Yapay zeka destekli kodlama araçları, yazılım geliştirme sürecinde üretilen kod miktarını önemli ölçüde artırıyor. Ancak 700’den fazla yazılım şirketinin verilerini inceleyen araştırma, bu artışın doğrudan daha fazla yazılım üretimine dönüşmediğini ortaya koydu. Araştırmaya göre yapay zeka ajanlarının devreye alınması, kod inceleme süresini ortalama yüzde 49 artırırken geliştiricilerin iş yükünü de farklı bir noktaya taşıyor. Harvard Üniversitesi araştırmacıları Fiona Chen ve James Stratton tarafından gerçekleştirilen çalışma, yapay zeka destekli kodlama araçlarının yazılım geliştirme ekiplerinin verimliliğine etkisini mercek altına aldı. 2021’den Mart 2026’ya kadar uzanan dönemi kapsayan araştırmada, 700’den fazla yazılım şirketinde 700 bini aşkın çalışana ait veriler ve 300 milyon iş olayı incelendi.
Araştırmacılar, yapay zeka kodlama ajanlarının şirketlerde kullanılmaya başlanmasının ardından kod üretiminde belirgin bir artış yaşandığını tespit etti. Buna karşın daha fazla kod yazılması, tamamlanan yazılım özelliklerinin sayısında istatistiksel açıdan anlamlı bir artış sağlamadı.
Yapay zeka daha fazla kod üretiyor, ancak verimlilik artışı sınırlı kalıyor
Araştırmaya göre yapay zeka kodlama ajanlarının kullanılmaya başlanmasıyla şirketlerde üretilen toplam kod satırı sayısı ortalama yüzde 30 arttı. Toplam commit sayısı yüzde 20 yükselirken pull request sayısında da yüzde 23 artış görüldü.
Commit, geliştiricilerin kod tabanında yaptıkları değişiklikleri kaydetmesini ifade ederken pull request, bu değişikliklerin ana kod tabanına dahil edilmesi için incelemeye sunulmasını sağlıyor. Dolayısıyla söz konusu artışlar, yapay zeka ajanlarının yazılım geliştirme sürecinde daha fazla kod ve değişiklik üretilmesini kolaylaştırdığını gösteriyor.
Ancak araştırmacılar, bu artışın yazılım ekiplerinin tamamladığı iş miktarına aynı ölçüde yansımadığını belirtiyor. Jira gibi araçlarda takip edilen yazılım hatalarının, görevlerin ve kapsamlı özelliklerin tamamlanma oranlarında yapay zeka araçlarının devreye alınmasının ardından istatistiksel açıdan anlamlı bir değişiklik görülmedi.
Kod inceleme süresi yüzde 49 arttı
Araştırmanın en dikkat çekici bulgularından biri, yapay zeka ajanlarının oluşturduğu kodların incelenmesi ve onaylanması için gereken süredeki artış oldu. Bir pull request’in gönderilmesi ile kod tabanına dahil edilmesi arasında geçen ortalama süre, yapay zeka ajanlarının kullanılmaya başlanmasının ardından yüzde 49 yükseldi. Üstelik inceleme sürecinde yalnızca geçen süre artmadı. Değişiklik talep edilen pull request’lerin oranı neredeyse iki katına çıkarken her bir pull request başına düşen yorum sayısı da yüzde 35 arttı.
Bu sonuçlar, yapay zeka tarafından üretilen kodların daha sık düzeltme gerektirebildiğine ve geliştiricilerin kodları değerlendirmek için daha fazla zaman harcadığına işaret ediyor. Yapay zeka ajanları kısa sürede büyük miktarda kod üretebilse de bu kodların doğruluğunu, güvenliğini ve mevcut yazılımla uyumunu kontrol etmek insan geliştiricilerin sorumluluğunda kalıyor.
Araştırmacılar, yapay zeka ajanlarının devreye alınmasının ardından kod incelemesi yapan çalışanların oranının da yüzde 14 arttığını belirledi. Böylece kod üretiminde sağlanan hız kazanımının bir bölümü, inceleme ve düzeltme aşamalarında harcanan ek zamanla dengelenmiş oldu.
Şirketler daha fazla çalışan istihdam etmiyor
Araştırma, yapay zeka kullanımının şirketlerin istihdam düzeylerine etkisi konusunda da önemli bir bulgu sunuyor. Jellyfish verileri ve LinkedIn bilgileri üzerinden yapılan analizlerde, yapay zeka kodlama ajanlarının kullanılmaya başlanmasıyla toplam aktif çalışan sayısında anlamlı bir değişiklik tespit edilmedi.
Bununla birlikte araştırma, yapay zekanın uzun vadede istihdam üzerindeki etkisinin kesin olarak belirlenebildiği anlamına gelmiyor. Çalışma, incelenen dönemde yapay zeka kullanımına bağlanabilecek önemli bir istihdam değişikliği ortaya koymuyor.
Kod inceleme süreçlerindeki gecikmelerin, yapay zeka ajanlarının sağladığı üretim avantajlarını sınırlaması da şirketlerin bu araçlardan beklediği verimlilik kazanımlarını elde etmesini zorlaştırıyor.
Yapay zeka destekli kod incelemesi de sorunu henüz çözemiyor
Şirketler, artan inceleme yükünü azaltmak için yapay zeka destekli kod inceleme araçlarından da yararlanıyor. Araştırmaya göre incelenen şirketlerin yüzde 80’i Mart 2026 itibarıyla bir tür yapay zeka kod inceleme sistemi kullanıyordu.
Ancak yapay zeka ajanları, toplam inceleme yorumlarının yalnızca yüzde 23,3’ünü oluşturdu. İncelenen tüm pull request’lerin ise yüzde 10,8’inde bu ajanların katkısı bulunuyordu. Bu veriler, kod inceleme çalışmalarının büyük bölümünün hala insanlar tarafından yürütüldüğünü gösteriyor.
Öte yandan araştırma verileri Mart 2026’da sona eriyor. Yapay zeka kodlama ajanlarının bu tarihten sonra geçirdiği güncellemeler ve şirketlerin araçları kullanma konusunda edindiği deneyimler, gelecekte inceleme süreçlerini iyileştirebilir.
Araştırmacıların bulguları, yapay zeka destekli yazılım geliştirmenin temel sorunlarından birini ortaya koyuyor: Daha hızlı kod üretmek, tek başına daha hızlı yazılım geliştirmek anlamına gelmiyor. Şirketlerin gerçek verimlilik kazanımları elde edebilmesi için yalnızca kod yazma süresini değil, inceleme, hata düzeltme ve entegrasyon aşamalarını da hızlandırması gerekiyor.
