Yazılım Notları
AI çağında yazılım üzerine 52 konunun Türkçe notları. Her konuda bir özet, bir tez, çıkarımlar ve kaynaklar var.
Şirketlerde AI Dönüşümü
Diğer bütün konuların buluştuğu yer: sektör sektör şirketlerin ve çalışanların AI ile nasıl değiştiği, nereden başlanacağı, neyin ölçüleceği.
1 konuSecurity ve Governance
Agent'a kimlik, yetki ve sınır vermek; kurumda kuralları koymak; üretilen kodun sahipliği.
6 konuKurumsal AI Adoption Deneyimi: Mimari ve YönetişimKurumda AI'ı ölçeklemenin darboğazı model değil; erişimi, veriyi, maliyeti ve sorumluluğu tek bir kontrol düzleminden yöneten mimari ve yönetişimdir. 2026'da bu kontrol düzlemi model çağrılarının yanında MCP tool çağrılarını da kapsamak zorunda.Bir AI Takım Arkadaşını Onboard Etmek: Security, Authorization ve GovernanceBir AI ajanını işe alırken ona bir insan çalışana gösterdiğin özeni göster: kendi kimliği, sınırlı yetkisi, bir sorumlusu ve her adımı izlenen bir kaydı olsun. 2026'da bunu yapmanın araçları artık standart ve ürün olarak hazır.Kimsenin Yazmadığı Kodun Sahibi Kim?AI'ın yazdığı kodun yazarı belirsizleşse de sorumlusu belirsizleşemez; sahiplik, merge eden ekip ve onu işleten organizasyon üzerinde kalır.Prompt Injection'dan Permission Boundary'ye: AI Agent'lar için GüvenlikPrompt injection 2026'da da tamamen engellenemiyor; agent güvenliği, model kandırıldığı gün bile hasarı sınırlayan yetki sınırlarını altyapıda çizmektir.Güven Bir Protokol Değildir: AI Agent'larını, MCP'yi ve Gateway'leri Güvenli Hale GetirmekMCP bağlantı standardı sunar, güven sunmaz; 2026-07-28 spesifikasyonu yetkilendirmeyi sıkılaştırsa da Agent güvenliği kimlik, Least Privilege, gateway politikası ve araç tedarik zinciri kontrolüyle ayrıca kurulmalı.Kritik Sistemlerde AI Modeli Geliştirmek ve Çalıştırmak: Açıklanabilir, Denetlenebilir ve Güvenilir Model TasarımıKritik sistemde güven, doğru modelden değil; belirsizliğini bilen, açıklamasını izleyen, gerektiğinde insana devreden, durabilen ve her kararı kaydeden karar zincirinden gelir.
Strateji, Ekonomi ve Kariyer
AI'ın maliyeti, iş değeri, CTO bakışı ve geliştiricinin değerini koruması.
7 konuAI Herkesi Hızlandırdı, Ama Herkesi UcuzlatmadıAI geliştiriciyi hızlandırdı ama 2026 verisi inceleme, hata, olay ve token maliyetlerinin daha hızlı büyüdüğünü gösteriyor; yazılım üretmenin toplam maliyeti kendiliğinden düşmüyor.AI ile Uygulama Yapmak Kolaylaştı, Başarı Neden Zorlaşıyor?Uygulama üretmenin maliyeti çökerken dikkat, dağıtım ve kullanıcıyı elde tutma pahalılaştı; 2026'da mağaza da kalabalığa kuralları sıkılaştırarak yanıt veriyor, darboğaz kodda değil pazarda.Sesten Sinyale, Sinyalden Aksiyona: Havacılıkta AI Destekli Müşteri İçgörüsüHavayolu çağrısı doğru boru hattıyla yazıya, yazı sinyale, sinyal de sahibi belli bir aksiyona dönüşür; 2026'da sesli AI çağrıyı canlı çözmeye başlasa da tekrar eden sorunu kapatan şey hâlâ bu zincir.CTO Perspektifinden AI Dönüşümü: Strateji, Mimari ve İnsanCTO için AI dönüşümü bir araç alımı değil; yatırım önceliği, teslimat sisteminin dayanıklılığı ve ekip yapısının birlikte yeniden kurulmasıdır. 2026'da en zor kısım, kazancı güvenilir biçimde ölçebilmek.AI Çağında Yazılımcı Değerini Nasıl Korur?Kod yazmanın maliyeti düştükçe yazılımcının değeri, neyin yazılacağına karar vermek, doğrulamak ve sonucun sorumluluğunu taşımakta yoğunlaşıyor.AI'ın Otomatikleştiremeyeceği 4 Developer BecerisiKod yazmak ucuzladıkça değer; problemi doğru çerçevelemeye, ödünleşim kararına, doğrulamaya ve insanlarla hizalanmaya kayıyor. Ekim 2026 verisi bunu destekliyor: AI her yerde, ama önemli kararlarda ona güvenen geliştirici yüzde 7 civarında.Üretkenlik Yanılsaması: AI Geliştiriciler İçin Gerçekte Neyi Değiştirdi?AI geliştiricinin hissettiği hızı ölçülen teslimattan daha çok artırdı; kazanç kod yazmada toplanırken maliyet review, doğrulama ve öğrenmede birikiyor.
