Çoğu geliştirici, AI'yı hâlâ 2023'te ChatGPT'yi kullandıkları gibi kullanıyor.
Bir sohbet aç. Bir soru sor. Biraz kod kopyala. Düzenleyiciye yapıştır. Tekrarla.
İşe yarıyor. Kimse işe yaramadığını söylemiyor.
Ancak bu yaklaşım, çoğu kişinin henüz fark etmediği şekillerde çoktan güncelliğini yitirmeye başladı. Ve bunu erken fark eden geliştiriciler, daha sonra kapatılması çok zor olacak bir avantajı sessizce inşa ediyorlar.
Şu anda yeni bir geliştirici kategorisi ortaya çıkıyor. Bunlar, AI'yı herkesin yaptığı gibi bir kodlama asistanı olarak kullanmıyorlar. Onun etrafında bütün işletim sistemleri kuruyorlar. Bellek, bağlam, uzmanlaşmış ajanlar, doğrulama döngüleri ve zamanla biriken iş akışlarına sahip yapılandırılmış sistemler.
Bu iki yaklaşım arasındaki fark, yazılım geliştirmedeki en önemli rekabet avantajlarından biri haline geliyor. Bir grubun diğerinden daha zeki olmasından değil. Bir grup, gerçek kaldıracın hiçbir zaman modelde olmadığını daha erken anladığı için. Her zaman modeli çevreleyen sistemdeydi.
Bu değişimi bugün anlayan geliştiriciler, önümüzdeki birkaç yıl boyunca büyümeye devam edecek bir avantaja sahip olacaklar. Çünkü yazılım geliştirmenin geleceği, daha hızlı kod yazmakla ilgili değil. Ölçekte zekayı organize etmekle ilgili.
Herkesin yaptığı konuşma yanlış konuşma
Son iki yıldır tüm AI tartışmalarına, farklı biçimlerde kendini tekrarlayan tek bir soru hakim oldu.
Hangi model daha iyi?
Claude'a karşı GPT. GPT'ye karşı Gemini. Gemini'ye karşı DeepSeek. Açık kaynağa karşı tescilli. Herkes, modelin rekabetin bittiği yer olduğunu düşünerek kıyaslamaları, kodlama puanlarını, bağlam pencerelerini ve muhakeme değerlendirmelerini karşılaştırıyor.
Bu konuşma, insanların fark ettiğinden daha yavaş bir şekilde önemini kaybediyor.
Tüm bu gürültünün altında sessizce daha değerli bir soru ortaya çıkıyor.
Bir dil modelini nasıl üretken bir yazılım mühendisine dönüştürürsünüz?
Soruları yanıtlayan bir sohbet robotu değil. Tuş vuruşlarını kaydeden bir otomatik tamamlama motoru değil. İstenildiğinde işlevler üreten bir kod üreteci değil. İş planlaması yapabilen, çözümleri araştırabilen, kodu gözden geçirebilen, hataları bulabilen, testler yazabilen, belgeleri güncelleyebilen, uzun projelerde bağlamı yönetebilen, önceki kararlardan öğrenebilen ve zamanla kendi çıktılarını iyileştirebilen gerçek bir mühendislik sistemi.
Bu dönüşüm şu anda Claude Code gibi araçların etrafında gerçekleşiyor. Ve kıyaslama tartışmalarının önerdiğinden çok daha büyük.
AI kodlama araçlarının ilk dalgası yanlış sorunu çözdü
İlk nesil AI kodlama araçları neredeyse tamamen kod üretimine odaklandı. Bu, çözülmesi gereken bariz sorundu ve çözmeye değer gerçek bir sorundu.
GitHub Copilot, AI'nın kodu gerçekten kullanışlı şekillerde otomatik olarak tamamlayabileceğini gösterdi. ChatGPT, yazılım geliştirmeyi ilk kez sohbete dayalı hale getirdi. Modeller hızla gelişti. Bağlam pencereleri genişledi. Kod kalitesi, çıktıların genellikle minimum düzenleme ile üretime hazır hale geldiği noktaya kadar arttı.
Bir süreliğine, tüm sektörün tek bir net hedefe doğru yarıştığı hissi vardı. Daha az hatayla, daha hızlı, daha fazla kod üretmek.
Ancak deneyimli mühendisler, başından beri bariz olması gereken bir şeyi çabucak keşfettiler.
