Aynı araçlar. Değişken insandı.
Çoğu ekip, düşünmekten kaçınmak için yapay zeka kullanıyor. Bu, üretimde sizi yakalar.
4. Sistemi anlayan insanların, onu yapay zekaya beslemek için en az teşviği var.
Özel sermaye destekli, yaklaşık 15 milyon dolar geliri olan bir yazılım şirketinin mühendislik başkanıyla konuştum. Ekibi dahili olarak Claude'u denedi. Sözleri: "Bir sürü aptalca şey yaptı."
Şüpheci olmakta haklı.
Ford, deneyimli mühendislerin bilgileri kalite sistemlerini eğitmeden ayrılmalarına izin verdi. Üç yıl ve milyarlarca garanti maliyetinin ardından, 350 kıdemli mühendisi yeniden işe aldılar. Bu mühendisler yapay zekayı yeniden eğitti. Kalite süreçlerini yeniden inşa etti. Ford, 16 yıl sonra ilk kez JD Power'ın 2026 İlk Kalite Araştırması'nda zirveye yerleşti.
Donanım mühendisliği başkan yardımcıları: Tasarım gereksinimlerini içeri aktarmanın yüksek kaliteli bir ürün üreteceğini düşündüler. Olmadı. Alan uzmanlığı önce gelmeliydi.
Kurumsal bilgiyi elinde tutan insanlar, bir önceki "verimlilik" girişimleri dalgasını izledi. Süreç belgelendikten sonra ne olacağını biliyorlar. Ortaçağ loncaları yöntemlerini aynı nedenle gizli tuttu.
5. Yapay zekaya en çok ihtiyaç duyan kod tabanı, yapay zekanın en kötü çalıştığı yerdir.
Orta ölçekli SaaS platformları. Sağlık sistemleri. Lojistik arka uçları. Yıllar önce ayrılmış geliştiriciler tarafından oluşturulmuş finansal hizmet ürünleri.
Bu şirketlerin ödeme yapan müşterileri, gerçek gelirleri ve korunmaya değer iş mantıkları var. Yapay zekanın hızlandırması için en geniş yüzey alanına sahipler.
Bugün satılan her yapay zeka kodlama aracı, kod tabanının temiz, mimarinin modüler olduğunu ve geliştiricinin aracıya yeterli bağlamı verebileceğini varsayar. Bu varsayım, belgelenmemiş entegrasyonları ve kimsenin yazdığını hatırlamadığı iş kuralları olan 10 yıllık bir monolitin içinde bozulur.
Gartner'a göre, yapay zeka girişimlerinin %74'ü pilot aşamayı geçemiyor. Model iyi çalışıyor. Kod tabanı buna hazır değildi.
Bunu gerçekten ne düzeltir?
Bunu gerçek bir katılımda kanıtladık. Eski bir lojistik platformunda iki mühendis. 6 ayda 330 birleştirilmiş PR. ~%90 yapay zeka tarafından üretilen kod. Müşteri onları en iyi performans gösteren ekipleri olarak adlandırdı. İki kez ihtiyari ikramiye aldılar.
Bu sonuç, daha iyi modellerden değil, hazırlıktan geldi. Yapay zeka bir satır koda dokunmadan önce üç şey oldu.
İstemde bulunmadan önce belgeleyin. Buna Sıfırıncı Adım diyoruz. Herhangi bir yapay zeka aracısı eski bir kod tabanına dokunmadan önce, mevcut kodu tarar, yapay zeka tarafından okunabilir dokümantasyon üretir, sistemi araçlar için okunabilir hale getirirsiniz. Aracı, göremediği şey hakkında akıl yürütemez. Ford'un toparlanması burada başladı. Sistemi anlayan insanları geri getirdiler, bildiklerini belgelediler ve ancak o zaman yapay zekayı yeniden eğittiler.
Bölgeleri tanımlayın. 80/20/0. %80 kalıp kod (CRUD, testler, yapılandırma, dokümantasyon): Yapay zeka özgürce üretir. %20 iş mantığı ve entegrasyonlar: yardımcı pilot modu, yapay zeka taslak hazırlar, mühendis yeniden yazar. Yetkilendirme, ödemeler, şifreleme, mimari kararların %0'ı: Hiçbir yapay zeka dokunmaz. Bu disiplin, anlama borcunun birikmesini önler.
Ölçeklendirmeden önce ölçün. Commit başına maliyet. Model kullanım modelleri. Kod yüzdesindeki yapay zeka. Her takımda DORA metrikleri. Yapay zekadan önce temel değer. Yapay zekadan sonra ölçüm. Bu veri olmadan, Faros veri setindeki 22.000 geliştiriciyi vuran aynı hızlanma kamçısına körü körüne uçuyorsunuz.
Bu nereye gidiyor
Microsoft 2,5 milyar dolar taahhüt etti. Amazon 1 milyar dolar taahhüt etti. Anthropic 1,5 milyar dolar topladı. OpenAI 4 milyar dolar topladı. Hepsi aynı sorunu hedefliyor: yapay zekayı halihazırda var olan şirketlerin içinde çalıştırmak.
Pazar, yeşil alana odaklandı çünkü demolar daha iyi görünüyor. En büyük mühendislik etkisi, kod tabanları en çirkin, ürünleri en eski ve boru hatları kimsenin bir LLM duymadan önce inşa edilmiş olan şirketlerden gelecek.
Darboğaz, modelin altındaki mühendislik sistemidir.
Not: Limestone Digital'de yaptığımız şey budur. Mevcut kod tabanlarına yapay zeka odaklı mühendislik ekipleri yerleştiriyoruz. Sıfırıncı Adım, bölge disiplini, ölçüm altyapısı. Yapay zeka pilotunuz eski bir kod tabanında takılıp kaldıysa, bana DM atın.
İletişime geçin: limestonedigital.com
