Bir yazılım geliştiricisinin ekranında boş bir dosya açık. Eskiden önünde saatler sürecek bir iş vardı: veritabanına bağlanan bir servis yazmak, kullanıcı girişini doğrulamak, hata durumlarını ele almak, testleri hazırlamak ve kodu dokümante etmek.
Şimdi aynı geliştirici birkaç cümle yazıyor. Yapay zekâ saniyeler içinde bir taslak çıkarıyor. Fonksiyonlar hazır, testler eklenmiş, açıklamalar yazılmış. Kod ilk bakışta gayet makul görünüyor.
Tam bu noktada, teknoloji dünyasının birkaç yıldır tekrar tekrar sorduğu soru beliriyor:
Yapay zekâ bütün bunları yapabiliyorsa yazılım mühendisine neden ihtiyaç kalsın?
Sorunun ikna edici görünmesinin nedeni, yazılım mühendisliğini kod yazmakla aynı şey sanmamız. Oysa kod, bir yazılım ürününün görünen yüzü. Onun arkasında hangi problemin çözüleceğine karar vermek, gereksinimleri anlamak, sistemi tasarlamak, teknik seçenekler arasında tercih yapmak, riskleri öngörmek ve ortaya çıkan çözümün gerçekten çalıştığından emin olmak var.
Coyotiv'in kurucusu Armağan Amcalar'ın uzun süredir savunduğu yaklaşım da tam burada başlıyor: Yapay zekâ kod üretimini ucuzlatıyor, ancak mühendislik muhakemesini değersizleştirmiyor. Aksine, kod yazmanın üzerindeki katmanları daha önemli hâle getiriyor.
Gelecekte değerli olan kişi, klavyede en hızlı kod yazan kişi olmayacak. Hangi sistemin kurulması gerektiğini anlayan, doğru araçları seçen, yapay zekâyı yönlendiren ve üretilen sonucun sorumluluğunu alabilen kişi olacak.
Önce dürüst olalım: bazı işler gerçekten ortadan kalkacak
"Yapay zekâ hiçbir yazılımcının işini etkilemeyecek" demek gerçekçi değil.
Tekrarlayan, sınırları açıkça tanımlanmış ve sonucu kolayca kontrol edilebilen görevler şimdiden otomatikleşiyor. Basit arayüzlerin oluşturulması, standart API bağlantıları, test taslakları, kod açıklamaları, küçük hata düzeltmeleri ve mevcut kodun başka bir dile çevrilmesi artık AI araçlarının en güçlü olduğu alanlar arasında.
Anthropic'in yazılım geliştirme kullanımını inceleyen araştırması da AI'ın özellikle kullanıcı arayüzü bileşenleri ve basit uygulama parçaları üretmekte yoğun biçimde kullanıldığını gösteriyor. Araştırmacılar, bu nedenle yalnızca standart arayüzler ve küçük uygulamalar üretmeye odaklanan bazı işlerin daha erken baskı altına girebileceğini belirtiyor. Aynı çalışma, geliştiricilerin rolünün daha üst düzey tasarım, ürün deneyimi ve sistem kararlarına doğru kayabileceğine işaret ediyor.
Bu değişim en çok, işi kendisine verilen küçük görevleri kodlamakla sınırlı kalan rolleri etkileyecek.
Bir geliştiricinin değeri yalnızca "bu düğmeye basıldığında şu pencereyi aç" talimatını koda çevirmesinden geliyorsa, yapay zekâ o değerin önemli bir bölümünü üstlenebilir. Çünkü makineler açık talimatları hızla uygulamakta giderek daha başarılı oluyor.
Fakat yazılım dünyasındaki gerçek problemlerin çoğu açık talimatlarla başlamaz.
Müşteri çoğu zaman ne istediğini tam olarak bilmez. İki departmanın talepleri birbirleriyle çelişir. Hızlı çalışan çözüm güvenli olmayabilir. Ucuz çözüm ölçeklenmeyebilir. Kullanıcının istediği özellik, asıl problemini çözmeyebilir.
İşte mühendislik bu belirsizlikte başlar.
Kod yazmak ile yazılım mühendisliği aynı şey değil
Bir binanın inşasında tuğlaları hızlı dizmek önemlidir. Ancak hangi binanın yapılacağına, zeminin taşıyıp taşımayacağına, insanların binayı nasıl kullanacağına ve yapının yıllar sonra ayakta kalıp kalmayacağına tuğlalar karar vermez.
