AI Araçlarının Reklam mı Gerçek mi? Kendi Deneyimlerimden Öğrendiklerim

Sektörde neredeyse her gün karşılaştığımız başlıklar artık hep aynı: "AI ile üretkenliğinizi %100 artırın", "Takımınızı AI asistanlar kurtarsın", "İş akışınızı 1 haftada yenileyin". Bu içerikler o kadar yaygın ve o kadar iyimser ki, artık hangisinin gerçek deneyime dayandığını, hangisinin pazarlama stratejisinin bir parçası olduğunu ayırt etmek neredeyse imkansız hale geldi.

AI’nin getirdiği dönüşüm vaatleriyle ilgili en büyük sorun, bilgilendirici içeriğin giderek reklam içeriğine dönüşmesi. Bir LinkedIn gönderisinde karşılaştığınız başarı hikayesi, aslında bir satış temsilcisinin ürün tanıtımı mı? Yoksa o aracı pazarlayan şirketin çalışanının kendi deneyimi mi? Ya da belki de AI’nin kendisinin ürettiği bir içerik mi? Bu soruların cevabını ne ben ne de siz verebiliriz.

Sektörün en yetkin isimleri, yani bu araçları gerçekten değerlendirebilecek kişiler, aynı zamanda en yoğun olanlar. Onların vakitleri içerik üretmeye değil, araçları test etmeye yetmiyor. Geri kalanlar ise ya heyecanlı erken benimseyenler, ya üreticilerin gizli ajansları ya da içerik üreticileri. Finansal ilişkiler nadiren açıklanıyor. Hatta bazı içerikler, AI tarafından üretilirken AI’nın kendisine övgü düzmüyor mu? Düşünmesi bile rahatsız edici.

Bunlar suçlamalar değil, tespitler. Bu bilgi ekosisteminde güvenilirliğin sorgulanması gerektiğine inanıyorum. Ancak bunun cevabı sadece durup düşünmek değil. Kendi deneyimlerimizi yapmak.

Neden nihayet harekete geçtim

Yıllardır bu alanı şüpheyle izliyordum. Yeni teknolojilere karşı olumsuz olmak, onların değersiz olduğunu düşünmek demek değil. Erken benimseyen olmanın defalarca yanıldığımı biliyorum. Programlama dillerinin parlayıp sönüşüne, framework’lerin dini akımlara dönüşüp ardından legacy problemlerine yol açışına tanık oldum. Yeni bir şeyi benimsemeden önce kendi verilerimi toplamayı tercih ederim.

Ancak nihayet harekete geçmemi sağlayan şey, Anthropic’in Claude Code’u piyasaya sürmesi oldu. Sadece bir sohbet penceresine kod yapıştırdığımız araçlar değil. Tüm kod tabanına erişebilen, dosyalar arasında bağlantıları kendi kendine kurabilen bir ortam. Bu, daha önce gördüklerimden anlamlı ölçüde farklıydı.

Ayrıca, çevremdeki bazı meslektaşlarımın bu alanda çok ileride olduğunu ve bana hem sosyal baskı hem de bütçe desteği sağladıklarını fark ettim. Böylece beklemek yerine araçları kurup kendi deneylerime başladım. Hype’ı doğrulamak için değil, nerede işe yaradığını ve nerede başarısız olduğunu anlamak için.

İşte bulduklarım.

Kullandığım aracın arkasındaki hikaye

Yıllardır mühendislik organizasyonumun sağlığını takip eden bir metrik izleme tablom var. Sprint verileri, hata eğilimleri, takımın sağlıklı mı yoksa sadece yoğun mu olduğunu gösteren sinyaller. Bu tablo, Python betikleri ve manuel girişlerle birlikte çalışıyordu. Haftada yaklaşık 30 dakikaımı alıyordu. Bu süreyi seviyordum aslında. Manuel süreç, veriye daha yakın kalmamı sağlıyordu. Ancak yoğun bir dönemdeydim ve bu zamanı geri kazanmanın mümkün olup olmadığını merak ettim.

