Yapay zeka araçları sayesinde yazılımcılar birkaç saniye içinde kod üretebiliyor. Ancak bu kodların projelere gerçekten katkı sağlayıp sağlamadığını denetlemek çoğunlukla insan gücüne dayanıyor. Linux Foundation tarafından hazırlanan yeni bir araştırma, açık kaynak dünyasında bu iki alan arasındaki dengesizliğin giderek belirginleştiğini ortaya koyuyor.
Red Hat sponsorluğunda hayata geçirilen araştırma, 234 açık kaynak geliştiricisi ile proje sorumlusunun katıldığı anket verilerine dayanıyor. Katılımcılar, üretken yapay zeka kullandıklarında kod yazmaya ayırdıkları sürenin ortalama yüzde 52 oranında azaldığını belirtiyor. Bu oran, doğrudan süre tutularak yapılan bir deneyden ziyade geliştiricilerin kendi deneyimlerine dayanıyor.
Açık kaynak projelerinde geliştiricilerin hazırladığı değişiklikleri ana projeye ekletmek için gönderdiği önerilere pull request, yani kısaca PR deniyor. Projeyi sürdüren ekipler, bu değişiklikleri kabul etmeden önce kodları ve testleri detaylı bir şekilde inceliyor. Dolayısıyla daha fazla öneri gelmesi, otomatik olarak daha fazla yararlı kod üretildiği anlamına gelmiyor.
Ankete katılan proje sorumlularının tahminlerine göre, gelen PR önerilerinin ortalama yüzde 25'i düşük kaliteli yapay zeka katkılarından oluşuyor. Raporda bu tür içerikler için AI slop ifadesi tercih ediliyor. Bu durum yayımlanan açık kaynak yazılımların dörtte birinin bozuk olduğu veya yapay zekanın yazdığı her dört koddan birinin hatalı çıktığı anlamına gelmiyor; değerlendirilen içerik yalnızca projelere inceleme için gönderilen katkıları kapsıyor.
Büyük ölçekli projelerde bu oran yüzde 31 seviyesine çıkıyor. Aynı gruptaki proje sorumlularının yüzde 64'ü kod inceleme sürelerinin uzadığını bildiriyor. Büyük projelerde tükenmişliğin başlıca endişe kaynağı haline gelmesi, sorunun yalnızca kod kalitesiyle sınırlı kalmadığını açıkça gösteriyor.
Yapay zeka kullanımıyla birlikte katkı sayısının arttığını belirten proje sorumlularının oranı yüzde 59 olarak ölçülürken, büyük projelerde bu oran yüzde 69'a ulaşıyor. Katılımın kolaylaşması yeni geliştiricilere kapı aralasa da, gelen işlerin denetlenmesi için gereken insan emeği aynı oranda artmıyor.
Hızlanma süreci her görevde aynı düzeyde gerçekleşmiyor. Katılımcılar, önerilerin tartışılması aşamasında ortalama yüzde 19 zaman tasarrufu sağladıklarını bildiriyor. Yüksek karmaşıklığa sahip görevlerde ise geliştiricilerin yüzde 21'i yapay zeka kullanırken daha fazla zaman harcadığını ifade ediyor. Bu nedenle kod yazma süresindeki yüzde 52'lik azalmayı yazılım geliştirme sürecinin tamamına genellemek doğru olmuyor.
Kazanılan zamanın nereye harcandığına dair verilen yanıtlar da dikkat çekiyor. Katılımcıların yüzde 66'sı bu süreyi geçmişten kalan teknik sorunları gidermeye, yüzde 63'ü yeni özellikler geliştirmeye, yüzde 58'i ise öğrenmeye ve becerilerini ilerletmeye ayırdığını belirtiyor.
Araştırmaya göre projelerin yalnızca yüzde 35'inde yapay zeka kullanımına izin veren resmi bir politika bulunuyor. Yüzde 32'sinde ise ne böyle bir politika var ne de yakın zamanda hazırlanması planlanıyor. Teknoloji günlük iş akışlarına hızla dahil olurken, kullanım kuralları aynı hizada netleşmiş değil.
Katkıda bulunanların yüzde 61'i, yapay zekayla oluşturdukları kodları göndermeden önce ayrıntılı inceleme ve tam işlev testi yaptıklarını aktarıyor. Ancak yapay zeka desteğinin açıklanmasında ortak bir uygulama henüz mevcut değil. Linux Foundation, projelerin bu desteğin nasıl bildirileceğini ve kodun hangi testlerden geçirileceğini yazılı hale getirmesini tavsiye ediyor.
Raporun işaret ettiği temel mesele yalnızca daha hızlı kod üretmekle sınırlı kalmıyor. Bir geliştiricinin kazandığı zaman, başka birinin inceleme kuyruğunda daha uzun saatler geçirmesine neden oluyorsa, projenin toplam kazancını da buna göre değerlendirmek gerekiyor. Yapay zekanın yazdığı kodları anlamak, sınamak ve sahiplenmek, katkıyı sunan kişinin temel sorumlulukları arasında yer almaya devam ediyor.
