Linux Foundation’ın Red Hat sponsorluğunda yürüttüğü araştırmaya göre geliştiriciler, üretken yapay zekâ kullanırken kod yazmaya ayırdıkları sürenin ortalama yüzde 52 azaldığını düşünüyor. Ancak açık kaynak projelerine gönderilen katkıların denetlenmesi daha fazla emek gerektiriyor; özellikle büyük projelerde inceleme süreleri uzuyor.
Kod önerilerinin dörtte biri düşük kaliteli bulunuyor
Araştırma, 234 açık kaynak geliştiricisi ve proje sorumlusunun katıldığı bir ankete dayanıyor. Yüzde 52’lik süre azalması, kronometreyle ölçülmüş bir deney sonucu değil; katılımcıların kendi deneyimlerine ilişkin tahmini.
Açık kaynak projelerinde bir kod değişikliğinin ana projeye alınması için gönderilen öneriye pull request (PR) deniyor. Projeyi yürüten ekipler, önerileri kabul etmeden önce kodu ve testleri inceliyor. Bu nedenle daha çok PR gelmesi, doğrudan daha fazla yararlı kod üretildiği anlamına gelmiyor.
Proje sorumluları, kendilerine iletilen PR’ların ortalama yüzde 25’inin düşük kaliteli yapay zekâ katkılarından oluştuğunu tahmin ediyor. Raporda bu tür içerikler “AI slop” olarak adlandırılıyor. Bu oran, yayımlanan açık kaynak yazılımların dörtte birinin bozuk olduğu ya da yapay zekânın ürettiği her dört koddan birinin hatalı çıktığı anlamına gelmiyor; incelemeye gönderilen katkılarla ilgili.
Büyük projelerde düşük kaliteli katkıların payı yüzde 31’e çıkıyor. Bu projelerdeki sorumluların yüzde 64’ü inceleme sürelerinin uzadığını bildiriyor. Tükenmişliğin de büyük projelerde öne çıkan başlıca endişe olması, yükün kod kalitesiyle sınırlı olmadığını gösteriyor.
Hız artışı her görevde aynı değil
Yapay zekâ kullanımıyla birlikte katkı sayısının arttığını belirten proje sorumlularının oranı yüzde 59. Büyük projelerde bu oran yüzde 69’a yükseliyor. Katılımın kolaylaşması yeni geliştiricilerin önünü açarken, gönderilen işleri kontrol etmek için gereken insan emeği aynı hızla artmıyor.
Katılımcılar, öneriler üzerine yürütülen tartışmalarda ortalama yüzde 19 zaman tasarrufu bildirdi. Öte yandan, yüksek karmaşıklıktaki görevlerde katılımcıların yüzde 21’i yapay zekâ kullanırken daha fazla zaman harcadığını söylüyor. Bu nedenle kod yazma süresindeki yüzde 52’lik azalmayı yazılım geliştirmenin bütün aşamalarına genellemek mümkün değil.
Katılımcıların yüzde 66’sı yapay zekâ sayesinde kazandığı zamanı birikmiş teknik sorunları çözmek için kullandığını belirtiyor. Yeni özellik geliştirmeye ayıranların oranı yüzde 63, öğrenme ve beceri geliştirmeye ayıranların oranı ise yüzde 58. Bu yanıtlar birbirini dışlamıyor; geliştiriciler kazandıkları zamanı birden fazla alanda değerlendirebiliyor.
Yapay zekâ kullanım kuralları her projede net değil
Araştırmaya göre projelerin yüzde 35’inde yapay zekâ kullanımına izin veren resmi bir politika bulunuyor. Yüzde 32’sinde ise böyle bir politika yok ve hazırlanması da planlanmıyor. Yapay zekâ iş akışlarına girerken kullanım kuralları her projede aynı ölçüde belirginleşmiş değil.
Katkı sunanların yüzde 61’i, yapay zekâyla oluşturduğu kodu göndermeden önce ayrıntılı biçimde incelediğini ve işlevini tam olarak test ettiğini bildiriyor. Buna karşın yapay zekâ desteğinin nasıl açıklanacağı konusunda ortak bir uygulama bulunmuyor. Linux Foundation; kullanımın nasıl bildirileceğinin, kodun hangi testlerden geçirileceğinin ve katkı sunanlardan neler beklendiğinin yazılı kurallarla belirlenmesini öneriyor.
Raporun öne çıkardığı konu yalnızca kodun daha hızlı üretilmesi değil. Bir geliştiricinin zaman kazanması, başka bir ekip üyesinin inceleme kuyruğunda daha uzun süre çalışmasına neden olabiliyor. Yapay zekâ destekli kodu anlamak, test etmek ve üstlenmek de katkıyı gönderen kişinin sorumluluğunun parçası olmayı sürdürüyor.