Kod yazmak, yazılım geliştirmenin nadiren en zor kısmıdır.
Asıl iş, kıdemli bir mühendisin zamanının çoğunu ve bir ekibin enerjisinin çoğunu tüketen iş, genellikle şöyle görünür. Eksik veya çelişkili gereksinimleri anlamak. Yılların geçmişine ve içine işlemiş kararlara sahip bir kod tabanında çözümleri araştırmak. Ne kadar iyi düşünüldüklerine bağlı olarak ya avantajlara dönüşecek ya da teknik borca dönüşecek mimari seçimler yapmak. Biriken bu teknik borcu yönetmek. Planlama sırasında kimsenin aklına gelmeyen uç durumları test etmek. Uygulamaları doğruluk, güvenlik ve bakım kolaylığı açısından gözden geçirmek. Baskı altında üretim sorunlarını ayıklamak. Her zaman biraz güncelliğini yitirmiş olan belgeleri güncel tutmak. Ne inşa edildiğine dair farklı zihinsel modellere sahip kişiler arasında karmaşık projeleri koordine etmek.
Mühendislik yaşam döngüsünün çoğu düzenleyicinin dışında gerçekleşir.
Ve geleneksel AI iş akışlarının, yani bir sohbet aç-kod kopyala yaklaşımının tamamen çökmeye başladığı yer tam olarak burasıdır.
Claude Code Neden Kendinden Önceki Her Şeyden Gerçekten Farklı Hissettiriyor?
Claude Code temelde farklı bir fikir ortaya koydu ve farkı küçümsemek kolay olduğu için bunu tam olarak ifade etmeye değer.
AI'yı ara sıra yardım için danıştığınız bir şey olarak ele almak yerine, doğrudan iş akışının içine, yürütmede aktif bir katılımcı olarak yerleştirir.
Kulağa ince bir ayrım gibi geliyor. Hiç de ince değil.
Bir sohbet robotu talimatları bekler ve bunlara yanıt verir. Bir operatör, yürütmeye katılır ve gerçek ortamınızda eylemler gerçekleştirir. Bu ayrım, geliştirici ile araç arasındaki ilişkinin tüm doğasını değiştirir.
Geliştiriciler ilk kez Claude Code ile ciddi bir şekilde çalışmaya başladıklarında, konuşma AI'nın belirli bir işlevi yazıp yazamayacağını sormaktan, AI'nın tüm bir iş akışını uçtan uca halletip halledemeyeceğini sormaya kaydı. Bu soru zihninizde belirdiğinde, kod üretimini hedef olarak düşünmeyi bırakırsınız. Sistemleri düşünmeye başlarsınız. Ve mühendislikte gerçek kaldıracın her zaman var olduğu yer sistemlerdir.
Bugün Claude Code'dan en iyi şekilde yararlanan geliştiriciler, en zeki bireysel istemleri yazanlar değil. Etrafında en düşünceli sistemleri kuranlardır.
Darboğaz neredeyse hiçbir zaman zeka değildir
Çoğu insan, AI vasat bir çıktı ürettiğinde, bunun modelin yeterince akıllı olmamasından kaynaklandığını varsayar. Bu varsayım, herkesin beklediği sonuçları nihayet üretecek daha iyi bir model için sürekli bir arayışa yol açar.
Gerçekte darboğaz neredeyse her zaman bağlamdır. Zeka değil. Bağlam.
Hayal edebileceğiniz en iyi yazılım mühendisini işe almayı ve ona hiçbir dokümantasyon, proje geçmişi, kodlama standardı, önceki mimari kararların kaydı ve halihazırda bulunup düzeltilmiş hatalar hakkında bilgi vermemeyi düşünün. Bu mühendis çok zorlanırdı. Yetersiz olduğu için değil. Yeteneği faydalı kılan bağlam olmadan çalıştığı için.
AI modelleri, daha önce olanlara dair hiçbir anısı olmadan sıfırdan başlayan her sohbette aynı sorunla karşı karşıyadır.
Bu, insanların ilk karşılaştıklarında kafalarını karıştıran bir şeyi açıklıyor. İki geliştirici aynı modeli kullanabilir ve tamamen farklı araçlardan gelmiş gibi görünen sonuçlar alabilir. Biri gerçekten kullanışlı ve üretime hazır çıktılar alır. Diğeri, orijinal kodun gerektireceğinden daha fazla düzeltme gerektiren vasat çıktılar alır.
