Agile + AI Paradoksu: Yazılım Geliştirmek Hem Hiç Bu Kadar Kolay, Hem Bu Kadar Zor Olmamıştı

Mühendislik kariyerim boyunca binlerce sprint planladım, sayısız projeyi canlıya aldım. Ancak şu an sektörde yaşadığımız o tuhaf “arayüzde” daha önce hiç bulunmadık. Bir CTO olarak hem masadaki teknoloji liderlerine hem de sahadaki geliştiricilere şunu söylüyorum: Agile metodolojisi ile yazılım üretmek hiçbir zaman bu kadar kolay olmamıştı. Ve inanın bana, hiçbir zaman bu kadar zor olmamıştı.

Agile serimdeki yazılarımı takip edenler benim için sürecin “koddan” ziyade “iletişim ve disiplin” olduğunu bilir. Ancak işin içine Üretken Yapay Zeka (Generative AI) araçları girince oyunun kuralları baştan yazıldı. Gelin bu paradoksu derinlemesine inceleyelim.

Neden Hiç Bu Kadar Kolay Olmamıştı? (Domain Uzmanının Altın Çağı)

Eskiden aklınızdaki bir iş kuralını koda dökmek için devasa syntax (sözdizimi) bilgisine, boilerplate kodların hammaliyesine ve saatler süren StackOverflow aramalarına ihtiyacınız vardı. Bugün durum farklı.

İyi bir Senior veya Lead geliştirici artık bir “kodlayıcı” değil, bir Orkestra Şefi’ne dönüştü. IBM’in son yetenek dönüşümü raporlarına baktığımızda da bunu görüyoruz: Yazılım mühendisliğinde asıl değer artık “nasıl yazılacağını” bilmekte değil, “ne çözüleceğini” bilmekte yatıyor. Geçmiş yazılarımda bahsettiğim Technical Analysis (Teknik Analiz) süreci bugün her şeyden daha değerli; zira analizi doğru olanın kodunu AI zaten saniyeler içinde yazıyor.

Neden Hiç Bu Kadar Zor Olmamıştı? (Logaritmik Beklenti Enflasyonu)

Madem her şey bu kadar kolaylaştı, neden ekiplerimiz hala tükenmişlik (burnout) yaşıyor? Çünkü denklemin diğer tarafında Müşteri Psikolojisi var.

Agile Manifestosu’nun ilk maddesi şöyledir: “En yüksek önceliğimiz, değerli yazılımın erken ve sürekli teslimatı ile müşteriyi tatmin etmektir.”

Müşteri veya şirket içi İş Birimi (Business Unit); arka plandaki entegrasyonu, veri güvenliğini, ölçeklenebilir mimariyi görmez. Sadece ekrandaki yeni butonun çok hızlı eklendiğini görür. Bu durum, bitmek bilmeyen “kapsam kaymasına” (Scope Creep) neden olur. Ekrana bir yeteneği ne kadar çabuk yansıtırsanız, ertesi gün masanıza o kadar vahşi ve test edilmemiş yeni talepler düşer.

Prototip İllüzyonu: “Kod Çalışıyor” Demek “Ürün Hazır” Demek Değildir

İşin en tehlikeli yanı, AI araçlarının inanılmaz iyi birer “Happy Path” (Mutlu Senaryo) jeneratörü olmasıdır. Ancak bir prototipi alıp canlı ortamda yaşayabilen, ölçeklenebilir ve güvenli bir ürüne dönüştürmek, hala ağır bir mühendislik eforu gerektirir.

Gerçek dünyadan masamıza gelen birkaç senaryoyu düşünelim:

• “Denial of Wallet” (Cüzdanın Tükenmesi) Riski: Harika bir AI asistanı (Agent) yazdınız ve API üzerinden bağladınız. Müşteri bunu gördü ve “Muazzam, hemen yayına alalım” dedi. Jednak bir hafta sonu, art niyetli bir bot ağı (veya sistemi manipüle eden bir kullanıcı) bu endpoint’i gereksiz yere binlerce kez tetikledi (abuse/istismar). Yapay zeka kodu size verirken “Buraya katı bir IP Rate Limit ve aylık Token Harcama (Quota/Billing) limiti koymalıyız” demez. Kurumsal mimariyi siz örmezseniz, Pazartesi sabahı uyandığınızda havaya saçılan LLM token’ları yüzünden on binlerce dolarlık devasa bir bulut faturasıyla karşılaşırsınız.
• Spagetti Entegrasyonlardaki Kör Noktalar: Sistemin bir ucunda modern bir AI Agent var, diğer ucunda ise İyzico/Stripe gibi bir ödeme (Payment Gateway) sistemi ve yıllanmış hantal ERP’niz çalışıyor. AI mutlu senaryoyu şıp diye bağlar. Peki ya AI asistanı ödemeyi onaylayıp tam o milisaniyede iç ERP sistemi “Timeout” yerse? Paranızı aldığınız ama faturayı/hizmeti veremediğiniz durumlar için Rollback/Saga pattern’lerini, asenkron mesaj kuyruklarını kurgulamak eskisinden daha bile kritiktir.

Yapay zekanın bütün bu “ürünleştirme” uç vakalarını (edge cases) hesaba katması henüz mümkün değil. Üzerine ter dökmemiz gereken binlerce detay (güvenlik açıklarının kapanması, failover mekanizmaları, audit loglar) masada dururken, paydaşlar prototipin “bitmiş proje” olduğunu zannediyor. İşte mühendisleri asıl ezen şey, arka plandaki bu ağır dağın dışarıdan artık hiç görünmemesidir.

Yeni Dünyada Agile Disiplini: Kapıları Sıkı Kapatmak

Peki bu logaritmik beklenti canavarıyla nasıl başa çıkacağız? İşte tam burada eski, sıkıcı “Agile Disiplinleri” devreye giriyor. Eskiden sadece iyi bir pratik olan Definition of Ready (DoR) ve Definition of Done (DoD), AI dünyasında bizi koruyan yegane çelik yeleklerimizdir:

1. Sprint İptalini veya Scope Creep’i Reddedin: Müşteri işin 1 saatte yapılabileceğini (AI sağ olsun) iddia edebilir. Evet, AI test oluşturmayı, güvenlik kontrol listelerini ve entegrasyon iskeletlerini hızlandırabilir — ancak bu çıktıların her biri üretim sistemine taşınmadan önce insan değerlendirmesi, bağlam bilgisi ve onay gerektirir. Düşünmenin zaman maliyeti, yazmanın zaman maliyetiyle aynı hızda sıkışmıyor. Sprint sınırları katı kalmalıdır. Daily Standup’lar scope creep’i bileşik hale gelmeden önce gerçek zamanlı olarak yakalar.
2. Grooming ve Refinement’ın Önemi: Ekipler kod yazma yükünden kurtulduğu için enerjilerini doğrudan Backlog Refinement (Ürün İş Listesi İyileştirme) seanslarına ayırmalıdır. Ne üreteceğimizi çok, çok net belirlemezsek AI sadece “çok hızlı çöp (garbage fast)” üretir.