Brett Hemenway Falk ve Gerry Tsoukalas’ın Mart 2026 tarihli “The AI Layoff Trap” başlıklı çalışması, yapay zekâ ve istihdam tartışmasına alıştığımız eksenden bakmıyor. Makalenin odağı, “çalışanlar işlerini kaybederse ne olur?” sorusuyla sınırlı değil. Daha sert ve teknoloji liderleri açısından daha rahatsız edici bir soru soruyor:
Şirketler yapay zekâ ile maliyetlerini düşürürken, bir taraftan da kendi ürün ve hizmetlerine olan toplam talebi de düşürüyor olabilir mi?
Bir cuma akşamı production ortamında kritik bir hata çıktığını düşünün. Sistem çalışıyor ama bazı müşteriler sipariş oluşturamıyor. Loglar temiz. Monitoring sistemleri olağan dışı bir şey göstermiyor. Kodun ilgili kısmına bakan ekip üyeleri mantıksal bir problem göremiyor.
Sonra ekipte biri şöyle diyor:
“Ah… bu davranış aslında bilerek böyle yapılmıştı.”
Herkes dönüp soruyor: “Bunu kim yaptı?”
Cevap: “Üç yıl önce ayrılan bir geliştirici.”
O noktada organizasyon bir gerçekle yüzleşiyor. Kod orada olabilir. Ama sistemi gerçekten anlayan kişi artık organizasyonda değildir.
Bu sahne yazılım sektöründe sanıldığından çok daha yaygındır. Tam olarak bu nedenle Baldur Bjarnason’ın “Theory-building and why employee churn is lethal to software companies” yazısı bence yazılım organizasyonları üzerine yazılmış en önemli metinlerden biri.
Çünkü yazının merkezindeki fikir oldukça net:
Yazılım yalnızca kod değildir. Yazılım, ekiplerin zihnindeki kolektif anlayışın çalışan bir dışavurumudur.
Bu yaklaşımın kökeni ise Peter Naur’un yıllar önce ortaya koyduğu “Programming as Theory Building” düşüncesine dayanıyor.
Son birkaç yıldır teknoloji dünyasında sürekli aynı cümleyi duyuyoruz:
“Yapay zeka her şeyi değiştirecek.”
Bu cümle artık o kadar sık tekrarlandı ki, neredeyse anlamını kaybetti. Ama bazen bazı metinler çıkıyor ve size teknolojinin sadece ne yapabildiğini değil, insanlık için ne anlama geldiğini düşündürüyor.
Kyle Kingsbury’nin “The Future of Everything is Lies, I Guess” başlıklı uzun denemesi tam olarak böyle bir metin. Teknik bir makale değil. Bir yatırım sunumu değil. Bir ürün lansmanı hiç değil. Daha çok, yapay zekanın insan hayatına sızarken beraberinde getirdiği kültürel, psikolojik ve toplumsal kırılmaları anlatan karanlık ama dürüst bir düşünce yazısı.
Kök neden analizi, yani RCA (Root Cause Analysis), endüstride uzun yıllardır kullanılan en önemli iyileştirme araçlarından bir tanesi. Üretimden havacılığa, finanstan enerji sektörüne kadar birçok alanda, yaşanan bir problemin gerçek nedenini bulmak ve aynı problemin tekrar yaşanmasını engellemek için RCA süreçleri uygulanıyor.
Temel mantık oldukça basit. Bir sorun yaşandıysa sadece görünen sonucu değil, o sonucu ortaya çıkaran gerçek nedeni bulmak gerekir. Çünkü semptomları düzeltmek ile problemi çözmek aynı şey değildir.
Jevons Paradoksu, bir kaynağın kullanım verimliliği arttığında o kaynağın toplam tüketiminin azalmak yerine artabileceğini ifade eder. İlk bakışta bu durum sezgisel olarak yanlış gibi görünür. Çünkü yaygın beklenti, verimlilik artışının daha az kaynak tüketimine yol açmasıdır. Ancak ekonomik sistemler çoğu zaman sezgisel beklentilerle değil, teşvikler ve davranışlar üzerinden çalışır.