Spec, Domain ve Disposable Code
Kod ucuzlarken kalıcı kalanlar: niyet, Spec, domain modeli ve şirket bilgisinin yapısı.
5 konuHiçbir LLM Şirketinizi Tanımıyor: Ontology'den Harness'a, Modeli Şirketinizle TanıştırmakGenel amaçlı LLM'ler şirketinizi tanımaz; şirket bilgisini bir ontology ve semantic layer ile yapılandırıp bunu tool, context ve eval'den oluşan bir harness ile modele bağlamak gerekir. 2026'da bu iki katman ayrı disiplinler olarak standartlaştı.Spec-Driven Development: Milyarlarca Sterlinlik Ödeme Trafiğinden DerslerÖdemede hata sadece bug değil, kayıp paradır; bu yüzden önce davranışı yazılı sözleşmeye dökmek, sonra kodu ve AI Agent'larını o sözleşmeye bağlamak gerekir. 2026'da Agent'ların kendisi ödeme başlatmaya başladığı için Spec'in kapsamı da genişledi.AI Çağında Domain AnaliziAI kod yazmayı hızlandırdıkça darboğaz 'ne yazmalı' sorusuna kayıyor; 2026 verileri de kazancın basit, yeni işlerde yoğunlaştığını gösteriyor. Domain analizi bu sorunun cevabını üreten, AI'ın destekleyip yerine geçemediği iş.Atılabilir Kod, Kalıcı Domain: Spec-Driven Development'ın Eksik KatmanıAI kodu ucuzlattıkça kod atılabilir hale geliyor; Spec araçları 2026'da olgunlaşsa da kalıcı kalması gereken şey, spec'lerin atıf yaptığı, repo içinde sürümlenen ve göreve göre yüklenen domain modeli.Kod Tek Kullanımlık Hale Geldiğinde: Niyet, Test, Domain Modeli ve Mimari KararlarKod yeniden üretilebilir hale geldikçe değer niyete, testlere, domain bilgisine ve mimari kararlara kayıyor; bunları yazılı ve doğrulanabilir tutan ekip kazanır.
Agent'lar ve Orchestration
Agent'ları kurmak, birbirine bağlamak, izlemek ve geliştirme sürecinin merkezine taşımak.
