Yapay zeka birkaç saniyede kod üretebiliyor. Ancak o kodun bir projeye gerçekten katkı sağlayıp sağlamadığını anlamak, çoğu zaman bir insanın işi. Linux Foundation’ın yeni araştırması, açık kaynak dünyasında bu iki iş arasındaki farkın giderek belirginleştiğini gösteriyor: Kod yazanlar zaman kazanırken, gelen değişiklikleri denetleyen ekiplerin yükü artıyor.
Red Hat sponsorluğunda hazırlanan araştırma, 234 açık kaynak geliştiricisi ve proje sorumlusunun katıldığı bir ankete dayalı. Katılımcılar, üretken yapay zeka kullandıklarında kod yazmaya ayırdıkları sürenin ortalama yüzde 52 azaldığını tahmin ediyor. Bu, doğrudan süre tutularak elde edilmiş bir deney sonucu değil; geliştiricilerin kendi deneyimlerine ilişkin değerlendirmesi.
Her dört değişiklik önerisinden biri düşük kaliteli
Açık kaynak projelerinde bir geliştiricinin hazırladığı değişikliği ana projeye ekletmek için gönderdiği öneriye pull request, kısaca PR deniyor. Projeyi sürdüren ekip, bu değişikliği kabul etmeden önce kodu ve testleri inceliyor. Dolayısıyla daha fazla öneri gelmesi, otomatik olarak daha fazla yararlı kod anlamına gelmiyor.
Ankete katılan proje sorumlularının tahminine göre, gelen PR’ların ortalama yüzde 25’i düşük kaliteli yapay zeka katkılarından oluşuyor. Raporda bu tür içerikler için “AI slop” ifadesi kullanılmış. Buradaki oran, yayımlanan açık kaynak yazılımların dörtte birinin bozuk olduğu ya da yapay zekanın yazdığı her dört koddan birinin hatalı çıktığı demek değil. Değerlendirilen şey, projelere inceleme için gönderilen katkılar.
Büyük projelerde bu pay yüzde 31’e yükseliyor. Aynı gruptaki proje sorumlularının yüzde 64’ü inceleme sürelerinin uzadığını bildiriyor. Bu projelerde tükenmişliğin başlıca endişe haline gelmesi de sorunun yalnızca kod kalitesiyle sınırlı kalmadığını gösteren önemli bir detay.
Hız kazancı, işin zorluğuna göre değişiyor
Yapay zeka kullanımıyla birlikte katkı sayısının arttığını söyleyen proje sorumlularının oranı yüzde 59. Büyük projelerde ise oran yüzde 69’a ulaşıyor. Katılımın kolaylaşması yeni geliştiricilere kapı açıyor olsa da, gelen işlerin kontrolü için gereken insan emeği aynı hızla çoğalmıyor.
Üstelik hızlanma her görevde aynı düzeyde değil. Katılımcılar, önerilerin tartışılmasında ortalama yüzde 19 zaman tasarrufu bildirmiş durumda. Yüksek karmaşıklığa sahip görevlerde ise yüzde 21’lik bir kesim, yapay zeka kullanırken daha fazla zaman harcadığını söylüyor. Bu nedenle kod yazma süresindeki yüzde 52’lik azalmayı bütün yazılım geliştirme sürecine uygulamak doğru olmaz.
Kazanılan zamanın nereye gittiğine verilen yanıtlar da dikkat çekici. Katılımcıların yüzde 66’sı bu zamanı geçmişten biriken teknik sorunları gidermeye, yüzde 63’ü yeni özellik geliştirmeye, yüzde 58’i ise öğrenmeye ve becerilerini ilerletmeye ayırdığını belirtiyor. Bu seçenekler birbirini dışlamıyor; aynı geliştirici kazandığı zamanı birden fazla iş için kullanabiliyor.
Denetimin sorumluluğu kodu gönderende de olmalı
Araştırmaya göre projelerin yalnızca yüzde 35’inde yapay zeka kullanımına izin veren resmi bir politika söz konusu. Yüzde 32’sinde ise ne böyle bir politika var ne de hazırlanması planlanıyor. Teknoloji günlük iş akışına girmiş olsa da kullanım kuralları aynı ölçüde netleşmiş değil.
Katkıda bulunanların yüzde 61’i, yapay zekayla oluşturdukları kodu göndermeden önce ayrıntılı inceleme ve tam işlev testi yaptığını bildiriyor. Ancak yapay zeka desteğinin açıklanmasında ortak bir uygulama yok. Linux Foundation, projelerin bu desteğin nasıl bildirileceğini, kodun hangi testlerden geçirileceğini ve katkıda bulunan kişiden neler beklendiğini yazılı hale getirmesini öneriyor.
Raporun işaret ettiği mesele, yalnızca daha hızlı kod üretmek değil. Bir geliştiricinin kazandığı zaman, başka birinin inceleme kuyruğunda daha uzun saatler geçirmesine yol açıyorsa, projenin toplam kazancını da buna göre hesaplamak gerekli. Yapay zekanın yazdığı kodu anlamak, sınamak ve sahiplenmek, katkıyı gönderen kişinin sorumluluğunun parçası olmaya devam ediyor.