Paradoksun temelinde oldukça basit ama güçlü bir mekanizma vardır. Bir kaynağın daha verimli kullanılması, o kaynağın efektif maliyetini düşürür. Maliyet düştüğünde ise talep artar.
Agent sistemleriyle ilgili konuşurken çoğu ekip hala aynı varsayımla ilerliyor: eğer kod doğruysa sistem güvenlidir. MCP ile birlikte bu varsayım artık geçerli değil. Çünkü bu sistemlerde kararları kod değil, model veriyor. Model ise dünyayı API contract’ları üzerinden değil, doğal dil üzerinden anlıyor.
Bu fark küçük gibi görünür ama etkisi büyük. Çünkü model bir şeyi yanlış anladığında, bu artık sadece yanlış bir cevap değildir; yanlış bir aksiyondur. MCP’nin sunduğu şey tam olarak bu: modelin dış dünyada işlem yapabilmesi. Ama aynı zamanda yeni bir risk katmanı da ekler: semantic yanlış anlama.
Yapay zeka son birkaç yılda “hızlı dene – hızlı üret” paradigmasıyla ilerledi. Model seç, prompt yaz, deploy et. Özellikle LLM tabanlı ürünlerde bu yaklaşım neredeyse varsayılan hale geldi. Ancak Avrupa Birliği’nin AI Act düzenlemesi ile birlikte bu dönem kapanıyor. Artık yapay zeka sadece bir yazılım bileşeni değil; regüle edilen bir ürün.
Bu yazıda AI Act’in ne olduğunu anlatmanın ötesine geçip, geliştiriciler ve teknoloji şirketleri için gerçek dünyada neyi değiştirdiğini konuşalım.
2023-2024 yıllarında başlayıp günümüze kadar geldiğimiz süreçte teknoloji dünyasında çok net bir örüntü oluştu. Neredeyse her ürün, her platform ve her servis kendini şu şekilde konumlandırıyor:
Bu noktada açık konuşmak gerekiyor.
Bugün piyasadaki birçok ürün için “AI” bir teknoloji bileşeni değil, bir pazarlama zorunluluğudur.
Bu sert bir ifade olabilir. Ancak sahadaki gerçeklik çoğu zaman bunu doğruluyor.
Yazılım geliştirme pratiği kökten bir dönüşüm geçiriyor. “Vibe coding”, AI-assisted yazılım geliştirme ve agentic sistemler artık günlük iş akışımızın parçası haline geldi.
İlk bakışta tablo oldukça net görünüyor: Daha az kod yazıyoruz, daha hızlı ilerliyoruz, daha az efor harcıyoruz.
Ancak sahadaki deneyim farklı bir şey söylüyor.
Birçok geliştirici şu hissi paylaşıyor:
Bu yazıda bu hissin arkasındaki gerçeği inceleyeceğiz: AI gerçekten bilişsel yükü azaltıyor mu, yoksa sadece yeniden mi dağıtıyor?
1970’lerin sonlarında Meir Lehman, büyük ölçekli yazılım sistemlerinin zaman içindeki davranışlarını inceleyerek bir dizi kanun ortaya koydu. Bu kanunlar teorik değil, doğrudan üretim sistemlerinden elde edilen gözlemlere dayanıyordu.
Bugün ise farklı bir kırılma noktasındayız. Yazılım artık sadece insanlar tarafından yazılmıyor, giderek artan oranda AI ile üretiliyor.
Son birkaç yılda yazılım dünyasında çok yoğun şekilde konuşulan, sürekli gündemde tutulan ve ciddi bir hype ile sunulan bir dönüşüm yaşanıyor.
Her yerde aynı sorular:
Kurumsal sistemlerde yıllardır tekrar eden bir döngü var: Önce problemi araçla çözmeye çalışıyoruz, sonra aracın neden çalışmadığını tartışıyoruz. BPM araçları, iş akışı (workflow) motorları, entegrasyon platformları derken şimdi aynı refleksi agentic AI ile görüyoruz.
Soru aslında hiç değişmedi: İşletme süreçlerimizi gerçekten biliyor muyuz, yoksa sadece çalışıyor gibi görünen bir operasyonu mu otomatikleştirmeye çalışıyoruz?
Agentic AI bu soruyu ortadan kaldırmaz. Aksine, cevabın eksik olduğu durumlarda problemi büyütür.
