Yapay Zekâ Kod Bakımı 2026’da Kalıcı mı? SWE-CI Testleri İspat Ediyor

Yapay zekâ kodlama ajantlarının yazılım sistemlerini uzun vadeli olarak bakmaya yetip yetemeyeceği, Cornell Üniversitesi ve SKYLENAGE-AI tarafından yapılan ilk kapsamlı testlerle ortaya kondu. Sonuçlar, teknolojinin sadece hızlı çözümler üretebildiğini, ancak kalıcı sürdürülebilirliği sağlayamadığını gösteriyor.

Yapay Zekâ Kod Bakımı: Hızlı Çözüm, Uzun Vadeli Sorun

SWE-CI projesi, 2026 yılında arXiv’de yayımlanan ve GitHub’da açık kaynaklı olarak paylaşılan ilk çalışmaydı. Bu test, yapay zekâ ajantlarının sürekli entegrasyon (CI) ortamlarında gerçek dünya kod tabanlarında hata düzeltme, yeni özellik ekleme ve teknik borçları azaltma yeteneklerini ölçtü. 12 farklı açık kaynaklı projede, GPT-4o, Claude 3.5 ve özel bir kod ajantı olan SkyAgent-1 test edildi. Sonuçlar şaşırtıcıydı: Ajantlar, 78’i geçmeyen basit hataları ortalama 14 dakikada düzeltiyordu. Ancak, 3 ay sonra yapılan incelemelerde, bu düzeltmelerin %63’ü yeni hatalara yol açmıştı.

Bu durumun nedeni, ajantların kodun "neden" böyle yazıldığını anlamadan, sadece "nasıl" düzeltileceğini öğrenmesiydi. Örneğin, bir fonksiyonun eski bir kütüphaneyle uyumsuzluğu varsa, ajant sadece kütüphaneyi güncellemeyi seçiyordu. Fakat bu, projenin diğer bileşenlerini çökertiyordu. İnsan geliştiriciler, bu tür bağımlılıkları yıllarca deneyimle anlar; ajantlar ise veriye dayalı tahminler yapar.

SWE-CI Testlerinde Kullanılan 5 Ana Metrik

SWE-CI testi, kod kalitesini ölçmek için beş kritik metrik kullandı: (1) Test kaplaması oranı, (2) Kod tekrar kullanım oranı (reusability), (3) Yorum yoğunluğu, (4) Commit geçmişine uyum, ve (5) Hata yenilenme oranı. Ajantlar, ilk iki metrikte iyi performans gösterdi — özellikle test kaplamasını %20 artırabildi. Ancak yorum yoğunluğu %45 azaldı, commit geçmişine uyum %68 düştü ve hata yenilenme oranı 3 ay içinde %63’e ulaştı. Bu veriler, ajantların "hızlı çözümler" ürettiğini, ancak "kalıcı yapılar" oluşturmadığını gösteriyor.

Yazılım Ekibinin Ajantlarla İşbirliği Modeli

En başarılı ekibler, ajantları "otomatik geliştirici" değil, "öncü asistan" olarak kullanıyor. Model şu: Ajantlar, CI/CD ajantları olarak basit hataları otomatik düzeltir, test senaryoları yazar ve kod önerileri sunar. İnsanlar ise mimari kararları, teknik borç önceliklerini ve uzun vadeli sürdürülebilirlik stratejilerini belirler. Bu işbirliği modeli, CI/CD ajantları ile devops otomasyonu süreçlerinde %40 daha az hata ve %30 daha hızlı deploy sağlıyor.

Kalıcı Bakım İçin İnsan Faktörü Kritik

GitHub’daki SWE-CI deposunda paylaşılan test verileri, ajantların kod tabanının "dokusunu" tamamen kavrayamadığını gösteriyor. Bir ajant, bir fonksiyonu optimize ettiğinde, o fonksiyonun 3 yıl önceki bir hata düzeltmesiyle bağlantısını bilemez. İnsanlar, kodun tarihsel bağlamını, ekibin karar verme tarzını ve projenin kültürünü hisseder. Ajantlar ise sadece commit geçmişini ve test sonuçlarını analiz eder.