Yazılımda da kod, inşa malzemesidir.
Mühendislik ise sistemi bir bütün olarak görebilmektir.
Bir yazılım mühendisi yalnızca fonksiyon yazmaz. Hangi verilerin tutulacağına, servislerin nasıl haberleşeceğine, bir parça çöktüğünde sistemin geri kalanının nasıl davranacağına, kullanıcıların hangi bilgilere erişebileceğine ve ürünün gelecekte nasıl değiştirilebileceğine karar verir.
Yapay zekâ bu kararlar için öneriler sunabilir. Ancak önerilerinin sonuçlarını yaşamaz.
Yanlış hazırlanmış bir ödeme sistemi para kaybettirdiğinde, güvenlik açığı müşteri verilerini ortaya çıkardığında veya hatalı bir sağlık uygulaması yanlış yönlendirme yaptığında sorumluluk modele ait değildir.
Bu nedenle yapay zekâ çağında mühendisliğin merkezinde yalnızca üretim değil, yargı vardır.
Kod kıt olmaktan çıkıyor. Doğru karar hâlâ kıt.
Yazılımcıdan mimara doğru
Armağan Amcalar ve Coyotiv'in yaklaşımında bu dönüşüm, geliştiricinin ortadan kalkması değil, görev tanımının yukarı taşınması anlamına geliyor.
Dün şirketlerin çok sayıda insana kod yazdırması gerekiyordu. Bugün aynı miktarda kod daha küçük ekipler tarafından üretilebilir. Ancak bu durum daha az mühendislik problemi olduğu anlamına gelmiyor. Tam tersine, yazılım üretmek ucuzladıkça şirketlerin kurmak istediği sistemlerin sayısı artıyor.
Eskiden bir fikir yüksek geliştirme maliyeti nedeniyle hiç hayata geçirilmeyebilirdi. Şimdi prototipi birkaç gün içinde oluşturulabiliyor. Bunun sonucunda yapılacak iş azalmak yerine çoğalıyor; yalnızca işin niteliği değişiyor.
Daha az insan yalnızca uygulama görevleriyle uğraşırken daha fazla insanın sistemi tanımlaması, parçaları koordine etmesi, yapay zekâ ajanlarını yönetmesi, kaliteyi denetlemesi ve çözümün iş hedefleriyle ilişkisini kurması gerekiyor.
Kısacası talep geliştiriciden mimara doğru kayıyor.
Buradaki "mimar", yalnızca kartvizitinde kıdemli bir unvan bulunan kişi değil. Bir problemi baştan sona sahiplenebilen, teknik kararların nedenini anlayan ve çalışan bir ürünü hayata geçirebilen geliştirici.
AI çağının yazılım mühendisi, görev bekleyen bir kod üreticisi değil; neyin yapılacağına ve nasıl yapılacağına karar veren bir sistem kurucusu olacak.
Veriler yazılımcıların sona erdiğini söylemiyor
Yapay zekânın etkisi büyük olsa da eldeki istihdam verileri yazılım mühendisliğinin yakın zamanda ortadan kalkacağına işaret etmiyor.
Dünya Ekonomik Forumu'nun 2025 tarihli Future of Jobs raporunda yazılım ve uygulama geliştiricileri, 2030'a kadar en hızlı büyümesi beklenen meslekler arasında yer alıyor. Aynı rapor, AI ve bilgi işleme teknolojilerinin pek çok rolü ortadan kaldıracağını ancak yeni görevler ve meslekler de yaratacağını öngörüyor. Rapora göre 2030'a kadar küresel ekonomide 92 milyon rol yer değiştirirken 170 milyon yeni rol ortaya çıkabilir.
ABD Çalışma İstatistikleri Bürosu ise yazılım geliştirici, kalite güvence analisti ve test uzmanı istihdamının 2024 ile 2034 arasında yüzde 15 büyümesini bekliyor. Bu oran, tüm mesleklerin ortalamasından çok daha yüksek. Kurum, bu alanlarda her yıl ortalama 129 bin 200 pozisyon açılacağını tahmin ediyor.
Bu tahminler geleceğin garantisi değil. Teknolojik değişimin hızı, bugünkü öngörüleri geçersiz kılabilir. Ancak mevcut tablo, "yazılım mühendisliği bitiyor" iddiasından çok "yazılım mühendisliğinin içeriği değişiyor" sonucunu destekliyor.