11 konuAI Agent'lar için Observability: Bir AI Agent'ı Nasıl Debug Edersiniz?Ajanı log satırlarıyla değil, her model çağrısını, araç çağrısını ve kararı tek bir trace'te birleştirip eval ile ölçerek debug edersiniz; 2026'da ekiplerin çoğu tracing'i kurdu, eval tarafı hâlâ geride.Production'da Agent Orchestration: Tools, Memory ve StateÜretimdeki ajan, iyi bir prompt'tan çok iyi tasarlanmış araçlar, bilinçli yönetilen hafıza ve çökmeye dayanıklı durum yönetimi demektir; 2026'da MCP'nin durumsuz hale gelmesi durumu kesin olarak orkestrasyon katmanına taşıdı.AI Destekli Geliştirmeden AI Güdümlü GeliştirmeyeAI destekli geliştirmede insan yazar, AI önerir; AI güdümlü geliştirmede Agent yazar, insan hedefi, sınırları ve kabul kriterini belirleyip doğrular. 2026'da Agent'lar IDE'nin içine girdi, güven ise hâlâ doğrulamaya bağlı.SDLC'nin Sonraki Evrimi: ADLC (Agent Development Lifecycle)ADLC iki şeyi birden anlatıyor: agent üretmenin yaşam döngüsü ve yazılımı agent'larla üretmenin yaşam döngüsü; 2026'da ikisi de araçlaştı, ortak merkezleri hâlâ eval ve kapanan öğrenme döngüsü.MCP Apps'e Hızlı Bakış: Tool'lar Artık Sohbet İçinde Arayüz DöndürüyorMCP Apps, MCP sunucularının araç sonucunu düz metin yerine sohbetin içinde çalışan sandbox'lı etkileşimli bir HTML arayüzüyle döndürmesini sağlayan resmi uzantı; Ekim 2026 itibarıyla Claude, ChatGPT, VS Code GitHub Copilot, Microsoft 365 Copilot ve Cursor dahil geniş bir host yelpazesinde destekleniyor.Kodun Ötesinde: AI Agent'larıyla Üreten İş Analistleri ve Mimari Sonuçlarıİş analistleri AI Agent'larıyla çalışan prototip üretebiliyor; bunun sürdürülebilir olması için platform, veri erişimi ve teslim yolu baştan mimariyle çerçevelenmeli, çünkü 2026'da sorun artık üretim değil, üretilenin bakımı.Agent'ınızın Bir Yuvaya İhtiyacı Var: Memory, State ve Governance Verinin YanındaAgent'ın memory, state ve yetkisi ayrı servislere dağıldıkça maliyet ve denetim açığı büyür; bunları verinin zaten yaşadığı veritabanına taşımak 2026'nın yükselen mimari tezi.Skill'lerden Agent Takımlarına: Hangi İş Hangi Basamakta Çözülmeli?Skill'ler Agent'a ne bileceğini, subagent'lar işi nasıl böleceğini, Agent takımları birbirleriyle nasıl konuşacaklarını tanımlar; her basamak daha fazla token ve koordinasyon bedeli ister, bu yüzden çoğu ekip için doğru durak ilk basamaktır.Bankacılıkta Demodan Operasyona Agent SüreçleriBankada Agent kurmak işin kolay kısmı; zor olan onu binlerce çalıştırmada doğru, izlenebilir, versiyonlu ve denetlenebilir tutan ortak platform ve operasyon disiplini.Mobil Teslimatı AI Takım Arkadaşıyla ÖlçeklemekMobil teslimatı AI takım arkadaşıyla ölçeklemenin yolu, önce imzalama ve sürüm hattını deterministik otomasyona bağlamak, sonra ajanı bu hattın operatörü yapmaktır.Omarchy 101: Geliştiriciler için Agent Destekli Linux MasaüstüAgent destekli geliştirici ortamı, makineyi agent'ın okuyup değiştirebildiği metin konfigürasyonuna çevirir; bunu güvenli kılan şey snapshot, sandbox ve dar çalışma alanıdır.
Mobil Mühendislik
iOS ve Android'de mimari, modernizasyon, on-device AI, büyük ölçekli migration ve erişilebilirlik.
