Yazılım Mühendisliğinde Kodlama Ajanı Devrimi
Abstract views: 32
/ 
PDF downloads: 41
Keywords:
Agentic Coding, Simbiyotik Yazılım Mühendisliği, Dağıtık Biliş, Epistemik Güven, İnsan-AI TakımlarıAbstract
Yazılım geliştirme pratiği, deterministik ve kural tabanlı CASE araçlarının hakimiyetinden, niyet
odaklı (intent-based) ve stokastik çıktılar üreten Agentic Coding sistemlerinin şekillendirdiği yeni bir
paradigmaya dönüşmektedir. Bu çalışma, söz konusu süreci teknik bir verimlilik optimizasyonu olarak
değil, yazılım mühendisliği pratiğini ve profesyonel kimliğini temelden yeniden yapılandıran ontolojik bir
kırılma olarak ele almaktadır. Actor-Network Theory (ANT) ve Dağıtık Biliş (Distributed Cognition)
teorilerini sentezleyen bu araştırma, insan geliştiriciler ve AI ajanları arasındaki etkileşimi, statik bir araç
kullanıcı ilişkisinden öte, bilişsel süreçlerin paylaşıldığı "Ortak Bilişsel Sistemler" (Joint Cognitive
Systems) olarak analiz etmektedir. Makale, bu etkileşimin doğasını sınıflandırmak üzere otonomiden
hibrit orkestrasyona uzanan dört katmanlı bir "İş Birliği Spektrumu" sunmaktadır. AI çıktılarının
olasılıksal doğasından kaynaklanan epistemik belirsizlik, "halüsinasyon" riski ve kurumsal düzeyde
sorumluluk difüzyonu gibi kritik problemler tartışılmaktadır. Ayrıca, yazılım ekiplerinin bu yeni aktörlere
adaptasyonunu modelleyen, zamansal dinamiklere dayalı özgün bir Olgunluk Çerçevesi (Maturity
Framework) önerilmektedir. Çalışmanın temel tezi, sürdürülebilir ve verimli bir insan-AI simbiyozunun;
kod üzerindeki geleneksel "yazarlık" (authorship) kavramının yeniden müzakere edilmesine, şeffaf ve
doğrulanabilir güven protokollerinin tesis edilmesine ve geliştiricilerin teknik ustalık ile bilgelik
arasındaki dengeyi yeniden kurmasına bağlı olduğu ile ilintilidir.
Downloads
References
M. Chen et al., “Evaluating Large Language Models Trained on Code,” arXiv preprint, 2021. DOI: 10.48550/arXiv.2107.03374
OpenAI, “GPT-4 Technical Report,” arXiv preprint, 2023. DOI: 10.48550/arXiv.2303.08774
Anthropic, “The Claude 3 Model Family: Opus, Sonnet, Haiku,” Anthropic Technical Report, 2024.
[4] Google, “AntiGravity: Autonomous Coding Environment,” 2025. [Online]. Available: https://antigravity.google/
S. D. Hou et al., "Large Language Models for Software Engineering: A Survey," ACM Transactions on Software Engineering and Methodology, 2024. DOI: 10.1145/3672430
A. Ziegler et al., “Productivity Assessment of Neural Code Generation,” in Proceedings of the 19th International Conference on Mining Software Repositories, 2022. DOI: 10.1145/3524842.3528469
N. Forsgren et al., “The SPACE of Developer Productivity,” Queue, vol. 19, no. 1, pp. 20–48, 2021. DOI: 10.1145/3454122.3454124
H. Pearce, B. Ahmad, B. Tan, B. Dolan-Gavitt, and R. Karri, “Asleep at the Keyboard? Assessing the Security of GitHub Copilot’s Code Contributions,” in 2022 IEEE Symposium on Security and Privacy (SP), 2022. DOI: 10.1109/SP46214.2022.9833633
B. Latour, Reassembling the Social: An Introduction to Actor-Network-Theory. Oxford University Press, 2005.
E. Hutchins, Cognition in the Wild. MIT Press, 1995.
A. Clark and D. Chalmers, “The Extended Mind,” Analysis, vol. 58, no. 1, pp. 7–19, 1998.
E. Hollnagel and D. D. Woods, Joint Cognitive Systems: Foundations of Cognitive Systems Engineering. Taylor & Francis, 2005.
T. B. Sheridan and W. L. Verplank, "Human and Computer Control of Undersea Teleoperators," MIT Man-Machine Systems Laboratory, Tech. Rep., 1978.
R. Parasuraman, T. B. Sheridan, and C. D. Wickens, “A Model for Types and Levels of Human Interaction with Automation,” IEEE Transactions on Systems, Man, and Cybernetics, vol. 30, no. 3, 2000.
B. W. Tuckman, “Developmental Sequence in Small Groups,” Psychological Bulletin, vol. 63, no. 6, pp. 384–399, 1965.
G. Ryle, The Concept of Mind. Hutchinson, 1949.
J. C. Scott, Seeing Like a State: How Certain Schemes to Improve the Human Condition Have Failed. Yale University Press, 1998.