Claude Code’u kullanarak "vibe coding" dedikleri yöntemi denedim: ne istediğimi basitçe tarif ettim ve aracın o uygulamayı inşa etmesine izin verdim.

Sekiz saat içinde kullanılabilir bir uygulama ortaya çıktı. Bu süreyi biraz sindirmek gerek. Yıllardır elle yaptığım bir işi, AI aracı sekiz saatte otomatikleştirdi. Eğer sadece bundan bahsetseydim, çok farklı bir makale olurdu.

Ancak ben denemeye devam ettim. Özellikler ekledim, geliştirdim. Ve işte o zaman ilginç şeyler olmaya başladı.

Bağlam kaybı gerçek bir sorun.

Başlangıçtan ne kadar uzaklaşırsak, aracın daha önce verdiğim talimatları unutmaya başladığını gördüm. Tercihlerimi, kısıtlamalarımı hatırlamıyordu. Başlangıçta belirlediğim kılavuzlar sanki buharlaşıyordu. Kişisel bir proje için sadece sinir bozucu. Ancak kurumsal bir kod tabanında kuralları olan bir ortamda bu ciddi bir problem.

AI kendi kendine özellikleri sildi.

İterasyonlar sırasında aracın, zaten yaptığımız bazı özellikleri gereksiz bulduğunu ve sessizce kaldırdığını fark ettim. Sadece kendi kalite kontrol sürecim sırasında bunu anladım. Nedenini sorduğumda iyi bir cevap alamadım. Araç sadece karar vermişti. Kendisi. Sormadan.

Tuhaf kararlar verdi.

Bazen aracın, gereksinimlerin ötesine geçtiğini ve istenmeyen kararlar aldığını hissettim. Tıpkı bir çocuğun ebeveyninin takdirini kazanmaya çalışması gibi. Yetkinliğini göstermeye çalışırken, sınırlarını zorluyordu. Bu bir hakaret değil, teknolojinin gelişim aşamasındaki doğal bir durum. Henüz kenarlarını tam olarak anlamış değil.

Kişisel bir proje için bunu tolere edebilirim. Ancak ölçeklenebilir üretim yazılımlarında böyle bir durum kabul edilemez.

Eğlence için yaptığım uygulama

Eşimle birlikte sık sık ne izleyeceğimize karar veremiyoruz. Bunun için basit bir Android uygulaması yaptım. TV şovlarının verilerini bir API üzerinden çekiyor, bir veritabanında listeyi saklıyor, Google Auth ile giriş yapıyor ve rastgele seçim yapıyor. Bu projenin tamamı sadece bir akşamda ve 50 dolarlık bir API kredisiyle ortaya çıktı.

Bu deneyimlerden çıkardığım dersler şunlar:

• AI araçları, basit ve tekrarlayan görevlerde inanılmaz verimlilik sağlıyor. Ancak karmaşık, bağlamsal kararlar gerektiren durumlarda insan müdahalesi hala kritik.
• Manuel süreçler bazen veriye daha yakın kalmamızı sağlıyor. Otomasyonun bedeli, veri kalitesini kaybetmek olabilir.
• AI’ya güvenmek, sadece aracın ne yaptığına değil, neyi neden yaptığına da odaklanmamızı gerektiriyor. Aksi takdirde, "vibe coding" yerine "vibe disasters" yaşayabilirsiniz.

AI’ın geleceği parlak. Ancak bu geleceğin sorumlu bir şekilde inşa edilmesi gerekiyor. Araçların ürettiği içeriğin kaynağı, finansal ilişkilerin şeffaflığı ve insan süpervizyonunun kritik rolü, sektörün olgunlaşması için vazgeçilmez unsurlar. AI araçlarıyla ilgili hype’ları değil, gerçek verileri takip etmek, geleceğin teknolojisini şekillendirecek olan bizlerin sorumluluğunda.

Siz de bir AI aracını denemeyi düşünüyorsanız, önce kendi küçük projelerinizde test edin. Hype’ın arkasındaki gerçekleri keşfedin.