Uygulama güvenliği, yapay zeka ve makine öğrenimi, yeni nesil teknolojiler ve güvenli geliştirme
AI kodlama asistanları, deneyimli geliştiricileri engelleyebilir, yardım etmeyebilir
Rashmi Ramesh (Rashmiramesh_) •
15 Temmuz 2025
Yapay Zeka Kodlama Asistanları, yıllardır yazılım geliştirme için kaçınılmaz hızlandırıcı olarak lanse edildi, mühendisleri drudgery’den kurtarmayı ve kod yapma işini dönüştürmeyi vaat etti. Ancak kar amacı gütmeyen bir AI araştırma grubundan elde edilen bulgular, AI’nın geliştirici verimliliği üzerindeki gerçek etkisi hakkında ne kadar az yer aldığını gösteren bu varsayımlara meydan okuyor.
Ayrıca bakınız: Kimlik Koruma Stratejisi Oluşturma Kılavuzu
Kâr amacı gütmeyen MetR tarafından yapılan bir araştırma, AI kodlama araçlarının daha hızlı çalışma beklentilerine rağmen deneyimli geliştiricileri% 19 yavaşladığını buldu. Bazı ekipler kazançlar gördü, ancak araştırmacılar evrensel üretkenlik artışlarını, güvenilirliği ve iş akışı zorluklarını belirtmek için uyardı.
Randomize kontrollü bir çalışmada Metr, AI Tools’un verimlilik taleplerini yerine getirip getirmediğini test etmek için 16 deneyimli açık kaynaklı geliştiriciyi işe aldı. Katılımcılara düzenli olarak sürdürdükleri büyük, olgun kod tabanlarında 246 görev atandı. Görevlerin yaklaşık yarısı, Cursor Pro gibi gelişmiş AI kodlama araçlarının kullanılmasına izin verirken, geri kalanı geliştiricilerin yalnızca kendi uzmanlıklarına güvenmelerini gerektiriyordu.
İşe başlamadan önce, geliştiriciler AI’nın görev tamamlama sürelerini%24 oranında azaltacağını tahmin ettiler. Ancak çalışma bunun yerine tam tersi bir etki gösterdi. Metr araştırmacıları, “Şaşırtıcı bir şekilde, yapay zekanın tamamlanma süresini%19 artırdığını görüyoruz. AI araçlarını kullanırken geliştiriciler daha yavaş.” Dedi.
Bu yavaşlamanın arkasındaki önemli bir faktör AI tarafından üretilen kodun güvenilirliği gibi görünüyordu. Çalışma, insan programcılarının genellikle AI aracı tarafından üretilen kodu gözden geçirmek, test etmek ve nihayetinde yeniden yazmak için daha fazla zaman harcadıklarını söyledi. Bir katılımcı “en az bir saat önce boşa harcadığını söyledi [solve a specific issue] AI ile “tüm değişiklikleri döndürmeden ve işi manuel olarak tamamlamadan önce. Diğer çalışmalar, AI kodlama araçlarının güvenlik açıkları ve hatalar koda verebileceğini göstermiştir.
Bulgular, GitHub Copilot, İmleç ve benzeri AI asistanları gibi araçların tüm beceri seviyelerindeki geliştiriciler için açık bir kuvvet çarpanı olduğu anlatısını karmaşıklaştırmaktadır. Metr’ın çalışması, AI güdümlü kodlamanın, büyük, karmaşık kod tabanlarını genişletmek veya sürdürmek yerine, profesyonel yazılım dünyasının çoğunu işgal eden iş türü olan yeni sistemler inşa ederken daha fazla vaat gösterme eğiliminde olduğunu söyledi.
Araştırmacılar, hem küçük örneklem büyüklüğünü hem de AI araçlarının iyileşme hızını kabul ederek sonuçlarının genelleştirilmesinde dikkatli olmayı önerdiler. Kâr amacı gütmeyen kuruluş, AI kodlama araçlarının son yıllarda karmaşık, uzun-horizon görevlerini tamamlama yeteneklerini önemli ölçüde geliştirdiğini ve aynı sonuçların bundan bile aylar sonra gerçekleştirilmesini beklemeyeceğini buldu.
Diğer çalışmalar farklı sonuçlara ulaşmıştır. Büyük ölçekli deneyler, belirli ekipler ve kullanım durumları için ölçülebilir üretkenlik avantajları bulmuştur. Ancak Metr’ın denemesi, geliştirici aşinasına, görev karmaşıklığına ve araç olgunluğuna bağlı olarak sonuçlardaki değişkenliği göstermektedir.
Belirli AI araçlarıyla ilgili deneyim, başka bir karıştırıcı faktördü. Neredeyse tüm katılımcılar geçmişte iş akışlarına yardımcı olmak için web tabanlı dil modelleri kullanmış olsalar da, sadece% 56’sı denemede ana kodlama asistanı olan imleçle daha önce deneyime sahipti. Tüm geliştiriciler eğitim aldı, ancak öğrenme eğrisi görevleri tamamlamak için gereken zamanın artmasına katkıda bulunmuş olabilir.
ChatGPT’nin lansmanından bu yana, birçok endüstri figürü, mühendislerin basit İngilizce’de ne istediklerini tanımladığı ve kodun gerçekleşmesini izledikleri doğal dil programlamasına geçiş öngördü. Openai kurucu ortağı Andrej Karpathy 2023’ün başlarında “En sıcak yeni programlama dili İngilizce” dedi. Daha sonra, tüm yazılım bileşenlerini üretmek için bir AI aracı talimat vererek hızlı prototipleme olan “vibe kodlama” fikrini popülerleştirdi.
Bu vizyon, insan programcılarının yakında spesifikasyonları rafine etmek ve kalite kontrolünü denetlemek için – hatta alandan tamamen dışarı itilebilecekleri spekülasyonları körükledi. Ancak Metr’ın sonuçları, en azından şimdilik, AI kodlama araçlarının deneyimli geliştiricilerin çıktıyı doğrulamak ve düzeltmek için hala önemli çaba harcaması gerektiği kadar güvenilmez olduğunu göstermektedir.
Yazılım topluluğu, bu eğilimlerin nihayetinde ne anlama geleceği konusunda bölünmüştür. Bir AI geliştiricisi ve blog yazarı Simon Willison, son zamanlarda eskimiş korkularının aşırı şişirildiğini savundu. Bluesky’ye, “LLM’ler nedeniyle programlamayı şu anda bir kariyer olarak bırakmak, masa testeresinin icadı sayesinde marangozluğu bir kariyer olarak bırakmak gibi olacaktı.” Endüstri kıdemli Tom Coates, “traktörlerin icadı sayesinde tarımı bir kariyer olarak bırakmak ve bunun yerine biçerdöverleri birleştirmek gibi” ekledi.