Yapay zeka daha çok kod yazıyor, ama yazılım daha hızlı çıkmıyor
Yapay zeka kodlama ajanları üzerine bugüne kadar okuduğum en ilginç verilerden biri bu oldu: daha fazla kod, otomatik olarak daha fazla yazılım demek değil.
Harvard'dan Fiona Chen ve James Stratton'ın çalışması, 2021'den Mart 2026'ya kadar 700'den fazla yazılım şirketinde 700 binin üzerinde çalışana ait verileri ve 300 milyon iş olayını incelemiş. Kodlama ajanları devreye girdikten sonra toplam kod satırı ortalama yüzde 30, commit sayısı yüzde 20, pull request sayısı yüzde 23 artmış.
Ama asıl soru şu: iş bitiyor mu? Jira gibi araçlarda takip edilen hata, görev ve özelliklerin tamamlanma oranında istatistiksel olarak anlamlı bir değişiklik görülmemiş.
Darboğaz kod incelemede. Bir pull request'in gönderilmesinden ana kod tabanına alınmasına kadar geçen süre yüzde 49 uzamış. Değişiklik istenen pull request oranı neredeyse iki katına çıkmış, pull request başına yorum sayısı yüzde 35 artmış, kod inceleyen çalışanların oranı da yüzde 14 yükselmiş. Yani yazma tarafında kazanılan hızın önemli bir kısmı inceleme ve düzeltmede geri harcanıyor.
Şirketler bunu da yapay zekayla çözmeye çalışıyor: Mart 2026 itibarıyla incelenen şirketlerin yüzde 80'i bir tür yapay zeka kod inceleme aracı kullanıyormuş. Yine de inceleme yorumlarının sadece yüzde 23,3'ü ajanlardan geliyor ve ajanlar pull request'lerin yalnızca yüzde 10,8'ine katkı veriyor; işin büyük kısmı hâlâ insanlarda. Aktif çalışan sayısında da, en azından incelenen dönemde, anlamlı bir değişiklik bulunmamış.
Verilerin Mart 2026'da bittiğini, araçların o tarihten beri geliştiğini de not etmek lazım. Ama benim çıkardığım ders net: verimlilik için sadece kod yazma süresini değil, inceleme, hata düzeltme ve entegrasyonu da hızlandırmak gerekiyor.
Ars Technica'daki haber: https://arstechnica.com/ai/2026/10/ai-coding-agents-generate-more-cod…
Çalışmanın PDF'i: https://fion.ac/jellyfish.pdf
Kaynak: DonanımHaber
Harvard'dan Fiona Chen ve James Stratton'ın çalışması, 2021'den Mart 2026'ya kadar 700'den fazla yazılım şirketinde 700 binin üzerinde çalışana ait verileri ve 300 milyon iş olayını incelemiş. Kodlama ajanları devreye girdikten sonra toplam kod satırı ortalama yüzde 30, commit sayısı yüzde 20, pull request sayısı yüzde 23 artmış.
Ama asıl soru şu: iş bitiyor mu? Jira gibi araçlarda takip edilen hata, görev ve özelliklerin tamamlanma oranında istatistiksel olarak anlamlı bir değişiklik görülmemiş.
Darboğaz kod incelemede. Bir pull request'in gönderilmesinden ana kod tabanına alınmasına kadar geçen süre yüzde 49 uzamış. Değişiklik istenen pull request oranı neredeyse iki katına çıkmış, pull request başına yorum sayısı yüzde 35 artmış, kod inceleyen çalışanların oranı da yüzde 14 yükselmiş. Yani yazma tarafında kazanılan hızın önemli bir kısmı inceleme ve düzeltmede geri harcanıyor.
Şirketler bunu da yapay zekayla çözmeye çalışıyor: Mart 2026 itibarıyla incelenen şirketlerin yüzde 80'i bir tür yapay zeka kod inceleme aracı kullanıyormuş. Yine de inceleme yorumlarının sadece yüzde 23,3'ü ajanlardan geliyor ve ajanlar pull request'lerin yalnızca yüzde 10,8'ine katkı veriyor; işin büyük kısmı hâlâ insanlarda. Aktif çalışan sayısında da, en azından incelenen dönemde, anlamlı bir değişiklik bulunmamış.
Verilerin Mart 2026'da bittiğini, araçların o tarihten beri geliştiğini de not etmek lazım. Ama benim çıkardığım ders net: verimlilik için sadece kod yazma süresini değil, inceleme, hata düzeltme ve entegrasyonu da hızlandırmak gerekiyor.
Ars Technica'daki haber: https://arstechnica.com/ai/2026/10/ai-coding-agents-generate-more-cod…
Çalışmanın PDF'i: https://fion.ac/jellyfish.pdf
Kaynak: DonanımHaber