7 konuYeni Nesil Mobil Uygulamaların MimarisiYeni nesil mobil uygulama; cihazda ve özel bulutta çalışan AI, sunucudan yönetilen arayüz, modüler kod ve çevrimdışı öncelikli veriyi bilinçli seçilmiş dengelerle birleştiriyor.Büyüyen Android Uygulamalarında Kod Tabanı Evrimi: Mimari Yapılanma, Compose Pratikleri ve Kalite MetrikleriBüyüyen bir Android kod tabanı, mimari kuralları otomatik denetlenen modüllerle, ölçülen Compose performansıyla ve Play eşiklerine bağlı kalite metrikleriyle sağlıklı kalır; Agent'lar kod yazdıkça bu kuralların CI'da yaşaması zorunlu hâle geliyor.Code Migration Assistant: Agentic Mimariyle Bankacılık Ölçeğinde Mobil ReplatformingBankacılık ölçeğinde mobil replatforming, tek bir akıllı model yerine doğrulayıcılarla çevrili, insan onaylı, adım adım çalışan bir Agent hattıyla yönetilebilir; 2026 verisi de basit modüllerde hızın, karmaşık modüllerde doğrulamanın belirleyici olduğunu gösteriyor.Eski iOS Uygulamalarını Modernize Etmek: SwiftUI, Swift Concurrency ve Observation'a Kademeli GeçişiOS modernizasyonu bir yeniden yazım projesi değil; iOS 27 SDK takvimine karşı SwiftUI, Swift Concurrency, Observation ve UIScene'i ekran ekran, ölçerek ve geri dönülebilir adımlarla sokma işidir.Lokal LLM, Cloud Modellere Alternatif Olabilir mi? Mobil Geliştirici Gözünden Karar ÇerçevesiLokal LLM, cloud modelin yerini almıyor; dar, sık ve gizlilik hassas görevlerde onu ucuzlatan ve hızlandıran ilk katman oluyor. 2026'da iki platform da bu hibrit deseni API seviyesinde benimsedi.Bir iOS Uygulamasını Geleceğe Hazırlamak: Modularization, Build Performance ve Developer ExperienceBir iOS uygulamasını geleceğe hazırlamak, modül sınırlarını netleştirip Build Time'ı ölçülen bir ürün metriği gibi yönetmek demektir; Xcode 27'de Agent'lar her doğrulamada derleme yaptığı için bu süre artık hem insanın hem Agent'ın hızını belirliyor.Erişilebilir Ama Nasıl? Herkes İçin Kullanılabilir Mobil Uygulamalar GeliştirmekMobil erişilebilirlik artık iyi niyet değil; Türkiye'de bankalar ve hastaneler için uyum tarihi Haziran 2026'da geçti, AB'de standart WCAG 2.2'ye güncellendi. Asıl iş onu tasarım ve test sürecine gömmek.
Mimari ve Dağıtık Sistemler
System design temelleri, dağıtık sistem teorisi, şema evrimi, dil geçişleri ve veri egemenliği.
7 konuSovereign Cloud ve AI: Bulutu ve AI'ı Verinin Olduğu Yere GetirmekSovereign cloud ve AI, veriyi buluta taşımak yerine bulut ve model yeteneklerini verinin bulunduğu hukuki ve fiziksel sınırların içine getirme yaklaşımı; 2026'da hiper ölçekli egemen bölgeler, hava boşluklu Gemini ve AB'nin egemenlik seviyeleri tanımlayan düzenleme önerisiyle somut bir satın alma kriterine dönüştü.System Design Araç Kutusu: Kapasite, Cache, Kuyruk, Tutarlılık ve DayanıklılıkSystem design bir ezber diyagramı değil; sayı tahmini, ölçekleme, cache, kuyruk, tutarlılık ve dayanıklılık araçlarından doğru olanı seçme becerisidir ve kodu Agent yazdıkça bu seçimin ağırlığı artıyor.Büyük Ölçekte Kendini Onaran GPU Filosu: Tespit, Drain, Remediation ve Otomasyonun FrenleriBinlerce GPU'da arıza istisna değil sabit bir orandır; kazanan ekip arızayı önleyen değil, tespit-boşalt-onar döngüsünü otomatikleştirip otomasyonu da frenleyen ekiptir.Production'ı Bozmadan Breaking Change: Event Upcasting ve Schema EvolutionEvent sourcing'de geçmiş değiştirilemez; şema değişikliklerini eski event'leri okurken dönüştüren upcaster'lar ve disiplinli versiyonlamayla yönetirsiniz, 2026'da yaygınlaşan Dynamic Consistency Boundary yaklaşımında da bu kural değişmiyor.Biraz Dağıtık Düşünelim: Dağıtık Sistemlerin Teorik TemelleriCAP, PACELC, FLP ve mantıksal saatler dağıtık sistemde neyin imkânsız olduğunu söyler; iyi mimari bu sınırları bilerek seçim yapmaktır ve 2025-2026'nın büyük kesintileri bunu yeniden gösterdi.Projeleri Go'ya Taşımanın Gizli ZorluklarıGo'ya geçişte asıl zorluk sözdizimi değil; hata yönetimi, eşzamanlılık modeli, kütüphane kültürü ve ekip alışkanlıklarının sessizce çatışması. Ekim 2026'da güncel sürüm Go 1.27; eski operasyon tavsiyelerinin çoğu artık geçersiz.TabiBERT: Türkçe İçin Büyük Ölçekli ModernBERT Foundation ModelTürkçe metni sınıflandırmak ve aramak için LLM değil, Türkçeye özel eğitilmiş modern bir encoder gerekir; TabiBERT bu temeli açık ağırlık ve ortak benchmark ile kurdu.
