Flux’un AI Kod Oluşturma Gerçeklik Kontrolü, Şirketlerin AI ile Üretilen Kodu Anlayıp Gönderebildiği Kadar Güvenle Tanımlanacağını Gösteriyor

Flux’un yeni AI Kod Oluşturma Gerçeklik Kontrolü raporu, Dimensional Research tarafından yapılan bağımsız bir araştırma temelinde, AI tarafından oluşturulan kodun artık deneysel aşamadan çıkıp büyük ölçekli yazılım geliştirme süreçlerine dahil olduğunu gösteriyor. Beş kıtada 309 mühendislik lideri ve uygulayıcıyla yapılan anket, organizasyonların %44,7’sinin zaten üretim aşamasında AI tarafından oluşturulan kodu kullandığını, %35,0’inin ise AI’ı kod yazmak için kullandığını ancak henüz göndermediğini ortaya koyuyor.

AI Tarafından Oluşturulan Kod Standart Hale Geldi, Ancak Güven Onayla Eşliğinde Gelişmedi

Rapor, mühendislik ekiplerinin AI’ı kod yazmak için kullanıp kullanmayacağı konusunda artık bir tartışma olmadığını net bir şekilde ortaya koyuyor. Bu değişiklik zaten gerçekleşmiştir. Daha önemli soru, organizasyonların AI tarafından üretilen artan kod miktarını anlamak, incelemek, güvence altına almak ve yönetmek için yeterli olup olmadığıdır.

Sadece küçük bir paydaş grubu masih kenarda duruyor. %44,7’si üretim aşamasında AI tarafından oluşturulan kodu kullanırken ve %35,0’i üretim dışında kullanırken, %16,2’si AI tarafından oluşturulan kodu önümüzdeki 12 ay içinde kullanmayı planlıyor ve %4,2’si daha sonra kullanmayı planlıyor. Pratik anlamda rapor, neredeyse evrensel bir benimseme yaklaşmakta olduğunu ancak dağıtım güveninin hala düzensiz olduğunu gösteriyor.

Bu tereddüt, verimlilik eksikliğinden kaynaklanmıyor. Görünürlükten kaynaklanıyor. Flux, bunu “AI görünürlüğü açığı” olarak tanımlıyor: ekipler artık kod üretebilir, ancak aynı hızda güvenle inceleyip, bağlamlaştırıp ve kontrol edemezler.

AI İlk Olarak Düşük Riskli, Tekrar Eden İşlerle Güvenilir

En güçlü benimseme, desenlerin öngörülebilir olduğu ve hataların daha kolay içerilebileceği alanlarda gerçekleşiyor. Rapor göre, mühendislik ekipleri AI tarafından oluşturulan kodu en çok belgeleme için %68,7, birim testi için %65,9 ve basit fonksiyonlar için %57,7 kullanıyor. Kod inceleme de %57,7’de görünürken, %50,4’ü AI’ın yeni özellikler oluşturmak için kullanıldığını söylüyor.

Dağılım ifşa edici. Organizasyonlar, çekirdek mimari veya kritik iş akışlarını AI’a teslim etmiyor. Tekrar eden, yapılandırılmış görevlerle başlıyorlar, burada AI, monoton işleri azaltabilir ve hızı artırabilir, ancak büyük ölçekli iş riski hemen ortaya çıkmaz.

Verimlilik kazanımları gerçek. AI tarafından oluşturulan kodu kullananların %67,1’i artan verimlilik, %61,8’i daha hızlı prototipleme, %58,5’i daha iyi belgeleme ve %48,4’ü azaltılmış geliştirme maliyetleri rapor ediyor. Ancak rapor, kalite konusunda beklenti ile gerçeklik arasında bir boşluk olduğunu da gösteriyor. AI tarafından oluşturulan kodun hataları azaltacağına inanan olmayan kullanıcıların %47,6’sı, ancak yalnızca %34,6’sı gerçekten daha az hata gördüğünü söylüyor.

Kod Yazma Aşamasından Kod İnceleme Aşamasına Geçiş

AI, kod oluşturmayı kolaylaştırdı, ancak bu, inceleme, test ve risk yönetimi üzerinde daha fazla baskı oluşturdu. Katılımcıların neredeyse %80’i zamanlarının en az %10’unu kod incelemesine ayırıyor ve yaklaşık her on kişiden biri zamanlarının %41’inden fazlasını kod incelemesine ayırıyor.