Üstelik AI kullanımını gerçek iş piyasası verileriyle eşleştiren yakın tarihli bir Anthropic araştırması da yapay zekânın bugüne kadar istihdam üzerinde açık ve geniş çaplı bir düşüş yarattığına dair sınırlı kanıt bulunduğunu belirtiyor. Araştırmacılar, etkinin henüz erken aşamada olduğunu ve zaman içinde yeniden ölçülmesi gerektiğini özellikle vurguluyor.
Dolayısıyla bugün için en doğru cevap şu:
Yapay zekâ yazılım işlerini yok etmiyor. Fakat bu işlerin içinde hangi görevlerin insanlar tarafından yapılacağını hızla değiştiriyor.
Yapay zekâ her geliştiriciyi otomatik olarak hızlandırmıyor
AI kodlama araçlarının etrafındaki en güçlü vaatlerden biri verimlilik.
Bir geliştiricinin saatler sürecek işi birkaç dakikada tamamlaması mümkün. Fakat bu her görevde, her ekipte ve her deneyim düzeyinde gerçekleşmiyor.
METR tarafından 2025'te yürütülen kontrollü bir çalışmada, deneyimli açık kaynak geliştiricileri kendi iyi bildikleri projelerde AI araçlarını kullandıklarında görevleri beklenenin aksine yüzde 19 daha uzun sürede tamamladı. Geliştiriciler çalışmadan önce AI'ın kendilerini yaklaşık yüzde 24 hızlandıracağını tahmin etmişti. Başka bir ifadeyle, yalnızca gerçek performansı değil, AI'ın yarattığı hız hissini de yanlış değerlendirdiler.
Bu araştırma, AI araçlarının işe yaramadığı anlamına gelmiyor. Çalışmanın örneklemi sınırlıydı ve modeller o tarihten bu yana gelişti. METR de 2026'da deney tasarımını daha geniş bir katılımcı ve görev grubuyla yenilediğini açıkladı.
Ancak çalışma önemli bir gerçeği ortaya koyuyor: Kod üretmek ile işi tamamlamak aynı şey değil.
AI hızlıca bir çözüm oluşturabilir. Geliştirici daha sonra bu çözümü okumak, hatalarını bulmak, projenin mevcut yapısına uyarlamak ve güvenli olduğundan emin olmak zorundadır. Üretilen kodun neredeyse doğru olması, bazen tamamen yanlış olmasından daha fazla zaman kaybettirebilir.
Çünkü açıkça bozuk kod sizi uyarır. İkna edici biçimde yanlış kod ise önce güveninizi kazanır.
Deneyimli geliştiriciler neden daha şüpheci?
Stack Overflow'un 2025 geliştirici araştırmasında katılımcıların AI araçlarına genel yaklaşımı büyük ölçüde olumlu. Buna rağmen bu araçların doğruluğuna güvenenlerin oranı yüzde 33'te kalırken güvenmeyenlerin oranı yüzde 46'ya ulaşıyor. AI çıktısına "yüksek derecede güvendiğini" söyleyenlerin oranı yalnızca yüzde 3. En deneyimli geliştiriciler ise en temkinli grup.
Bunun nedeni deneyimli mühendislerin teknolojiye kapalı olması değil.
Tam tersine, ne kadar çok sistem gördüyseniz kodun yalnızca çalışmasının yetmediğini o kadar iyi bilirsiniz.
Bir fonksiyon bugün doğru sonucu verebilir ama yüksek trafik altında çökebilir. Bir sorgu test ortamında hızlı çalışabilir ama milyonlarca kayıtla sistemi kilitleyebilir. Bir güvenlik kontrolü normal kullanıcıyı durdurabilir ama saldırganın farklı bir yoldan geçmesine izin verebilir.
Yeni başlayan biri AI'ın ürettiği kodun ekranda çalıştığını görür.
Deneyimli bir mühendis ise henüz gerçekleşmemiş arızaları görmeye çalışır.
Bu yüzden AI çağında deneyim değersizleşmek yerine başka bir biçimde değer kazanıyor. Kodun tamamını elle yazmak daha az önemli olabilir; ancak kodun nerede kırılacağını sezmek daha önemli hâle geliyor.
Asıl risk junior geliştiriciler için mi?
Yapay zekânın yazılım sektöründeki en hassas etkilerinden biri, mesleğe giriş basamaklarında görülebilir.