Kalite, Test ve Operasyon
Test, review ve veritabanı operasyonunda AI'ın getirdiği yeni yöntemler ve yeni riskler.
8 konuYazılım Kalitesinin Geleceği Zaten BuradaAI ile kod üretimi hızlandıkça kalite, test yazma işinden çıkıp 'neyin doğru olduğunu kim, nasıl kanıtlıyor' sorusunu yöneten bir mühendislik disiplinine dönüşüyor. 2026'da bunun adı konuldu: verification tax.RLAIF ile Fine-Tuning ve Pre-Training'de İnsan Darboğazını KaldırmakRLAIF insan etiketini döngüden çıkarmaz, yerini değiştirir: insan rubriği ve altın seti yazar, AI judge ölçekler; insan çapası kalkarsa model kendi hatasını öğrenir.Uzun Yaşayan PR'lar, Kısa Yaşayan Mimariler: Değişikliğin Boyutu ve ÖmrüHaftalarca açık kalan PR'lar ve sürekli değişen mimariler aynı hastalığın iki belirtisi; 2026'da coding agent'ların PR hacmini artırıp incelemeyi darboğaza çevirmesiyle değişikliği küçük ve geri alınabilir tutmak daha da kritik hale geldi.PostgreSQL Ortamları İçin AI Destekli Teşhis ve DBA Onaylı Çözüm DöngüsüAI, PostgreSQL'de istatistikleri okuyup teşhis ve öneri üretmede hızlı; ama prod'a dokunan her değişiklik ölçülebilir kanıt ve DBA onayıyla uygulanmalı, PostgreSQL 19'un yeni araçları bu döngüyü güçlendiriyor ama yerini almıyor.Tamamen Otonom Pull Request'ler Standardı DüşürmediOtonom Pull Request'i güvenli kılan şey insan onayı değil; riskli değişikliği ayıran sınıflandırma, deterministik kapılar ve revert'ü ölçen geri bildirim döngüsüdür.Agentic Testing: Yazılım Yaşam Döngüsünde Testin Yeni DönemiAgentic testing, testi önceden yazılmış bir betik olmaktan çıkarıp hedefe göre plan yapan, uygulayan ve kendini düzelten bir agent döngüsüne çeviriyor; 2026'da yaygınlaştı ama güven hâlâ insan incelemesinden geliyor.Karanlık Kodu Çalıştırın: Agent'ınızın Error Handling'i Neden Hiç Çalışmadı ve Onu Bilerek Nasıl Çalıştırırsınız?Agent'ın retry, fallback ve cleanup kodu hiç tetiklenmediği için test edilmemiş koddur; gerçek hatayı SDK/API sınırında bilerek enjekte etmeden ona güvenemezsiniz.Production'da GenAI Agent'larını Değerlendirmek: Booking.com'dan DerslerProduction'daki agent tek bir doğruluk skoruyla ölçülmez; insan etiketiyle kalibre edilmiş judge'larla sonucu, araç kullanımını ve tekrar tekrar başarabilmesini ayrı ayrı ölçersin.