Projede kullanılan 12 kod tabanından 7’si, ajantların ilk 3 düzeltmeden sonra "kod kalitesi endeksi"nde ciddi düşüş yaşadı. Bu endeks, kodun okunabilirliği, test kaplaması ve tekrar kullanım oranını ölçerdi. Bir ajant, bir dosyayı 20 satır kısaltarak "verimlilik" kazandırmıştı. Fakat bu, 15 farklı modüldeki bağımlılıkları bozdu ve 3 hafta sonra bir güvenlik açığı ortaya çıktı. İnsan ekibi, bu açığı 2 gün içinde kapatırken, ajant aynı hatayı 2 hafta sonra tekrar yapmıştı.

Yapay Zekânın Süreklilik Bilinci Eksikliği

Yapay zekânın en büyük zayıflığı, "süreklilik bilinci" eksikliği. İnsanlar, bir kodu 5 yıl sonra bile okuyup anlar. Ajantlar ise, bir hata düzeltmesi yaptıktan sonra, o düzeltmenin 6 ay sonra ne etki yaratacağını tahmin edemez. Bu, yazılımın yaşam döngüsünü anlamakla ilgilidir. Yazılım, sadece çalışır hale getirilmekle kalmaz; yıllarca bakıma, yeniden yapılandırmaya ve güvenlik güncellemelerine ihtiyaç duyar.

"Daha Az Kod" Yanılgısı: Kalite Mi, Kaos Mu?

Testlerdeki en dikkat çekici bulgu, ajantların "daha az kod yazmak" için çaba harcadıklarıydı. İnsanlar, kodu daha anlaşılır hale getirmek için yorum ekler, isimlendirme kurallarını korur, modülleri ayrıştırır. Ajantlar ise, kodu "sıkıştırır", değişken isimlerini kısaltır, yorumları kaldırır. Bu, kısa vadede performans artışı gibi görünse de, uzun vadede bakımı imkânsız hale getiriyor. 87% ajant düzeltmesi, 6 ay sonra okunabilirlik puanında %30+ düşüş yaşandı.

SKYLENAGE-AI ekibi, bu sonuçları "Yapay Zekâ Kod Bakımının İkilemi" olarak tanımladı: Ajantlar, hız ve ölçeklenebilirlik sağlıyor ama kalıcılık ve anlayışta başarısız oluyor. Bu, sadece teknik bir sorun değil, felsefi bir sorun. Yazılım, insanın düşüncesiyle doğar; onu sadece bir algoritma ile sürdüremezsin.

Bu araştırmalar, şirketlerin yapay zekâyı "otomatik geliştirici" olarak değil, "yardımcı asistan" olarak kullanmaları gerektiğini gösteriyor. Ajantlar, test yazma, basit hata düzeltme ve kod önerisi gibi tekrarlayan görevlerde değerli. Fakat, mimari kararlar, teknik borç yönetimi ve uzun vadeli sürdürülebilirlik için, insan geliştiricilerin kontrolünde kalması kaçınılmaz.

Gelecekte, yapay zekâ kod ajantları, insanlarla birlikte çalışacak şekilde tasarlanmalı. İnsan, karar verici, ajant ise uygulayıcı olmalı. Yoksa, yazılım dünyamız, hızla büyüyen ama çabuk çöken, kendi kendini yakan sistemlerle dolacak.

Yapay zekâ kodlama ajantları, yazılım bakımı konusunda umut verici bir başlangıç sunuyor. Ancak, kalıcı bir çözüm değil, geçici bir araç. Uzun vadeli sürdürülebilirlik, hâlâ insan zekâsının sahnesinde.