Yönetimde klasik bir söz vardır: Ölçtüğünüz şey önemlidir ve genellikle ölçtüğünüz şeyden daha fazlasını elde edersiniz. Yazılım mühendisleri, kod satırlarından başlayarak onlarca yıldır verimlilik metriklerini tartışıyor. Ancak yeni nesil yapay zeka kodlama ajanları her zamankinden daha fazla kod üretirken, yöneticilerinin neyi ölçmesi gerektiği daha az netleşiyor. Silikon Vadisi'ndeki geliştiriciler arasında devasa token bütçeleri -temelde bir geliştiricinin tüketmesine izin verilen yapay zeka işlem gücü miktarı- bir onur nişanı haline gelmiş durumda. Ancak bu, verimliliği düşünmenin çok tuhaf bir yolu.
GİRDİYE ODAKLANMAK YANLIŞ ANLAMA
Bir sürecin girdisini ölçmek, çıktısıyla daha çok ilgilendiğiniz varsayıldığında pek mantıklı görünmüyor. Yapay zeka benimsenmesini teşvik etmeye (veya token satmaya) çalışmıyorsanız, bu mantıklı olabilir; ancak verimliliği artırmaya çalışmıyorsanız değil. "Geliştirici verimliliği içgörüleri" alanında faaliyet gösteren yeni bir şirket sınıfından elde edilen kanıtlara bakalım. Bu şirketler, Claude Code, Cursor ve Codex gibi araçları kullanan geliştiricilerin, daha önce olduğundan çok daha fazla kabul edilen kod ürettiğini buluyor. Ancak mühendislerin bu kabul edilen kodu eskisinden çok daha sık revize etmek zorunda kaldıklarını da tespit ediyorlar, bu da artan verimlilik iddialarını baltalıyor.
METHEDİLEN KODUN GERÇEK DEĞERİ NE KADAR?
Waydev'in CEO'su ve kurucusu Alex Circei, bu dinamikleri izlemek için bir istihbarat katmanı oluşturuyor; firması 10.000'den fazla yazılım mühendisi istihdam eden 50 farklı müşteriyle çalışıyor. Mühendislik yöneticilerinin %80 ila %90 kod kabul oranı gördüğünü belirtiyor - yani geliştiricilerin onaylayıp sakladığı yapay zeka tarafından üretilen kodun payı. Ancak mühendislerin sonraki haftalarda bu kodu revize etmek zorunda kaldıkları "churn"ı (değiştirme ve silme döngüsü) gözden kaçırıyorlar, bu da üretilen kodun gerçek dünya kabul oranını %10 ila %30'a düşürüyor. Waydev, 2017'de geliştirici analitiği sağlamak için kurulmuştu ve yapay zeka kodlama araçlarının yükselişi, hızlı kodlama araçlarının yaygınlaşmasına çözüm bulmak için platformunu son altı ayda tamamen yeniden yapılandırmasına neden oldu. Şimdi şirket, yapay zeka ajanları tarafından üretilen meta verileri izleyen yeni araçlar yayınlıyor, kodlarının kalitesi ve maliyeti hakkında analizler sunarak mühendislik yöneticilerine hem yapay zeka benimsenmesi hem de etkinliği hakkında daha fazla içgörü sağlıyor. GitClear gibi şirketler de yapay zeka araçlarının üretkenliği artırdığını ancak aynı zamanda "düzenli yapay zeka kullanıcılarının, araçların sağladığı üretkenlik kazançlarının iki katından fazlasını aşan, yapay zeka kullanmayan emsallerine göre 9.4 kat daha yüksek kod değişim ortalaması" gösterdiğini raporluyor. Faros AI'nin verileri ise yüksek yapay zeka benimsenmesi altında kod değişiminin %861 arttığını gösteriyor. Bu veriler, geliştiricilerin kod incelemelerinin ve teknik borcun arttığını belirtirken, yeni araçların getirdiği özgürlükten keyif aldıkları gerçeğiyle de örtüşüyor.