Fark neredeyse hiçbir zaman model değildir. Fark, bağlam yönetimidir. Bir geliştirici, modele iyi çalışması için ihtiyaç duyduğu şeyi vermiştir. Diğeri vermemiştir.
Bu, AI ile ciddi bir düzeyde çalışmak hakkında anlaşılması gereken pratik olarak en önemli şeylerden biridir. Sadece bir model seçmiyorsunuz. O modelin etkili bir şekilde çalışabileceği bir ortam inşa ediyorsunuz. Ortam, çıktıyı, içindeki modelin ham yeteneğinden çok daha fazla belirler.
Bağlam yeni altyapı haline geliyor
Çoğu AI tartışması istemlere odaklanır çünkü istemler görünür katmandır. Yazdığınız şey onlardır. Gördüğünüz şey onlardır. Kontrol ettiğiniz şeymiş gibi hissettirirler.
Ancak istemler sadece yüzeydir.
Tutarlı bir şekilde başarılı olan her AI iş akışının altında, çoğu insanın açıkça hiç düşünmediği ve neredeyse hiçbir zaman kamuya açık bir şekilde tartışmadığı çok daha büyük bir altyapı bulunur.
Bu altyapı, her seferinde sıfırdan başlamak yerine oturumlar arasında bilgiyi kalıcı kılan bellek sistemlerini içerir. Kararları, standartları ve kalıpları modelin başvurabileceği bir biçimde yakalayan bilgi deposu. Modele her şeyi bir kerede yüklemeden doğru zamanda doğru bilgiyi yüzeye çıkaran bağlam getirme. Görevleri, aralarında doğru girdiler akacak şekilde doğru sırayla sıralayan iş akışı orkestrasyonu. Çıktıları bir sonraki aşamaya geçmeden önce standartlara göre kontrol eden değerlendirme döngüleri. Modelin neye dokunup dokunamayacağını tanımlayan güvenlik kontrolleri. Hataların birikmeden önce yakalanmasını sağlayan doğrulama hatları. Sistemin zayıf çıktılar ürettiği noktaları belirleyerek bu noktaların iyileştirilebilmesini sağlayan performans izleme.
Bu sistemler, bir AI'nın bir mühendislik organizasyonu için gerçekten faydalı hale gelip gelmeyeceğini veya biraz tuş vuruşu kurtaran ve demolarında insanları etkileyen pahalı bir otomatik tamamlama motoru olarak kalıp kalmayacağını belirler.
Bugün bu katmanları inşa eden şirketler ve bireysel geliştiriciler, etkili bir şekilde AI çağının işletim sistemlerini inşa ediyorlar. Sadece var olan araçları kullanmıyorlar. Bir sonraki nesil araçların üzerinde çalışacağı altyapıyı inşa ediyorlar.
Ajan tabanlı geliştirmenin yükselişi ve neden harika ekiplerin nasıl kurulduğunu yansıttığı
Yazılım geliştirmenin gittiği yer burasıdır ve bunu, halihazırda sezgisel olarak anlamlı olan bir şeye bağlarsanız anlaması daha kolaydır.
Gerçekten etkili bir mühendislik organizasyonunun nasıl çalıştığını düşünün. Bir kişiyi işe alıp her şeyi yapmasını istemezsiniz. Belirli alanlarda derinlemesine uzmanlaşmış uzmanlarınız vardır. Sorun alanını anlayan araştırmacılar. Yapısal kararlar veren mimarlar. Uygulamadaki sorunları yakalayan gözden geçirenler. Ürün odaklı mühendislerin gözden kaçırdığı şekillerde neyin yanlış gidebileceğini düşünen güvenlik mühendisleri. Varsayımları gerçekliğe karşı test eden QA mühendisleri. Sistemi onunla çalışan herkes için anlaşılır kılan teknik yazarlar. Her şeyi üretimde çalışır durumda tutan operatörler.
Aynı model, gelişmiş AI iş akışlarının içinde ortaya çıkıyor.
