Bret Taylor, hayatını koda adadı. Google Haritalar’ın mimarlığında parmağı var; Meta’da üst yönetimde görev yaptı, Salesforce’u yönetti. Kod yazmak onun için bir meslek değil, kimliğinin bir parçasıydı. Şimdi ise kendi kurduğu yapay zekâ şirketi Sierra’da herkesi yapay zekâyla kod yazmaya teşvik ediyor ve bunu yaparken dürüstçe şunu itiraf ediyor: Sevdiği zanaattan vazgeçmek kolay değil.
Cheeky Pint podcast’indeki açıklamasında Taylor, “Eskiden benim için çok önemli olan bu şeye çok fazla değer verirsem, gelecekte kendini gerçekleştirmiş bir yazılım mühendisi olamayacağımı hissediyorum” dedi. Bu cümle, teknoloji dünyasının en deneyimli isimlerinden birinin dilinden dökülmüş olsa da aslında binlerce yazılımcının sessizce yaşadığı bir gerilimi yüksek sesle dile getiriyor: Yapay zekâ, kodlamayı dönüştürüyor ve bu dönüşüme ayak uydurmak bazen kendinizden bir şeyler bırakmak anlamına geliyor.
Taylor’ın yapay zekâya verdiği destek ideolojik değil, pragmatik. Sierra’da geliştirdikleri ürünlerde yapay zekâ araçlarını tam kapasiteyle kullanıyor ve bu araçları “Demir Adam zırhı” olarak tanımlıyor; yani insanı daha güçlü kılan, ama insanın yerini almayan bir teknoloji katmanı. Ancak bu metaforun içinde de bir gerilim var: Demir Adam zırhını giyen Tony Stark, artık çıplak elle savaşmayı tercih etmez. Araç, alışkanlığı ve nihayetinde bağımlılığı beraberinde getiriyor.
Bu tartışmada Taylor yalnız değil. Anthropic’te geliştirici deneyiminden sorumlu Boris Cherny, Claude Code araçlarının kodlama sorununu “pratik olarak çözdüğünü” söylüyor. GitHub Copilot, Amazon CodeWhisperer ve benzeri araçların yaygınlaşmasıyla birlikte yazılım geliştirme sürecinin yapısı köklü biçimde değişiyor. Kod yazmak, artık giderek daha fazla kodu yönetmek, denetlemek ve yönlendirmek anlamına geliyor. Mühendis, üretici konumundan editör konumuna kayıyor.
Rakamlar bu dönüşümü somutlaştırıyor. GitHub’ın 2024 raporuna göre platformat üzerindeki geliştiricilerin yüzde elliden fazlası yapay zekâ destekli kod tamamlama araçlarını düzenli kullanıyor; bu araçları kullananların kod yazma hızı ortalama %55 artarken hata oranlarında da belirgin düşüş gözlemleniyor. McKinsey’nin aynı dönemde yayımladığı rapor ise yapay zekânın yazılım geliştirme süreçlerindeki verimliliği yüzde otuz ile yüzde kırk arasında artırdığını öngörüyor. Bu verimlilik artışı, sektörün işe alım dinamiklerini de yeniden şekillendiriyor: Daha az geliştiriciyle daha fazla iş yapılabileceği gerçeği, giriş seviyesi pozisyonlar üzerindeki baskıyı artırıyor.
Ama bu tablo yalnızca bir verimlilik hikâyesi değil; aynı zamanda bir kimlik ve zanaat hikâyesi. Yazılım mühendisliği, onlarca yıl boyunca saf entelektüel üretimin mesleki karşılığı olarak görüldü. Bir problemi analiz etmek, çözümü zihinsel olarak inşa etmek, onu kod satırlarına dökmek ve çalışırken görmek; bu sürecin kendisi, pek çok mühendis için derin bir tatmin kaynağıydı. Yapay zekâ bu sürecin büyük bölümünü devraldığında, geriye kalan iş farklı bir tatmin sunsA da eskisinin yerini tam dolduramıyor.
Bu durum, başka mesleklerin geçmişte yaşadığı dönüşümleri hatırlatıyor. Fotoğraf makinesi yaygınlaştığında ressamlar işsiz kalmadı; ama resim sanatının toplumsal işlevi ve ressamın kimliği köklü biçimde değişti. Kelime işlemciler yaygınlaştığında yazarlar hâlâ yazıyor, ama yazma pratiğinin dokusu dönüştü. Yapay zekâ da yazılımcıyı ortadan kaldırmıyor; ancak yazılımcı olmanın ne anlama geldiğini yeniden tanımlıyor.
Taylor’ın öngördüğü tablo bu yeniden tanımın nereye varabileceğini gösteriyor. Ona göre gelecekte yapay zekâ ajanları geleneksel uygulamaların ve kontrol panellerinin yerini tamamen alabilir. Kullanıcı, bir arayüzle değil, bir ajanla etkileşime girecek; ajan ise arka planda tüm yazılım katmanlarını dinamik olarak yönetecek. Bu senaryoda “uygulama geliştirmek” kavramı bugünkü anlamını yitirebilir; kod, son ürün olmaktan çıkıp ajanın kullandığı bir ara katmana dönüşebilir.
Bu dönüşümün en kritik etkisi, giriş seviyesindeki yazılımcılar üzerinde hissedilecek. Kıdemli mühendisler yapay zekâyı güçlü bir çarpan olarak kullanabilirken, kariyerinin başında olanlar için tablo daha belirsiz. Temel kodlama becerilerini geliştirme fırsatı, yapay zekânın bu görevleri devralmasıyla daralıyor. Bir mühendis, kodu kendisi yazarak öğrenir; hataları ayıklayarak, satır satır ilerleyerek. Bu süreç atlandığında derin anlayış nasıl inşa edilecek, sorusu yanıtsız kalıyor.
Öte yandan iyimser bir okuma da mümkün. Tarihin her döneminde, bir araç eski görevleri otomatize ettiğinde insanlar daha üst düzey sorunlara odaklanma fırsatı buldu. Yapay zekânın rutin kodlama görevlerini üstlenmesi, mühendislerin mimari kararlar, sistem tasarımı, kullanıcı deneyimi ve etik sorular gibi daha az otomatize edilebilir alanlara daha fazla enerji ayırmasına zemin hazırlayabilir. Bu, daha az kodlama değil, daha anlamlı kodlama anlamına gelebilir.
Bret Taylor’ın itirafı, bu ikilemle barışık olmadığını gösteriyor. Araçları kullanıyor, teşvik ediyor, şirketini bu yön üzerine kurdu. Ama “eskiden tüm hayatım olan” dediği şeyi bırakmanın kolay olmadığını da söylüyor. Bu çelişki, teknolojiyle değil insanla ilgili. Bir araç ne kadar güçlü olursa olsun, onu kullanan insanın o araçla kurduğu ilişki, kazandığı ve kaybettiği şeyler, hep insani bir mesele olmaya devam edecek.