Junior geliştiricilere geleneksel olarak küçük ve sınırları belli görevler verilirdi. Basit hataları düzeltir, küçük özellikler ekler, test yazar ve zamanla daha büyük sistemleri anlamayı öğrenirlerdi.
AI araçları ise tam olarak bu tür görevlerde güçlü.
Şirketler aynı işleri daha hızlı tamamlamak için daha az sayıda giriş seviyesi geliştirici çalıştırmayı seçerse ortaya ciddi bir paradoks çıkar: Sektör deneyimli mühendislere ihtiyaç duyar, ancak yeni mühendislerin deneyim kazanacağı alan daralır.
Anthropic'in kullanıcılarla yaptığı kapsamlı bir araştırmada bazı yazılım geliştiricileri de özellikle junior pozisyonların AI nedeniyle azalmasından endişe ettiklerini söylüyor.
Bu risk gerçek. Fakat çözümü yeni başlayanlara "artık yazılım öğrenmeyin" demek değil.
Çözüm, yazılım eğitimini yalnızca sözdizimi ve görev tamamlama üzerine kurmaktan vazgeçmek.
Yeni geliştiricilerin eskisinden daha erken aşamada sistem tasarımı, hata ayıklama, test, güvenlik, veri modelleme, ürün düşüncesi ve AI çıktısını doğrulama becerileri kazanması gerekiyor.
Eskiden junior geliştiriciye önce kod yazması, yıllar sonra mimari düşünmesi öğretilirdi.
Şimdi mimari düşünmenin temelleri en baştan öğretilmeli.
Coyotiv'in eğitim yaklaşımının merkezinde de bu fikir bulunuyor: Öğrenciye yalnızca bir framework'ün komutlarını öğretmek değil, modern ve kendi kendine yeten bir yazılım mühendisi gibi düşünmeyi öğretmek.
Çünkü framework değişir. Model değişir. Bugün kullanılan AI aracı yarın yerini başkasına bırakır.
Problem çözme biçimi ise kalır.
"Vibe coding" mühendislik değildir
Yapay zekâ ile doğal dil kullanarak hızla uygulama üretme pratiği son dönemde "vibe coding" adıyla popülerleşti.
Bir fikir yazarsınız, model kodu üretir, hata mesajını tekrar modele gönderirsiniz ve sonuç çalışana kadar bu döngü devam eder. Küçük bir prototip, kişisel araç veya fikri sınamak için bu yöntem son derece güçlü olabilir.
Sorun, prototip ile ürün arasındaki fark unutulduğunda başlar.
Bir uygulamanın açılması onun güvenli olduğu anlamına gelmez. Demo sırasında çalışması, gerçek kullanıcıların yükünü kaldıracağı anlamına gelmez. Bir modelin kod hakkında kendinden emin konuşması, kullandığı kütüphanenin gerçekten var olduğu anlamına gelmez.
Vibe coding yazılım üretmenin giriş bariyerini düşürüyor. Bu iyi bir şey.
Ancak giriş bariyerinin düşmesi, mühendislik bariyerinin ortadan kalktığı anlamına gelmiyor.
Herkes birkaç saat içinde bir köprü maketi oluşturabilir. İnsanların üzerinden geçeceği köprüyü inşa etmek başka bir iştir.
Geleceğin geliştiricisi ne yapacak?
Yapay zekâ kod yazdıkça geliştiricinin işi ekrandan uzaklaşmayacak. Fakat ekranın üzerinde bulunduğu soyutlama seviyesi değişecek.
Geleceğin geliştiricisi her satırı kendisi yazmak yerine:
Problemi açık biçimde tanımlayacak.
Büyük bir sistemi küçük ve denetlenebilir parçalara ayıracak.
Hangi görevde hangi modelin, aracın veya klasik yazılım yönteminin kullanılacağına karar verecek.
AI ajanlarının kullanacağı araçları ve erişim sınırlarını tasarlayacak.
Üretilen kodu test edecek, güvenlik açıklarını arayacak ve performansını ölçecek.
Birden fazla modelin, API'ın, veritabanının ve insan kararının yer aldığı iş akışlarını yönetecek.
Sistem hata verdiğinde yalnızca hatayı düzeltmeyecek, neden o hatanın mümkün olduğunu anlayacak.
En önemlisi, teknolojinin yapabilecekleriyle insanların gerçekten ihtiyaç duydukları arasında bağ kuracak.