İyi tasarlanmış bir ajan tabanlı sistem bugün, herhangi bir karar verilmeden önce sorun alanını araştıran bir Araştırma Ajanı, ardından bu araştırmaya dayalı olarak yapısal yaklaşımı tasarlayan bir Mimari Ajan, ardından kodu mimari spesifikasyona göre yazan bir Uygulama Ajanı, ardından uygulamayı gereksinimlere ve uç durumlara göre doğrulayan bir Test Ajanı, ardından güvenlik açıklarını inceleyen bir Güvenlik Ajanı, ardından neyin ve neden inşa edildiğini yakalayan bir Dokümantasyon Ajanı ve ardından yayınlama sürecini yöneten bir Dağıtım Ajanı aracılığıyla ilerleyebilir.
Her sistemin belirli bir sorumluluğu vardır. Her sistem belirli bir soruna odaklanır. Birlikte, bir sohbet robotundan çok, tanımlanmış rolleri ve aralarında net teslimler olan bir mühendislik organizasyonu gibi davranırlar.
Bu nedenle en sofistike Claude Code kullanıcıları artık zamanlarının çoğunu bireysel istemler hazırlayarak geçirmiyor. Zamanlarını iş akışları tasarlayarak geçiriyorlar. İstem, daha büyük bir sistemdeki bir aşamaya giriştir. Sürekli olarak iyi sonuçlar üreten şey sistemin kendisidir.
Bellek Nihayetinde Model Yeteneğinden Daha Önemli Olabilir
Bu, çoğu insanın yeterince ciddiye almadığı ve önümüzdeki birkaç yıl içinde en çok önem taşıyacağını düşündüğüm değişimdir.
Modeller hızla gelişiyor ve mevcut en iyi modeller arasındaki fark daralıyor. Sınır modelleri arasındaki kıyaslamalar birbirine yaklaşıyor, uzaklaşmıyor. Tartışmaya hakim olan model savaşları, küçülen farklılıklar üzerinden yapılıyor.
Ancak bellek, küçülmeyen birleşik avantajlar yaratır. Büyürler.
Benzer ham zekaya sahip bir kıdemsiz mühendise kıyasla kıdemli bir mühendisi gerçekten değerli kılan şeyin ne olduğunu düşünün. Deneyim. Ve deneyim önemlidir çünkü deneyim bellek yaratır. Bellek, neyin işe yarayıp neyin yaramadığına dair sezgi yaratır. Sezgi, daha az enerjiyle daha hızlı alınan daha iyi kararlar yaratır. Bu daha iyi kararlar zamanla bir geçmiş kaydına ve hızla kopyalanamayacak bir muhakeme derinliğine dönüşür.
Bellek olmadan, her proje, daha önce ne olursa olsun sıfırdan başlar. Yapıldığına dair bir kayıt olmadığı için her hata tekrarlanır. Öğrenilen her ders, oturumun sonunda kaybolur. İyi çalışan her iş akışının, bir dahaki sefere ihtiyaç duyulduğunda yeniden inşa edilmesi gerekir. Bu, her projede görünmez bir şekilde biriken muazzam bir verimsizliktir.
Bu nedenle en ileri görüşlü AI sistemi kurucuları, bağlamı konuşmalar arasında taşıyan oturum kalıcılığına, kalıpları ve kararları getirilebilir bir biçimde yakalayan uzun vadeli belleğe, kendi üzerine inşa eden bilgi birikimine ve daha önce işe yarayanlara dayalı olarak sistemi iyileştiren iş akışı evrimine yoğun bir şekilde odaklanıyor.
Aslında gelen gelecek sadece daha akıllı modeller değil. Hatırlayan ve gelişen daha akıllı sistemler. Birleşik avantaj, bu sistemleri ilk kuranlara aittir.
Çoğu İnsanın Tamamen Görmezden Geldiği Gizli Katman
Gerçek avantajın nerede yaşadığını düşündüğümde sürekli geri döndüğüm gözlem şu.
Üç geliştirici bugün aynı Claude modelini kullanabilir. Biri, kodu manuel olarak yazmaktan marjinal olarak daha iyi olan ortalama sonuçlar alır. Biri, çıktılarını anlamlı bir şekilde hızlandıran mükemmel sonuçlar alır. Biri, modelin etrafında tam bir yazılım şirketi kurar ve birkaç yıl önce herhangi bir ekip büyüklüğüyle mümkün olmayacak şeyler üretir.
Bu üç sonuç arasındaki fark zeka değildir. Çaba bile değildir, en azından doğrudan değil. Altyapıdır.