Bu önemli çünkü AI tarafından oluşturulan kod, yazılım geliştirme ritmini değiştiriyor. Daha fazla kod üretilebilir, çekme istekleri artabilir ve inceleyiciler, bir şeyin nasıl veya neden oluşturulduğu hakkında menos bağlamda olabilir. Rapor, kod tabanındaki değişiklikleri anlamadaki en büyük zorlukların karmaşık kod (%53,7), farklı geliştirme ekiplerinin farklı yaklaşımlar kullanması (%46,3), kötü belgeleme (%43,0) ve büyük miktarda değişiklik (%37,9) olduğunu buldu.

Bu, riskin teorik olmaktan çıkıp gerçek bir sorun haline geldiği yer. Haftadan haftaya hangi değişikliklerin en zor tespit edildiği sorulduğunda, katılımcılar güvenlik sorunlarına (%49,2), bağımlılık değişikliklerine (%47,7) ve performans etkilerine (%44,1) işaret etti. Bunlar küçük endişeler değil; bunlar, üretim olayları, uyumluluk açığı veya uzun vadeli teknik borç oluşturabilecek değişikliklerdir.

AI Tarafından Oluşturulan Kod Açıkça Daha İyi veya Kötü Değil, Ancak Farklı

İlginç bulgulardan biri, katılımcıların AI tarafından oluşturulan kodun insan tarafından yazılan koddan daha fazla sorun yaratıp yaratmadığı konusunda bölünmüş olması. %32,9’u AI tarafından oluşturulan kodun biraz veya önemli ölçüde daha fazla sorun yarattığını, %33,4’ü daha az sorun yarattığını ve %29,7’si aynı miktarda sorun yarattığını söylüyor.

Bu bölünme, AI tarafından oluşturulan kodun etkisinin, kodun etrafındaki ortamdan büyük ölçüde etkilendiğini gösteriyor. AI kodu, güçlü inceleme uygulamaları, test kapsamı, güvenlik araçları ve yönetim ile birleştirildiğinde iyi performans gösterebilir. Hız için benimseme sistemlerini güncellemeden AI kodunu benimseyen organizasyonlarda daha fazla sorun yaratabilir.

Rapor, organizasyonların raporladığı olumsuz etkiler, sürtüşmenin nerede ortaya çıktığını gösteriyor. %41,1’i junior geliştiriciler için öğrenme fırsatlarının azalmasına, %32,6’sı AI tarafından oluşturulan kodun istenen işlevselliği sağlamadığına, %31,6’sı意外 bağımlılıklara, %31,6’sı güvenlik açıklarına ve %29,5’i AI tarafından oluşturulan kodun hatalarını bulmasının zor olduğuna işaret ediyor.

AI Kod Riski Mühendislik Ötesine Geçti

Rapor ayrıca, AI tarafından oluşturulan kodun artık yalnızca bir mühendislik yönetimi sorunu olmadığını, bir şirket risk konusu haline geldiğini gösteriyor.

Güvenlik ekipleri, %62,5’lik bir oranla en çok endişe duyan paydaş grubu olarak belirtiliyor. Uyum, %51,5 ile takip ediyor ve %46,9’u CTO veya CIO liderliğini, %40,8’i ise hukuk ekiplerini işaret ediyor. Endişe, operasyonlara, QA’ya, ürün yönetimine, CEO’lara, müşteri başarısına ve hatta pazarlamaya kadar uzanıyor.

Bu genişleyen paydaş haritası, daha büyük bir değişimi yansıtıyor. AI tarafından oluşturulan kod üretim aşamasına ulaştığında, sonuçları veri korumasını, müşteri deneyimini, güvenlik durumunu, denetlenebilirliği ve sözleşmesel yükümlülükleri etkileyebilir. Kod, mühendislik organizasyonu içinde yazılsa da risk, iş boyunca dağılıyor.