Anthropic'in ilk ekonomik endeksinde AI kullanımının yüzde 57'si insanın yeteneklerini destekleyen işbirliği, yüzde 43'ü ise görevin doğrudan otomasyonu olarak sınıflandırılmıştı. Daha sonraki veriler otomasyon oranının yükseldiğini gösterse de yapay zekânın önemli bir bölümü hâlâ insanlarla birlikte çalışmak için kullanılıyor.
Bu oranların zamanla değişmesi muhtemel. Ancak ayrım önemli: Yapay zekâ yalnızca insanın yaptığı işi devralmıyor. İnsan ile makine arasında yeni bir iş bölümü yaratıyor.
Bu iş bölümünde en güçlü konum, AI'ın yapabildiğini inkâr edenlerin de her kararını ona bırakanların da olmayacak.
En güçlü konum, onu yönetebilenlerin olacak.
Yazılım öğrenmek hâlâ mantıklı mı?
Bugün yazılım öğrenmeye başlayan birinin 2015'teki programı izlemesi mantıklı değil.
Yalnızca sözdizimi ezberlemek, onlarca küçük alıştırma tamamlamak ve birkaç standart uygulamayı kopyalamak artık yeterli olmayabilir. Çünkü yapay zekâ bunların çoğunu hızla yapabiliyor.
Ama buradan yazılım öğrenmenin gereksiz olduğu sonucu çıkmaz.
Tam tersine, yapay zekâ tarafından üretilen sistemlerin nasıl çalıştığını anlayacak insanlara daha fazla ihtiyaç doğuyor.
Bir modelin yazdığı kodu değerlendirebilmek için kod bilmeniz gerekir. Bir veritabanı tasarımının neden sorunlu olduğunu görmek için veri modellemeyi anlamanız gerekir. Bir ajanın gereğinden fazla yetkiye sahip olduğunu fark etmek için güvenlik bilgisine ihtiyaç duyarsınız.
AI'ı kullanabilmek ile AI'ın yaptığı işi anlayabilmek aynı şey değildir.
Sürücü koltuğunda oturmak için motoru sıfırdan üretebilmeniz gerekmez. Ancak frenin ne işe yaradığını bilmeden de güvenli biçimde araç kullanamazsınız.
Bu nedenle yazılım eğitiminin hedefi artık yalnızca "kendi başına kod yazabilmek" olamaz.
Hedef, kodu insan ya da makine yazmış olsun, çalışan bir sistemi anlayabilmek, kurabilmek ve yönetebilmek olmalı.
Peki yapay zekâ yazılım mühendislerinin işini elinden alacak mı?
Bazılarınınkini alacak.
Özellikle işi tekrar eden talimatları koda çevirmekten ibaret olan, çıktısını denetlemeyen ve kullandığı araçların arkasındaki mantığı öğrenmeyen geliştiriciler daha büyük risk altında.
Fakat yapay zekâ, yazılım mühendisliğine duyulan ihtiyacı ortadan kaldırmayacak. Yazılım üretmenin maliyetini düşürerek daha fazla şirketin, daha fazla insanın ve daha fazla sektörün yazılım geliştirmesini sağlayacak.
Bunun sonucunda kod miktarı azalmak yerine artabilir. Her cihaz, her şirket ve her iş süreci giderek daha fazla yazılıma ihtiyaç duyabilir.
Sorun artık kodu kimin yazacağı değil.
Hangi kodun yazılması gerektiğine kimin karar vereceği.
Yapay zekâ çok hızlı bir üretici olabilir. Ama neyin üretilmeye değer olduğunu kendi başına bilemez. Bir işletmenin gerçek ihtiyacını, kullanıcının yaşadığı hayal kırıklığını veya yanlış bir kararın toplumsal sonucunu kendiliğinden anlayamaz.
Bunları tanımlamak hâlâ insana düşüyor.
Armağan Amcalar ve Coyotiv'in yaklaşımı bu nedenle ne yapay zekâyı küçümsüyor ne de yazılımcının sonunun geldiğini ilan ediyor.
Daha zor ama daha gerçekçi bir şey söylüyor:
AI yazılımcının yerini almayacak. Yazılımcının ne olduğu fikrini değiştirecek.
Sadece kod yazan geliştirici geride kalabilir.
Ama problemi anlayan, çözümü tasarlayan, yapay zekâyı yöneten ve ortaya çıkan sistemin sorumluluğunu üstlenen mühendis, hiç olmadığı kadar önemli hâle gelecek.