Kazanan teknik yığın giderek, modelin en üstte görünür ve sürekli tartışılır olduğu ve altındaki her şeyin gerçek rekabet avantajının yaşadığı yer olduğu bir katman pastasına benziyor. Modelin altında bellek. Bunun altında iş akışı orkestrasyonu. Çıktıları kontrol eden değerlendirme sistemleri. Sınırları tanımlayan güvenlik kontrolleri. Tekrarlanan adımları ortadan kaldıran otomasyon. Her şeyi birbirine bağlayan yürütme hatları.
Çoğu insan sadece en üst katmana odaklanır. Modele odaklanırlar çünkü model doğrudan etkileşime girdikleri ve pazarlamanın vurguladığı şeydir.
En yüksek kaldıraç, en büyük avantajların şu anda inşa edildiği yer, görünür katmanın altındaki her şeyde mevcuttur.
Bu an bana neden bulut devrimini hatırlatıyor
Paralellik ciddiye alınmaya değer çünkü her ne kadar o anda her zaman isteğe bağlı görünse de, sonradan bakıldığında doğru çıkıyor.
Çoğu geliştirici bugün ajan tabanlı iş akışlarını ilginç bir deney veya zaman olduğunda keşfedilmeye değer bir üretkenlik artışı olarak görüyor. Bulut bilişim tam olarak 2008 ve 2009'da böyle görünüyordu. İnsanlar kendi sunucularını çalıştırabileceklerini düşünüyorlardı. Bulut altyapısı üzerine erken inşa eden geliştiriciler, aşırı mühendislik yapıyormuş gibi görünüyorlardı. Sonra bulut standart hale geldi ve bu geçişi yapmayanlar, düzeltilmesi pahalı şekillerde aniden geride kaldılar.
Aynı model, sürüm kontrolü, konteynerler, sürekli entegrasyon ve dağıtım ile ortaya çıktı. Her altyapı değişimi başlangıçta, deney yapacak zamanı olan insanlar için isteğe bağlı bir üretkenlik kesintisi gibi görünür. Ardından, onu erken benimseyen kuruluşlar için rekabet avantajı haline gelir. Ardından varsayılan çalışma şekli haline gelir ve diğer herkes yetişmeye çalışır.
Ajan tabanlı geliştirme aynı yörüngede ilerliyor. Bugün deneyseldir ve orantısız bir şekilde bu konuda heyecanlı olan azınlık bir geliştirici grubu tarafından uygulanmaktadır. Yarın, rekabetçi kalmak isteyen mühendislik organizasyonları tarafından beklenir hale gelecektir. Erken benimsemenin kalıcı bir avantaj yarattığı pencere şu anda açıktır ve süresiz olarak açık kalmayacaktır.
Geliştirici beceri seti belirli bir yönde evriliyor
Yazılım mühendisliği tarihinin çoğu boyunca başarı, uygulama yeteneği ile güçlü bir şekilde ilişkiliydi. Doğru kodu ne kadar hızlı yazabildiğiniz. Belirli dilleri ve çerçeveleri ne kadar derinlemesine anladığınız. Kaç algoritmayı hatırlayıp uygulayabildiğiniz. Bu beceriler çok önemliydi ve hala önemlidir.
Ancak önümüzdeki on yılın en yüksek kaldıraçlı geliştiricileri giderek farklı bir dizi yeteneğe odaklanacak.
AI ajanlarını karmaşık görevler boyunca, her aşamada doğru girdi ve çıktılarla doğru sırada sıralayan iş akışları tasarlamak. Modellerin bunalmadan iyi performans göstermek için ihtiyaç duydukları şeye sahip olmaları için bağlamı yönetmek. Kullanılmadan önce çıktıları doğrulayan değerlendirme sistemleri kurmak. Bilgi biriktiren ve zamanla gelişen bellek mimarileri oluşturmak. Her biri belirli sorunlara odaklanan uzmanlaşmış ajanları koordine etmek. Çıktı hacmi arttıkça kaliteyi koruyan doğrulama süreçleri tanımlamak. Güvenilir otomatik sistemler halinde birbirine bağlanan yürütme hatları yapılandırmak.
İş, bir şeyler inşa etmekten zekayı yönlendirmeye evriliyor. Kod yazmaktan, kod üreten sistemleri tasarlamaya. Uygulamadan orkestrasyona.
