Amazon’un mühendislik liderliğinin yayımladığı mesaj net: Yapay zekâ kullanmak, tek başına değer üretmek demek değil. Eylül 2026’da şirket içinde paylaşılan, 27 Ekim’de kamuya açılan notta Worldwide Amazon Stores başkan yardımcısı ve seçkin mühendisi Terk Terkowitz, geliştirici rolünü kullanılan araçlarla değil, ortaya konan sonuçlarla tanımlıyor.
13
20
“Rönesans Geliştirici” ne anlama geliyor?
Amazon’un “Rönesans Geliştirici” yaklaşımında mühendisler, yapay zekâ araçlarını kendi uzmanlıkları ve muhakemeleriyle bir araya getirerek yeni çözümler üretiyor. Bu, her görevin yapay zekâyla yapılması gerektiği anlamına gelmiyor. Mevcut araçlar bir işe katkı sağlamıyorsa bunun nedenini açıklamak da işin parçası: Amazon’un ifadesiyle bu, “başarısızlık değil, bir tespit”.
10
20
Dolayısıyla odak, yapay zekâ kullandığını göstermekten çok doğru problemi anlamak, uygun araçları seçmek ve işe yarar bir sonuç sunmak. Not, yazılım geliştirme yöneticilerine de sesleniyor; bu ayrım, ekiplerin nasıl desteklendiği ve değerlendirildiği açısından önemli.
5
31
“Token şişirme” neden hedef olmamalı?
“Tokenmaxxing”, yapay zekâ kullanımını görünür kılmak için olabildiğince çok token harcamaya deniyor. Amazon; token sayısını, araçların benimsenme oranını, kod değişikliklerini, incelemeleri ya da satır sayısını mühendislik verimliliğinin tek başına göstergesi saymaya karşı uyarıyor. Bunlar yapılan işin girdilerini veya hareketliliği gösterebilir; müşteriye ya da şirkete gerçekten fayda sağlandığını tek başına kanıtlamaz.
7
11
31
Not, bu yaklaşımı Amazon’un liderlik ilkeleriyle de ilişkilendiriyor: Token kullanımını şişirmek “Tutumluluk” ilkesiyle, daha fazla kodu başarı ölçütü yapmak ise “İcat Et ve Sadeleştir” ilkesiyle çelişebilir. Çünkü daha fazla kaynak tüketmek ya da daha çok kod yazmak, ortaya çıkan değeri artırmadan maliyet ve karmaşıklığı büyütebilir.
11
31
Bu, kullanım verilerinin hiçbir işe yaramadığı anlamına gelmiyor. Notla ilgili haberlerde Amazon’un bu ölçümlerin sonuçlarla ilişkili olabileceğini kabul ettiği, ancak dikkatli ve sağduyulu kullanılmaları gerektiğini belirttiği aktarılıyor.
16 Bir ölçüm, daha yakından incelenmesi gereken bir duruma işaret edebilir; fakat doğrudan hedef hâline geldiğinde ekipler, işin değerini artırmadan yalnızca sayıyı yükseltebilir.
Kullanımı en az ve en çok olan ekiplere ne sorulmalı?
Amazon’un rehberliği, yapay zekâ kullanımında 10. ve 90. yüzdelik dilimlere yakın ekiplerin daha yakından incelenmesini istiyor.
16 Bu, en az kullanan ekiplerin geride ya da en çok kullananların başarılı olduğuna peşinen karar vermek demek değil. Kullanım oranı bir hüküm değil, soru sormak için başlangıç noktası.
Yapay zekâyı daha az kullanan ekiplerde işin mevcut araçlara uygun olup olmadığı, kullanımın önünde engeller bulunup bulunmadığı veya kaçırılan fırsatlar olup olmadığı araştırılabilir. Yoğun kullanan ekiplerde ise bu kullanımın sonuçları iyileştirip iyileştirmediğine ya da yalnızca hareketliliği ve maliyeti artırıp artırmadığına bakılabilir. Bunlar, uçlardaki verileri anlamlandırmaya yönelik sorular; temel ölçütün, işin ürettiği değer olduğu gerçeğini değiştirmiyor.
Ekipler için pratik mesaj
Amazon’un mesajı yapay zekâdan uzak durmak ya da herkes için sabit bir kullanım kotası koymak değil. Mühendislerden muhakemelerini ve alan bilgilerini kullanmaları, müşteri ve iş sonuçlarına odaklanmaları bekleniyor. Yöneticilerden de benimsenme verilerini dikkatle yorumlamaları, bunları birer performans puan tablosuna çevirmemeleri isteniyor.
16
20
Kısacası yapay zekâ kullanımı bir girdidir; hedef, işe yarar mühendislik sonuçlarıdır. Bir araç belirli bir göreve katkı sağlamıyorsa bunun nedenini açıklamak, araçların nerede yetersiz kaldığını anlamaya yardımcı olabilir. Mühendisleri sırf kullanım rakamı artsın diye yapay zekâya yöneltmek gerekmez.
10