Yapay zekâ destekli yazılım geliştirme

Çalışan kod, kabul edilebilir teslimat değildir

Bir değişiklik derlenebilir, testleri geçebilir ve yine de ekibin güvenle kabul edebileceği durumda olmayabilir. Özellikle iş kuralı, yetki, hata davranışı ve mevcut sistemle ilişki açık değilse inceleyen kişi önce kararları yeniden kurmak zorunda kalır.

Bu ayrım AI'a özgü değil. AI, taslak kod miktarını artırdığında eksik bağlamın maliyeti daha erken ve daha sık görünür hâle gelir.

Amaç

Kod üretilirkenBir isteği uygulama biçimine dönüştürmek.

Teslimat kabul edilirkenDoğru iş sonucunun, doğru sınırlar içinde korunduğunu göstermek.

Gerekli bağlam

Kod üretilirkenPrompt, mevcut dosyalar ve görünen görev tanımı.

Teslimat kabul edilirkenİş kuralları, bağımlılıklar, hata senaryoları ve canlıdaki işletim koşulları.

Kanıt

Kod üretilirkenÜretilen dosyalar ve ilk test sonucu.

Teslimat kabul edilirkenAçıklanmış kararlar, ilgili testler, gözden geçirilmiş riskler ve gerektiğinde geri dönüş yolu.

İlk yazı, inceleme isteğinin neden yalnızca bir kod paketi olmadığını anlatıyor. Yazarın kararlarını, varsayımlarını, testlerini ve belirsizliklerini açıklayabilmesi; inceleyen kişinin eksik işi baştan keşfetmesini önler.

İlgili yazı

Doğrulama yükünün nereye taşındığını inceleyen yazı

Yapay Zeka Kod Yazmayı Ucuzlattı, Doğrulamayı Değil

Kod üretimi artarken ekipteki anlama ve inceleme kapasitesinin neden ayrı yönetilmesi gerektiğini açıklıyor.

Yeni sekmede açılır

API değişikliklerinde bu gereksinim daha somutlaşır. Silme, tekrar deneme, kayıt sahipliği, yetki ve hata sözleşmesi kod yazılırken varsayıma bırakılırsa teknik tercih fark edilmeden işletme kararına dönüşür.

İlgili yazı

AI ile API geliştirirken kararları görünür tutan çalışma notu

Yapay Zekâ ile API Geliştirirken Kaliteyi Korumak

Başlangıç talimatı, bağımsız review ve teslimat kontrollerinde hangi REST kararlarının aranacağını gösteriyor.

Yeni sekmede açılır

Ertelenen işin hesabını yeniden yapmak

AI desteğiyle daha önce günler ayırmaya değmeyecek görünen bir temizlik yeniden mümkün hâle gelebilir. Bu, her eski sistemi hemen taşımak gerektiği anlamına gelmez. Önce bekleyen işin hangi maliyet yüzünden ertelendiğini ayırmak gerekir.

1. 01Bekleyen işin hedefi nedir: daha az hareketli parça, kapanacak bir bağımlılık, daha düşük risk veya görünür bir işletim yükü mü?
2. 02Kodun yazılması kadar inceleme, test, veri taşıma ve geri dönüş için ne kadar zaman gerekiyor?
3. 03Küçük bir kapsam denemesi hem yaygın durumu hem zor bir istisnayı sınayabilir mi?
4. 04Daha basit otomasyon, mevcut araç veya elde tamamlama aynı işi daha güvenli yapabilir mi?

PeşinTaksit alan notu, dört container'lı bir yapının tek Cloudflare Workers deployment'ına taşınmasını anlatıyor. Yaklaşık bir saat gözlenen süredir; AI'sız paralel karşılaştırma yapılmadığı için genellenebilir bir hız benchmark'ı değildir. Yazının daha dar kararı, proje için 3–5 gün ayırmayacağım bir temizliğin yapılabilir hâle gelmesidir.

İlgili yazı

Kapsamı açık bir saha notu

Normalde üşenip yapmayacağım işi AI ile bir saatte bitirdim

Küçük ve az kullanılan bir ürünün bakım yükü, altyapı sadeliği ve geri dönüş planı üzerinden değerlendiriliyor.

Yeni sekmede açılır

Daha geniş geçişlerde araç seçimi tek başına sonucu açıklamaz. Yazı; Asana, Airbnb ve Uber örneklerini kaynaklarının sınırlarıyla ele alıyor: Bir şirketin süresi veya maliyet tahmini başka ekip için vaat değildir. Değerli olan, kendi bekleyen işinizin eski tahminini doğrulama düzeniyle yeniden hesaplamaktır.

İlgili yazı

Geçiş maliyetini yeniden değerlendiren analiz

Yapay zekâ, ertelenen işleri yapılabilir kılıyor

Kapsam, insan incelemesi, deterministik araçlar ve geri dönüş sorumluluğunu aynı kararın parçası olarak ele alıyor.

Yeni sekmede açılır

Modelin çevresindeki teslimat düzeni

Bir modelin tek başına ürettiği yanıt ile gerçek bir işi tamamlayan sistem aynı şey değildir.

Görev ve sınır

Sistemin hangi işi yapacağı, neyi yapmayacağı ve ne zaman duracağı açık olmalıdır.

Bilgi ve yetki

Modelin gördüğü bağlam ve kullanabildiği araçlar, ihtiyaç kadar sınırlanmalıdır.

Sonuç kontrolü

Bir çıktının oluştuğunu ya da doğru sisteme yazıldığını mümkün olduğunda modelden bağımsız doğrulayın.

İstisna ve geri dönüş

Tekrar deneme çift işlem yaratmayacak şekilde tasarlanmalı; belirsizlikte iş insana dönmelidir.

Bu başlık, ilgili yazı yayımlandığında model, araçlar, durum takibi ve kontrol döngüsünün teslimat davranışını nasıl değiştirdiğini ayrıntılı olarak ele alacak.

İlgili yazı

AI harness'i açıklayan yazı

Nedir bu harness? En basit hâliyle AI harness anlatıyorum

Modelin yanıt üretmesinden gerçek bir işin tamamlanmasına giden çalışma düzenini ayırıyor.

Yeni sekmede açılır

Teslimat için kısa karar kaydı

Yeni bir AI destekli değişiklik veya geçişe başlamadan önce bu dört noktayı yazmak, hızın hangi riski sakladığını görünür kılar. Bu bir puanlama sistemi değil; ekipçe konuşulacak somut bir kayıt iskeletidir.

Beklenen değişiklik

Hangi iş sonucu, davranış veya bakım yükü değişecek?

Kabul kanıtı

Hangi test, gözlem veya insan incelemesi sonucun korunduğunu gösterecek?

Sahiplik ve sınır

Kararı kim açıklayacak, kim onaylayacak ve sistem nerede durup insana dönecek?

Geri dönüş

Sorun çıkarsa hangi veri, davranış veya deployment güvenle geri alınabilir?

Bu kayıtta bir cevap belirsiz kalıyorsa, önce o belirsizliği küçülten kapsamı seçin. Kod üretimini hızlandırmak, teslimatın hangi koşulda güvenli sayılacağını ekibin yerine belirlemez.