Bu, ustalığın neye benzediğinde önemli bir değişimdir. Bunu erken fark eden ve şimdi bu becerileri geliştirmeye başlayan geliştiriciler, mühendislik mükemmelliğinin eski tanımı için optimize etmeye devam edenlerden çok farklı bir konumda olacaklar.
Bunun nereye vardığı ve ne kadar uzakta olabileceği
Geliştiricinin AI ile ilişkisinin evrimi tanınabilir aşamalardan geçiyor gibi görünüyor.
İlk aşama, kodu organize eden ve görüntüleyen ancak yazılmasına katkıda bulunmayan araçlarla her şeyi manuel olarak üreten, bir düzenleyiciyle çalışan bir geliştiriciydi.
İkinci aşama, soruları yanıtlayan, talep üzerine kod üreten ve geliştirici birincil üretici olarak kalırken belirli görevleri hızlandıran bir AI asistanıyla çalışan bir geliştiricidir.
En gelişmiş uygulayıcıların bugün bulunduğu üçüncü aşama, geliştiricinin her çıktıyı doğrudan üretmek yerine yönlendirdiği ve gözden geçirdiği, iş akışının farklı bölümlerini ele alan birden çok uzmanlaşmış sistemle çalışan bir AI ekibine daha yakın bir şeydir.
Ufukta görünmeye başlayan dördüncü aşama, bir geliştiricinin bir AI işletim sistemiyle çalışmasıdır. Araştırma, planlama, uygulama, test etme, güvenlik, dokümantasyon ve dağıtımı entegre işlevler olarak ele alan, geliştiricinin yürütücü yerine mimar ve karar verici olarak çalıştığı eksiksiz bir altyapı.
Bugün çalışan geliştiricilerin çoğu ikinci ve üçüncü aşamalar arasında bir yerdedir. Üçüncü aşamaya doğru hareket hızlanıyor. Dördüncü aşama göründüğü kadar uzakta değil.
Gerçekten Dikkat Edilmeye Değer Şey
AI'daki tartışmaların çoğu şu anda model savaşlarına odaklanmış durumda. Claude'a karşı GPT. Açık kaynağa karşı tescilli. Gerçek dünya performansını yansıtabilen veya yansıtmayabilen değerlendirmelerdeki kıyaslama puanları.
Bu tartışmalar ilginç ve tamamen değersiz değil. Ancak, onları yapan insanların düşündüğünden çok daha az önemli olabilirler.
Daha büyük hikaye, yazılım geliştirmenin kendisinin ajan tabanlı hale gelmesidir. Yazılımın nasıl inşa edildiğinin yapısı temel bir düzeyde değişiyor, sadece marjda hızlanmıyor.
Bu dünyadaki kazananlar, mutlaka en akıllı bireysel modele erişimi olan geliştiriciler olmayacak. Bu modellerin etrafında en akıllı sistemleri kuran geliştiriciler olacaklar. Bağlam yönetiminin ham model yeteneğinden daha önemli olduğunu anlayanlar. Belleğin birleşik avantajlar yarattığını anlayanlar. İş akışı tasarımının gerçek kaldıracın yaşadığı yer olduğunu anlayanlar. Zekayı organize etmenin, kod üretmekten daha değerli bir beceri olduğunu anlayanlar.
Claude Code, sadece bir araç olarak değil, bir sinyal olarak da önemlidir. Zekanın ara sıra danışılan bir şey değil de programlanabilir altyapı haline geldiğinde yazılım mühendisliğinin nasıl göründüğüne dair en net erken bakışlardan biridir.
Bu değişim tamamen yerleştiğinde, soru artık AI'nın kod yazıp yazamayacağı değildir. Herkes zaten kod yazabildiğini biliyor.
Soru, eksiksiz yazılım geliştirme yaşam döngüsünün ne kadarının, onları nasıl inşa edeceğini ve çalıştıracağını anlayan geliştiriciler tarafından yönetilen iyi tasarlanmış AI sistemleri tarafından sahiplenilebileceği haline gelir.
Bu sorunun cevabı her ay büyüyor. Ve şu anda bu cevaba doğru inşa eden insanlar, sessizce biriken ve yeterince büyüdüğünde kapatılması çok zor hale gelen bir avantajla çalışıyorlar.
Bunun hâlâ en erken bölümlerindeyiz. Önümüzdeki iki veya üç yıl içinde alınan kararlar, ondan sonra uzun bir süre önemli olacak.
