Amazon’un yazılım mühendislerine yönelik güncellenmiş kılavuzunun ana mesajı basit: AI kullanım miktarı, tek başına üretkenlik göstergesi değil. Şirket, mühendislerin hangi aracı kaç kez kullandığından ziyade, ortaya çıkan işin müşteriler ve işletme için ne sağladığına bakılmasını istiyor.
5
6
Kılavuz, Amazon mühendislik liderlerinden Terk Terkowitz’in imzasıyla eylül ayında şirket içinde dolaşıma girdi; Amazon’un sitesinde ise 27 Ekim’de yayımlandı.
3
8
Neden token ve kod sayıları yeterli değil?
Token, yapay zekâ modellerinin işlediği metin birimlerinden biri. Bir ekibin çok token tüketmesi, AI araçlarını daha yaygın kullanması ya da çok sayıda kod değişikliği yapması faaliyetin ölçüsünü verebilir; fakat bu veriler tek başına yazılımın kalitesini, müşteri deneyimini veya iş değerini göstermez. Amazon’un kılavuzu bu tür girdi ve iş hacmi ölçütlerini, önemli sonuçlardan kopuk kaldıkları için “derinden kusurlu” olarak nitelendiriyor.
5
7
Buradaki itiraz AI kullanmaya değil, bir göstergeyi hedefe dönüştürmeye. Token sayısı ya da kod değişikliği performans hedefi hâline gelirse, çalışanlar daha iyi ürün geliştirmek yerine ölçülen sayıyı artırmaya yönelebilir. “Tokenmaxxing” denilen davranış da AI araçlarını, çıktının niteliğini gözetmeden kullanım istatistiklerini yükseltmek için aşırı kullanmak anlamına geliyor.
2
14
Bunun maliyet boyutu da var: AWS dokümantasyonu, Amazon Bedrock kullanımında token sayısını başlıca maliyet etkeni olarak tanımlıyor. Dolayısıyla gereksiz AI çağrıları kaynak tüketirken, yalnızca ölçümü büyüten işler yazılıma fazladan karmaşıklık da katabilir.
7
10
Kullanımı teşvik etmekle ölçülü davranmak çelişiyor mu?
Amazon, AI kullanımını bırakmayı değil, işe yaradığı yerde kullanmayı savunuyor. Kılavuzun yaklaşımına göre kullanım ve kod değişikliği verileri tamamen göz ardı edilmemeli; başka göstergelerle ve uzun vadeli sonuçlarla birlikte, dikkatle değerlendirilmelidir.
11
13
Bu nedenle yöneticilerin AI’ı en çok ve en az kullanan ekipleri incelemesi, tek başına bir performans sıralaması olmak zorunda değil. Bu veriler, hangi ekiplerin araçlardan nasıl yararlandığını anlamak için bir başlangıç noktası olarak görülebilir. Bu, bildirilen yaklaşımın olası bir yorumu; kaynaklar bunun kılavuzda aynen böyle ifade edildiğini doğrulamıyor.
4
14
Amazon’da daha önce token kullanımına dayalı bir iç sıralama bulunduğu, çalışanların üst sıralara çıkmak için kullanımı artırmasının ardından bu tablonun mayısta kaldırıldığı bildirildi. Bazı çalışanların gereksiz görevleri çalıştırarak kullanım sayılarını yükselttiği de aktarıldı. Bu örnek, tek bir ölçüte ödül bağlamanın gerçek üretkenliği göstermeyen davranışları teşvik edebileceğine işaret ediyor.
1
9
Bazı ayrıntılar doğrulanmış değil
Mevcut kaynaklar, kılavuzun “feature velocity” (özellik geliştirme hızı) konusunda tam olarak ne söylediğini, AI’ın fayda sağlamadığı durumların belgelenip paylaşılmasını isteyip istemediğini veya yöneticilerin AI’ı üretim işlerinde kullanmasına ilişkin kesin ifadeleri doğrulamıyor. Ekiplerin en alt ve en üst yüzde 10’una dair kesin eşikler, Amazon’un token sınırları politikası ve başka şirketlerin sınır koyması ya da daha ucuz açık kaynaklı modellere yönelmesi de bu kaynaklarda yeterince belgelenmiyor.
Desteklenen sonuç daha dar ama net: Amazon, AI kullanımının yaygınlaşmasını isterken tüketimi performansla eşitlememeye çalışıyor. Ölçülmesi gereken, daha çok token harcanıp harcanmadığı değil; AI’ın mühendislik ve iş sonuçlarını gerçekten iyileştirip iyileştirmediği.
5
6
7