Yapay zeka destekli kodlama araçlarının yazılım geliştirme süreçlerini hızlandırması bekleniyordu. Geliştiriciler bu araçlarla yüzde 24 oranında daha hızlı çalışacaklarını öngördü. Ancak, gerçekleştirilen kontrollü bir deneyde sonuçlar tam tersini gösterdi: Geliştiriciler aslında yaklaşık yüzde 19 daha yavaşladı.

Bu çarpıcı sonuçlar, kâr amacı gütmeyen bir araştırma grubu olan Model Evaluation & Threat Research (METR) tarafından yürütülen ve Şubat-Haziran 2025 arasında gerçekleştirilen bir çalışmada ortaya kondu.

Geliştiricilerin algısı gerçekle uyuşmadı

Araştırmaya katılan 16 deneyimli geliştirici, yapay zekanın işlerini kolaylaştıracağına inanıyordu. Ancak çalışma sonunda geliştiricilerin, AI yardımıyla görevlerini yüzde 20 daha hızlı tamamladıklarını düşündüğü halde, gerçek veriler tam tersi yöndeydi. Yapay zeka araçları, tamamlanma süresini ortalama yüzde 19 oranında uzattı.

Çalışma nasıl gerçekleştirildi?

Katılımcı geliştiriciler, açık kaynaklı projelerde karşılaştıkları gerçek sorunları (örneğin hata düzeltmeleri ya da yeni özellik ekleme) tanımladı. Bu görevler rastgele şekilde iki gruba ayrıldı: birinde yapay zeka kullanımına izin verildi, diğerinde ise izin verilmedi.

Yapay zekaya izin verilen gruptaki geliştiriciler genellikle Claude 3.5/3.7 Sonnet ile Cursor Pro gibi araçları kullandı. Ancak bu araçlar beklendiği gibi verim artışı sağlamadı.

Yavaşlamanın olası nedenleri

Araştırmacılar, yapay zeka araçlarının neden yavaşlamaya yol açtığını beş ana başlıkta özetledi:

  • Aşırı İyimserlik: Geliştiriciler, AI araçlarından gerçekçi olmayan faydalar bekledi.

  • Deneyim Fazlalığı: Katılımcıların projelere yüksek aşinalığı vardı; AI yardımına fazla ihtiyaç duymadılar.

  • Karmaşık Kod Tabanı: AI, milyonlarca satırlık büyük projelerde etkili olamadı.

  • Düşük Güvenilirlik: Geliştiriciler, yapay zekanın sunduğu önerilerin yalnızca %44’ünü kabul etti. Geri kalan önerileri düzeltmek zaman kaybettirdi.

  • Bağlam Eksikliği: Yapay zeka araçları, çalıştıkları kod tabanının bağlamını tam olarak kavrayamadı.

Bunlara ek olarak, yapay zekanın cevap üretme süresindeki gecikmeler ve doğru bağlamı sağlayamama gibi teknik sınırlamalar da etkili olmuş olabilir.

Benzer sonuçlara ulaşan diğer araştırmalar

Bu bulgular, daha önce yapılmış bazı çalışmalarla da örtüşüyor. Örneğin:

  • Qodo adlı bir yapay zeka geliştirme ekibi, AI’nin önerdiği kodları kontrol etmenin ek iş yükü getirdiğini buldu.

  • Intel tarafından yapılan bir araştırma, AI destekli bilgisayarların kullanıcıları daha az üretken hale getirdiğini gösterdi.

  • Çin’deki bir enerji firmasında ise yapay zeka, bazı görevleri hızlandırsa da yeni iş yükleri oluşturarak toplamda işleri yavaşlattı.

  • Danimarka verilerine dayanan bir ekonomik analiz, üretken yapay zekanın ne iş gücü ne de maaşlar üzerinde anlamlı bir etkisi olduğunu ortaya koydu.

Zaman tasarrufu yerine deneysel testler

Kodlayıcılar, yapay zekayı bazı yönlerden faydalı bulabiliyor. Örneğin, düşük riskli senaryoları test etmek veya tekrarlayan görevleri otomatikleştirmek için AI kullanışlı olabilir. Ancak genel üretkenlik açısından bakıldığında, geliştiriciler AI çıktılarının doğruluğunu sürekli kontrol etmek zorunda kaldığı için zamandan tasarruf edemiyorlar.

Kısacası, yapay zeka araçları programlamayı zaman zaman daha “eğlenceli” hale getirse de, daha verimli hale getirmiyor.

Araştırmanın kapsamı sınırlı ancak önemli

Araştırmacılar — Joel Becker, Nate Rush, Beth Barnes ve David Rein — elde ettikleri bulguların geniş çaplı genellemelere dönüştürülmemesi gerektiği konusunda uyarıyor. Çalışma belirli araçlar, geliştiriciler ve kod yapıları çerçevesinde değerlendirilmelidir.

Ancak yine de şu önemli uyarıyı da ekliyorlar: “Gözlemlediğimiz yavaşlama, mevcut AI sistemlerinin tamamen faydasız olduğu anlamına gelmez. Özellikle daha az deneyimli geliştiriciler veya farklı proje türleri söz konusu olduğunda yapay zekadan verim alınabilir.”