İçeriği Bildir

Bildiriminiz yönetici tarafından incelenir.

Arama Yap
Yapay Zeka

Yapay Zeka Kodlarının Yüzde 35'i Tam Anlaşılmadan Kullanılıyor

Yapay zekanın yazdığı kodların yüzde 35'i tam anlaşılmadan kullanıma alınıyor. Araştırmalar, yazılımcıların hata ayıklamaya daha fazla zaman harcadığını gösteriyor.

Yapay Zeka Kodlarının Yüzde 35'i Tam Anlaşılmadan Kullanılıyor
Google'da Kaynak Ekle

Yazılımcılar artık kod yazmaktan çok yapay zekanın ürettiklerini kontrol ediyor. Yeni araştırmalar, bu değişimin yazılım güvenliği ve hata ayıklama süreçlerinde ciddi sorunlar yarattığını gösteriyor.

Yapay zeka araçları birkaç dakika içinde yüzlerce satır kod üretebiliyor. Ancak yazılımcıların bu kodları aynı hızda incelemesi pek mümkün değil. Hatta bazı durumlarda geliştiriciler, çalışan bir yazılımın arka planda tam olarak ne yaptığını açıklamakta zorlanıyor.

Yazılım hata ayıklama şirketi Undo'nun Eylül 2026'da yayımladığı araştırma, sorunun boyutunu ortaya koydu. Araştırmaya katılan mühendislik yöneticilerinin verdiği bilgilere göre yapay zeka tarafından üretilen kodların ortalama yüzde 35'i, geliştiriciler tarafından tam olarak anlaşılmadan canlı sistemlere aktarılıyor.

Araştırma, ABD ve İngiltere'de faaliyet gösteren büyük şirketlerdeki 300 üst düzey mühendislik yöneticisiyle gerçekleştirildi. Katılımcıların yüzde 93'ü C veya C++ kullanılan sistemlerle çalışıyor. Dolayısıyla sonuçlar bütün yazılım sektörünü değil, ağırlıklı olarak karmaşık ve kritik yazılımlar geliştiren kuruluşları yansıtıyor.

Yazılımcılar Kod Yazmaktan Çok Hata Düzeltmeye Zaman Harcıyor

Undo'nun araştırmasında yazılım ekiplerinin haftalık çalışma süreleri de incelendi. Ortaya çıkan tabloya göre geliştiriciler haftada ortalama 9,8 saat kod üretirken, 16,9 saatlerini hata ayıklamaya harcıyor.

Başka bir ifadeyle, çalışma haftasının yaklaşık yüzde 42'si yazılımdaki sorunları bulmak ve düzeltmekle geçiyor.

Yapay zeka araçları kod üretimini hızlandırmasına rağmen bu avantaj her zaman yazılımın daha erken tamamlanmasını sağlamıyor. Araştırmaya katılan yöneticilerin yüzde 79'u, ekiplerinin daha hızlı kod üretebildiğini ancak yazılım yayımlama süreçlerinin eskisinden daha hızlı ilerlemediğini belirtiyor.

Sorunun bir bölümü, yapay zekanın oluşturduğu kodların sonradan incelenmesi sırasında ortaya çıkıyor. Katılımcıların yüzde 94'ü, son altı ayda en az bir kez yapay zeka tarafından yazılan kodu çözümlemeye çalışırken verimlilik kaybı yaşandığını bildiriyor. Yüzde 29'u ise bu durumla ayda birkaç kez karşılaştıklarını söylüyor.

Üstelik hata her zaman kodun çalışmaması şeklinde görülmüyor. Bir program beklenen çıktıyı verebilir ancak belirli koşullar altında yanlış sonuç üretebilir. Özellikle birbirine bağlı çok sayıda bileşenden oluşan büyük yazılımlarda, sorunun hangi işlemden kaynaklandığını bulmak günler sürebiliyor.

Undo'nun verilerine göre yöneticilerin yüzde 55'i, yapay zeka ajanlarının hatalı kod üretmesi nedeniyle ekiplerin yeniden çalışma yapmak zorunda kaldığını belirtiyor.

Temmuz 2026'da yazılım test şirketi Checksum tarafından yayımlanan başka bir araştırma da benzer bir soruna işaret ediyor. 105 mühendislik yöneticisinin katıldığı çalışmada, katılımcıların yüzde 64,8'i yapay zeka kodlarının insan tarafından yazılan kodlardan daha fazla inceleme gerektirdiğini söylüyor. Yüzde 74,3'ü ise otomatik testlerden geçmesine rağmen hatalı çalışan yapay zeka kodlarını geri almak zorunda kaldıklarını bildiriyor.

Her iki çalışma da yazılım denetimi alanında ürün geliştiren şirketler tarafından yayımlandığı için bulguların anket sonuçları olduğu ve bağımsız olarak ölçülmüş sektör geneli hata oranlarını temsil etmediği unutulmamalı.

OpenAI Mühendislerinin Bile Açıklamakta Zorlandığı Kodlar Var

Kodun anlaşılabilirliği meselesi, yapay zeka sistemlerinin çalıştırıldığı grafik işlemcilerinde de gündeme geliyor.

