Linux Foundation’ın Red Hat sponsorluğunda gerçekleştirdiği araştırmaya göre üretken yapay zekâ, geliştiricilerin kod yazmaya ayırdığı süreyi ortalama yüzde 52 azaltıyor. Ancak açık kaynak projelerine gönderilen katkıların incelenmesi daha fazla emek gerektiriyor; proje sorumluları, yapay zekâ kaynaklı düşük kaliteli önerilerin denetim yükünü artırdığına dikkat çekiyor.
234 açık kaynak geliştiricisi ve proje sorumlusunun yanıtladığı anket, katılımcıların kendi deneyimlerine dayanıyor. Yüzde 52’lik süre azalması doğrudan ölçülmüş bir deney sonucu değil, geliştiricilerin değerlendirmesi. Bulgular, kod üretimindeki hızlanmayla bu kodların projelere uygunluğunu değerlendirme işi arasındaki farkı ortaya koyuyor.
Gönderilen önerilerin dörtte biri düşük kaliteli bulunuyor
Açık kaynak projelerinde bir değişikliğin ana projeye eklenmesi için gönderilen öneriye pull request (PR) deniyor. Proje ekibi, öneriyi kabul etmeden önce kodu ve testleri inceliyor. Bu nedenle daha fazla PR gelmesi, projeye aynı ölçüde yararlı kod eklendiği anlamına gelmiyor.
Ankete katılan proje sorumluları, gelen PR’ların ortalama yüzde 25’ini düşük kaliteli yapay zekâ katkısı olarak değerlendiriyor. Raporda bu tür katkılar için “AI slop” ifadesi kullanılıyor. Oran, yayımlanmış açık kaynak yazılımların dörtte birinin bozuk olduğu ya da yapay zekânın ürettiği her dört koddan birinin hatalı çıktığı anlamına gelmiyor; söz konusu olan inceleme için projelere gönderilen öneriler.
Büyük projelerde düşük kaliteli katkıların payı yüzde 31’e çıkıyor. Bu projelerdeki sorumluların yüzde 64’ü inceleme sürelerinin uzadığını bildiriyor. Raporda tükenmişlik de büyük projeler için başlıca endişeler arasında yer alıyor.
Kod yazma hızındaki artış tüm görevlere yansımıyor
Yapay zekâ kullanımıyla katkı sayısının arttığını belirten proje sorumlularının oranı yüzde 59. Büyük projelerde bu oran yüzde 69’a ulaşıyor. Katılımın kolaylaşması yeni geliştiricilerin katkı sunmasını sağlayabilirken, önerileri incelemek için gereken insan emeği aynı hızla artmıyor.
Zaman tasarrufu görevin niteliğine göre değişiyor. Katılımcılar, öneriler üzerine yürütülen tartışmalarda ortalama yüzde 19 tasarruf bildirmiş. Öte yandan, yüksek karmaşıklıktaki görevlerde katılımcıların yüzde 21’i yapay zekâ kullanırken daha fazla zaman harcadığını söylüyor. Bu nedenle kod yazma süresinde bildirilen yüzde 52’lik düşüşü yazılım geliştirme sürecinin tamamına genellemek mümkün değil.
Katılımcıların yüzde 66’sı kazandığı zamanı birikmiş teknik sorunları gidermeye, yüzde 63’ü yeni özellikler geliştirmeye, yüzde 58’i ise öğrenmeye ve becerilerini ilerletmeye ayırdığını belirtiyor. Bu yanıtlar birbirini dışlamıyor; geliştiriciler zamanlarını birden fazla alanda kullanabiliyor.
Yapay zekâ kullanım kuralları projelerde net değil
Araştırmaya göre projelerin yüzde 35’inde yapay zekâ kullanımına izin veren resmi bir politika bulunuyor. Yüzde 32’sinde ise böyle bir politika olmadığı gibi hazırlanması da planlanmıyor. Yapay zekâ günlük iş akışında yer edinirken kullanım koşulları her projede aynı ölçüde belirlenmiş değil.
Katılımcıların yüzde 61’i, yapay zekâyla oluşturduğu kodu göndermeden önce ayrıntılı biçimde incelediğini ve işlev testlerini tamamladığını bildiriyor. Bununla birlikte, yapay zekâ desteğinin nasıl açıklanacağı konusunda ortak bir uygulama bulunmuyor. Linux Foundation; desteğin nasıl bildirileceğinin, kodun hangi testlerden geçirilmesi gerektiğinin ve katkıda bulunanlardan ne beklendiğinin yazılı kurallarla belirlenmesini öneriyor.
Raporun öne çıkardığı konu yalnızca kodun daha hızlı üretilmesi değil. Bir geliştiricinin kazandığı zaman, başka bir kişinin inceleme kuyruğunda daha uzun süre çalışmasına yol açabiliyor. Yapay zekâ desteğiyle hazırlanan kodu anlamak, sınamak ve sahiplenmek, katkıyı gönderen kişinin sorumluluğu olmaya devam ediyor.
