Giderek daha güçlü yapay zeka kodlama araçlarının hakim olduğu bir dünyada yazılım üretimi ucuz hale geliyor; bu, geleneksel yazılım şirketleri için pek yer bırakmıyor. Bir analistin raporuna göre, “vibe coding, yeni girişimlerin karmaşık SaaS platformlarının işlevlerini kopyalamasına olanak tanıyacak.”
Bu durum yazılım şirketlerinin sonunun geldiğine dair endişeleri de beraberinde getiriyor.
Uzun yıllardır süregelen kaynak sıkıntılarını aşmayı hedefleyen açık kaynak yazılım projeleri, ucuz kod döneminden faydalanması beklenen ilk gruplar arasında. Ancak bu durum uygulamada tam olarak gerçekleşmiyor ve yapay zeka kodlama araçlarının açık kaynak yazılımlara etkisi oldukça karmaşık bir tablo ortaya koyuyor.
Sektör uzmanlarına göre, yapay zeka kodlama araçları, çözdüğünden daha fazla soruna neden oluyor. Kullanım kolaylığı ve erişilebilirliği sayesinde kalitesiz kod akışı projeleri tehdit ediyor. Yeni özellikler geliştirmek her zamankinden daha kolay; ancak bunları sürdürmek de bir o kadar zor ve yazılım ekosistemlerini daha da parçalamakla tehdit ediyor.
Sonuç olarak, durum basit bir yazılım bolluğundan daha karmaşık. Belki de yapay zeka çağına geçişte yazılım mühendislerinin beklenen ölümü acele bir tahmin.
Kalite ve Miktar Arasındaki Denge
Açık kaynak kodlu projeler genelinde, katılımcıların ortalama kalite düzeyinde bir düşüş gözlemleniyor. Bu durum, AI araçlarının giriş engellerini düşürmesinin bir sonucu olarak ortaya çıkıyor.
VideoLAN Organizasyonu’nun CEO’su Jean-Baptiste Kempf, “VLC kod tabanı için junior olan kişilerden gelen birleşim taleplerinin kalitesi korkunç,” dedi.
Kempf, AI kodlama araçlarının genel olarak olumlu olduğunu düşünüyor ancak bunların “deneyimli geliştiriciler için daha uygun” olduğunu belirtiyor.
Aynı sorunlar, 2002’den beri açık kaynak olarak sürdürülen 3D modelleme aracı Blender’da da görülüyor. Blender Vakfı CEO’su Franceso Siddi, LLM destekli katkıların genellikle “gözden geçirenlerin zamanını boşa harcadığını ve motivasyonlarını etkilediğini” söyledi. Blender, AI kodlama araçları için resmi bir politika geliştirmeye devam ediyor, ancak Siddi, bu araçların “katkıda bulunanlar veya ana geliştiriciler için ne zorunlu ne de tavsiye edildiğini” ifade ediyor.
Birleşim taleplerindeki bu aşırı artış, açık kaynak geliştiricilerini bunu yönetmek için yeni araçlar geliştirmeye itiyor.
Bu ayın başlarında, geliştirici Mitchell Hashimoto, GitHub katkılarını “onaylı” kullanıcılara sınırlayacak bir sistem başlattı; bu, açık kaynak yazılım için açık kapı politikasını fiilen kapatıyor. Hashimoto’nun açıklamasına göre, “AI, OSS projelerinin varsayılan olarak güven duyacağı doğal engeli ortadan kaldırdı.”
Bu aynı etki, dış araştırmacılara güvenlik açıklarını bildirmeleri için açık kapı sunan hata ödül programlarında da kendini gösterdi. Açık kaynak veri transfer programı cURL, geçtiğimiz günlerde Daniel Stenberg’in “AI çöplüğü” olarak nitelendirdiği bir durum ile başa çıkamadığı için hata ödül programını durdurdu.
Stenberg, “Eskiden, bir güvenlik raporuna gerçekten çok zaman harcayan biri olurdu,” dedi. “Artık bununla ilgili hiç çaba yok. Kapılar açıldı.”
Bu özellikle sinir bozucu çünkü birçok açık kaynak proje, aynı zamanda yapay zeka kodlama araçlarının faydalarını da görüyor. Kempf, VLC için yeni modüller oluşturmanın çok daha kolay hale geldiğini, tabii ki deneyimli bir geliştiricinin yönlendirmesiyle olduğunu belirtiyor.
Kempf, “Modelin bütün VLC kod tabanını verdikten sonra, ‘Bunu yeni bir işletim sistemine aktarıyorum’ diyebilirsin,” diyor. “Bu, deneyimli kişiler için yeni kod yazmayı kolaylaştırıyor, ama ne yaptığını bilmeyenler için yönetmek oldukça zor.”
Rekabet Eden Öncelikler
Açık kaynak projeleri için daha büyük sorun, önceliklerdeki farklılık. Meta gibi şirketler, yeni kod ve ürünler üzerinde yoğunlaşırken, açık kaynak yazılım çalışmaları daha çok istikrarı hedefliyor.
Kempf, “Sorun büyük şirketler ile açık kaynak projeleri között farklı,” diye belirtiyor. “Onlar kod yazmaları için ödüllendiriliyor, bakım yapmaları için değil.”
Yapay zeka kodlama araçları ayrıca, yazılımın genel olarak özellikle parçalanmış bir dönemine geliyor.
Açık Kaynak Endeksi’nin kurucusu Konstantin Vinogradov, açık kaynak altyapısını sürdürmek için yakın zamanda bir fon oluşturdu. Vinogradov, AI araçlarının açık kaynak mühendisliğindeki uzun süredir devam eden bir eğilimle karşılaştığını belirtiyor.
Vinogradov, “Bir yandan, eksponansiyel olarak büyüyen bir kod tabanı ve artan bağımlılık sayısı var; diğer yandan, aktif bakım yapanların sayısı belki yavaş büyüyor, ama kesinlikle yetişemiyor,” diyor. “AI ile bu denklemin her iki tarafı da hızlandı.”
Yapay zekanın yazılım mühendisliğine etkisini düşünmenin yeni bir yolu bu — endüstri için kaygı verici sonuçlara sahip.
Eğer mühendisliği işleyen yazılım üretme süreci olarak görüyorsanız, yapay zeka kodlama işleri her zamankinden daha kolay hale getiriyor. Ancak mühendislik gerçekten de yazılım karmaşıklığını yönetme süreciyse, o zaman yapay zeka kodlama araçları bunu zorlaştırabilir. En azından, genişleyen karmaşıklığı kontrol altında tutmak için birçok aktif planlama ve çalışmaya ihtiyaç duyulacak.
Vinogradov, bunun sonuçlarının açık kaynak projeleri için tanıdık bir durum olduğunu ifade ediyor: Yapılacak çok iş var ve bunu yapacak yeterli iyi mühendis yok.
Vinogradov, “AI, aktif, yetenekli bakıcıların sayısını artırmıyor,” dedi. “İyi olanları güçlendiriyor, ama tüm temel sorunlar sadece kalıyor.”