Güvenlik Önlemleri Üretim Altyapısının Temelini Oluşturuyor

Şirketler, yeni güvenlik önlemlerine yatırım yaparak buna already tepki veriyor. Rapor, %45,6’sının kod kalitesi analiz araçlarına, %39,0’inin otomatik kod inceleme araçlarına, %38,5’inin statik uygulama güvenlik testine, %35,9’unun yazılım bileşen analizine, %32,3’ünün etkileşimli uygulama güvenlik testine ve %31,3’ünün belirli kod asistanları için eğitim sınıflarına yatırım yaptığını buldu.

Süreç değişiklikleri de yaygın. %57,4’ü AI tarafından oluşturulan kodu kullanımını düzenleyen politikalar getirdi, %49,2’si AI tarafından oluşturulan kodu kullanma konusunda eğitim gerektirir, %45,1’i kod incelemelerini daha güçlü hale getirdi ve %40,5’i kod incelemesine odaklanmak için daha fazla geliştirici atadı.

Bu yatırımlar boşlukta değil. Sadece %3,6’sı AI tarafından tanıtılan sorunların üretim aşamasına hiç ulaşmadığını söylüyor. Buna karşılık, %4,6’sı sık sık ulaştığını, %30,3’ü bazen, %31,8’i ara sıra ve %23,6’sı nadiren ulaştığını söylüyor. Diğer bir deyişle, AI tarafından oluşturulan kodu kullanan çoğu organizasyon için üretim etkisi zaten tekrarlanan bir gerçeklik.

AI Kodlama’nın Sonraki Aşaması Kontrol Hakkında Olacak

Rapor ayrıca bir paradoksü yakalıyor: birçok mühendislik lideri, AI’ın artan kod inceleme yükünü, AI’ın kendisi tarafından oluşturulan yükü çözmeye yardımcı olabileceğine inanıyor. %64,9’u AI’ın en az bazı kod inceleme yönlerinde insanları aşabileceğine inanıyor, %21,1’i katılmıyor ve %14,0’i görüş bildirmiyor.

Katılımcılar, AI’ın, uniform standartları uygulamada ve daha kapsamlı bir analiz sağlayarak, insanlardan daha güçlü olabileceğine inanıyor, her ikisi de %57,4. Ayrıca, kod tabanları genelinde desenleri tanımlamada (%53,3), daha hızlı geri bildirimde (%51,8), daha fazla sorunun tespitinde (%49,7) ve 24/7 erişilebilirlikte (%48,2) daha güçlü olabileceğine işaret ediyorlar.

Bu, yazılım geliştirmede şirketlerin AI benimsemesinin bir sonraki aşamasına işaret ediyor. AI, sadece daha fazla kod yazmayacak, aynı zamanda kod değişikliklerini incelemek, sınıflandırmak, önceliklendirmek ve yönetmek için giderek daha fazla kullanılacak. Kazananlar, en fazla kodu üreten ekipler olmayacak, değişenlerin, riskin birikebileceği yerlerin ve insan kararlarının hala önemli olduğu yerlerin en net resmini oluşturan ekipler olacak.

AI Kod Oluşturma Gerçeklik Kontrolü, Gerçek Şirket Sorununu Gösteriyor

Flux’un raporu sonunda, mühendislikte AI benimsemesinin daha olgun bir aşamasına işaret ediyor. Kod kendisi artık zor partie değil. Daha zor problem, görünürlük, inceleme kapasitesi, yönetim ve güvendir.

AI tarafından oluşturulan kod, anket yapılan organizasyonların neredeyse yarısında üretim aşamasına ulaştı, ancak kod etrafındaki destekleyici sistemler hala yetişmeye çalışıyor. Mühendislik liderleri için sonuç açık: AI kodlama, geliştirme hızını artırabilir, ancak yalnızca organizasyonlar üretim sistemlerini güvenilir tutmak için gerekli güvenlik önlemlerini, bağlamı ve hesap verebilirliği aynı oranda ölçeklendirebildiği sürece. AI Kod Oluşturma Gerçeklik Kontrolü raporunun da gösterdiği gibi, AI destekli yazılım geliştirmenin geleceği, AI’ın üretebileceği kod miktarı ile değil, şirketlerin kodunu nasıl güvenle anladığı ve gönderdiği ile tanımlanacak.