AI kodlama araçları kod yazma ve hata ayıklama hızını artırırken, bazı geliştiriciler sorunları kendi başlarına çözerek elde ettikleri başarı hissinin ve öğrenme fırsatlarının azaldığını söylüyor.
CNBC, 20'sinde yayımladığı röportajda geliştiricilerin 'işten aldıkları keyfi' kaybettiklerine dair tepkileri aktardı. Verimlilik artışına rağmen sorunu anlama ve çözme sürecinin kısaldığı belirtiliyor.
İngiliz yazılım geliştiricisi Gemma Rodgers, AI'ın sorun çözme sürecini birkaç isteme indirgediğini belirterek “Tam bir öğün yerine yalnızca mutluluk kırıntıları kaldı” dedi. Hataları izleyip nedenini bulmaya ayrılan süre kısalınca sonuçlar hızlandı ancak başarı hissi zayıfladı.
Stack Overflow'un 2026 Geliştirici Anketi'ne 169 ülkeden 39.003 kişi katıldı. AI kodlama yardımcıları ve kodlama ajanlarının kullanım oranı yüzde 65,9, genel amaçlı AI sohbet araçlarının kullanım oranı yüzde 62,5 oldu.
AI kodlama yardımcılarını kullananların yüzde 73'ü bu araçları her gün kullandı. AI'ı her gün kullanan katılımcıların yüzde 31'i günde 4 saatten fazla kullanım bildirdi.
AI tarafından üretilen sonuçları kolayca doğrulayabildiğinde güvendiğini söyleyenlerin oranı yüzde 48 oldu. Önemli iş kararlarında AI'ya güvendiğini belirtenler ise yüzde 6,6'da kaldı.
James Broadhead, Taktile baş teknoloji sorumlusu (CTO), “Geçmişte üç hafta süren prototipleri AI ile bir öğleden sonra 10 prototipe kadar üretebiliyoruz” dedi. Üretilen sonuçların tamamını okumak zorlaştığı için hangi sonuçların korunacağına karar verme becerisinin önem kazandığını anlattı.
Joshua Wöhle, Mindstone CEO'su, AI kullanımına bağlı olarak geçmişteki '10X mühendis' farkının '100X mühendis' farkına dönüşebileceğini söyledi. Bunun, şirketlerin çalışanların AI'ya uyumunu desteklemekle AI'ı zaten iyi kullanan kişilere öncelik vermek arasında seçim yapmak zorunda kalabileceği anlamına geldiğini belirtti.
Chris Sees, Hoxton Mix CEO'su ve 20 yılı aşkın deneyime sahip yazılım mühendisi, AI'ı “denetlenmesi gereken bir junior mühendis”e benzetti. AI tekrar eden işleri üstlendiğinde geliştiricilerin daha ilginç sorunlara zaman ayırabileceğini, ancak sonuçları doğrulamak ve hataları bulmak için insan muhakemesinin gerekli olduğunu söyledi.
Sees, tekrarlayan kodlama ve hata ayıklamanın geliştiricilerin hata yaparak sistem mimarisini anlamasını sağlayan bir eğitim olduğunu belirtti. Bu süreç otomatikleştirilirse geliştiriciler sonuçları daha hızlı üretebilir ancak sorunları yorumlama ve düzeltme deneyimleri azalabilir.
Shen ve Tamkin'in Ocak 2026'da yayımlanan araştırması bu endişeyi sınırlı deney koşullarında inceledi. Araştırmacılar 52 kişinin yeni bir Python kütüphanesini öğrenme sürecini karşılaştırdı. AI kullanan grubun değerlendirme puanı kullanmayan gruptan yüzde 17 daha düşük çıktı; görev tamamlama süresi ise istatistiksel olarak anlamlı biçimde hızlanmadı. Çalışmanın örneklemi küçük ve araştırma belirli bir kütüphaneyi ele alan bir ön baskı (preprint) niteliğinde.
Adaptavist'in geliştirici araştırmasında Birleşik Krallık, ABD, Hollanda, İspanya ve Almanya'dan 1.000 geliştiricinin yüzde 63'ü AI nedeniyle elle kod yazarak öğrendikleri miktarın azaldığını söyledi. Yüzde 70'i junior geliştiricilerin otomasyona aşırı bağımlı hale gelmesinden endişe etti.
Buna karşılık Stack Overflow araştırmasında tüm katılımcıların yüzde 62'si işlerinde AI kullanımına olumlu baktığını belirtti. Geliştiriciler verimlilik artışı beklerken doğruluk, kaynak ve doğrulanabilirliği güvenin koşulları olarak sıraladı.
Bu araştırma ve anketler belirli koşul ve grupları kapsadığı için sonuçları yerel geliştiricilerin tamamına doğrudan uygulamak mümkün değil. Ancak AI kullanımının yaygınlaştığı ortamda, bunun beceri gelişimine etkisini ayrıca incelemek gerektiğini gösteriyor.
AI kodlama araçlarının yaygınlaşması, yalnızca verimlilik göstergeleriyle ölçülemeyecek değişiklikler yaratıyor. Üretilen kodun incelenmesi için süreçlerin ve junior geliştiricilerin sorunları doğrudan çözme fırsatlarının birlikte nasıl tasarlanacağı gündemdeki görevler arasında yer alıyor.
Comment 0