Çip optimizasyon yazılımları geliştiren Infinity'nin kurucusu Jeremy Nixon, yapay zekanın bazı durumlarda mühendislerin tam olarak anlayamadığı CUDA kodları üretebildiğini söylüyor. Buna rağmen mühendisler, hazırlanan kodun doğru çalışıp çalışmadığını testlerle doğrulayabiliyor.

Benzer bir örnek, yapay zeka sistemlerinin GPU üzerinde çalışmasını hızlandırmak için kullanılan özel hesaplama kodlarında yaşandı.

SemiAnalysis'ten Jordan Nanos, Fireside Alpha'ya verdiği röportajda, OpenAI mühendisleriyle birlikte inceledikleri ve DeepSeek'in MLA mekanizmasıyla ilişkili bir GPU çekirdeğinden söz etti.

Nanos'un anlattığına göre mühendisler donanım mimarisine ve sistemin çalışma prensiplerine hakim olmalarına rağmen önlerindeki kodun her satırının ne yaptığını açıklayamıyordu. Yapay zekanın oluşturduğu kod, performans testlerinde başarılı sonuçlar veriyordu.

Nanos, bu örneği yazılım geliştirme anlayışındaki değişimin bir göstergesi olarak değerlendiriyor. Ona göre geliştiricilerin her satırı ayrıntılı biçimde çözümlemesi yerine, yapay zeka tarafından oluşturulan kodun belirlenen koşulları karşılayıp karşılamadığını doğrulaması giderek daha fazla öne çıkabilir.

Bu yaklaşımın sınırları da var. Performans testlerini başarıyla tamamlayan bir kodun bütün çalışma koşullarında hatasız veya güvenli olacağı garanti edilemiyor. Kodun daha sonra değiştirilmesi gerektiğinde, nasıl çalıştığının yeterince bilinmemesi bakım sürecini zorlaştırabiliyor.

İşin bir de uzmanlık tarafı bulunuyor. Business Insider'ın aktardığı Lightcast verilerine göre, ABD'de CUDA bilgisi gerektiren iş ilanları 2026'nın ilk sekiz ayında, 2025 yılının tamamındaki sayıyı geçmiş durumda. Nvidia'nın Eylül ayı itibarıyla bu uzmanlığı gerektiren 300'den fazla aktif ilanı bulunuyordu.

Standard Kernel kurucu ortaklarından Anne Ouyang da özellikle deneyimli mühendislerin yapay zekanın ürettiği kodu doğrulama becerisinin giderek daha değerli hale geldiğini belirtiyor. Şirketlerin ihtiyaç duyduğu uzmanlık, kodu sıfırdan yazabilmekten yapay zekanın ürettiği karmaşık sistemleri denetleyebilmeye doğru ilerliyor.

Kaynaklar

  1. The trust paradox in AI code

YORUMLAR

(0)
Yorumunuz minimum 30 karakter olmalıdır. (0)

Yorumlar yönetici onayından sonra yayımlanır.

Okumaya devam edin

Sonraki haberi oku

Gizlilik tercihleriniz

Çerez kategorilerini inceleyebilir ve tercihlerinizi kaydedebilirsiniz. İsteğe bağlı kayıtlar başlangıçta kapalıdır.

Gerekli Çerezler

Güvenli oturum, yorum, tepki ve gizlilik seçiminiz için gereklidir. Bu kayıtlar kapatılamaz.

vox-consent 180 gün · Teknovox
Bu paneldeki seçiminiz ve seçim tarihi tarayıcınızda saklanır.
voxtekno_session / XSRF-TOKEN 120 dakika · Teknovox
Üye girişi, haber kaydetme, yazı gönderme, yorum, tepki ve yönetim paneli işlemlerinde oturum güvenliğini sağlar.
vox_reader 1 yıl · Teknovox
Tepki işlemini başlattığınızda oluşturulur; aynı tarayıcıdan verilen tepkileri yönetir.
Fonksiyonel Çerezler

Tema seçiminizi hatırlar ve yazıdaki YouTube, X ve Instagram paylaşımlarını görüntüleme alanına geldiğinde yükler. Bu sağlayıcılar IP adresinizi ve tarayıcı bilgilerinizi alabilir; kendi çerezlerini kullanabilir. Bu izin kapalıyken yalnızca seçtiğiniz paylaşımı “İçeriği göster” düğmesiyle açabilirsiniz.

vox-theme İzin süresi boyunca · Teknovox
Tema tercihiniz tarayıcınızda tutulur.
Pazarlama Çerezleri

Google AdSense · Reklam gösterimi ve performans ölçümü. Yalnızca Pazarlama Çerezleri izniyle yüklenir.

__gads, __gpi ve Google alan adlarındaki reklam kayıtları kullanılabilir. Süre çereze, bölgeye ve Google ayarlarına göre değişir; reklam kayıtları 13–24 aya kadar saklanabilir. Sağlayıcı: Google. Güncel çerez adları ve süreleri

Analitik Çerezleri

Google Analytics 4 · Ziyaret edilen sayfaları ve içerik performansını ölçer. Yalnızca Analitik Çerezleri izniyle yüklenir.

_ga ve _ga_*: ziyaret ve oturum ayrımı; bu sitede 180 gün olarak ayarlanmıştır, ziyaretle yenilenebilir. Sağlayıcı: Google. Google çerez bilgileri

Teknovox’a katılın

Haberleri kaydedin, yorumlara katılın ve yazılarınızı paylaşın.

Şifremi unuttum