Bu yazının temel tezi şudur:
Agentic AI, süreç problemini çözmez. Süreçlerin tanımlı olmadığı ortamlarda kaosu hızlandırır ve büyütür.
The current generation of AI coding tools is impressive as a product category, but much less convincing as a platform category.
That distinction matters.
There is a lot of attention on the user-facing side of these tools: prompt boxes, agent workflows, code generation, terminal loops, patch application, context gathering, and various forms of assisted editing. But when these products are examined from the perspective of integration, automation, governance, and third-party extensibility, the picture becomes much weaker.
Disclaimer: This is not written as a criticism of any specific product or team. The issues discussed here are structural and ecosystem-wide. No pun intended toward any particular tool, vendor, or approach.
Yazılım geliştirme dünyasında sık karşılaşılan bir yaklaşım vardır. Birçok kişi bir teknolojiyi veya yöntemi öğrenmenin en iyi yolunun gözlem yapmak olduğunu düşünür. Çalışan kodları incelemek, başkalarının çözümlerini görmek, örnek projeleri takip etmek ve bunları taklit etmek.
Bu yaklaşımın belirli bir değeri vardır. Gözlem öğrenmenin önemli bir parçasıdır. Ancak tek başına yeterli değildir. Sadece gözleme dayalı bir öğrenme modeli yazılım mühendisliği gibi karmaşık bir disiplinde ciddi sınırlamalara sahiptir.
Teori bu noktada devreye girer. Teori, gözlemlenen davranışların arkasındaki yapıyı anlamayı sağlar.
A detailed explanation of why HARP defines a cryptographic human authorization layer instead of building on top of existing MCP-style tool invocation protocols.
HARP defines a deterministic artifact model, canonical hashing, and signed decision tokens to cryptographically bind human approval to AI agent actions, with replay resistance, strict enforcement requirements, and interoperability primitives.
Özellikle 2025 yılının ortasından sonra yeni teknoloji ve yaklaşımları kullanarak araçlar ve servisler sunan AI ekosistemindeki teknoloji şirketleri agentic sistemleri dijital dönüşüm odaklı süreç otomasyonuun yeni zirvesi olarak sunmaya başladılar. Bu yeni (ama eski) yaklaşımda agentic sisteme bir hedef veriyorsunuz, sistem plan yapıyor, plana göre araçları çağırıyor, iş adımlarının çıktılarını birleştiriyor ve işi tamamlıyor. Bu yaklaşım demolarda oldukça etkileyici görünüyor, çünkü demo ortamı genellikle agentın ihtiyaç duyduğu şekilde kurgulanıp ideal koşullara göre davranıyor. Tool API sözleşmeleri net, hata durumları sınırlı, veri tutarlı, başarı kriterleri ölçülebilir ve aynı isteğin tekrar edilmesi çoğu zaman büyük bir probleme dönüşmüyor.
Bir süredir içimde adını tam koyamadığım bir huzursuzluk var. Yapay zeka/LLM modelleriyle çalışırken, özellikle yazılım geliştirme, mimari tasarım ve günlük destek işleri bağlamında, eskiden hissettiğim tatminin yer değiştirdiğini fark ediyorum. Bu bir “AI karşıtlığı” değil. Daha çok, mesleki kimliğimin ve alıştığım haz kaynaklarının sessizce şekil değiştirmesi.
Bunu yazıya dökmek istedim; belki benzer bir çatışmayı yaşayan başkaları da vardır.
Endüstri 4.0 döneminde dijital dönüşümün gerçek değeri, sadece veriyi toplamakta değil, veriyi anlamlı hale getirmekte yatıyor.
Üretim hatlarında, tesis altyapısında ve kurumsal uygulamalarda oluşan bu veriyi bütünleştirmek; hem teknik hem de operasyonel açıdan ciddi bir mühendislik gerektiriyor.
İşte tam bu noktada, trex Digital Manufacturing tarafından geliştirilen NightWatch, sahadan kurumsal sistemlere veri akışını yöneten, açık, standart uyumlu ve lisans ücreti gerektirmeyen bir middleware platformu olarak öne çıkıyor.
NightWatch, trex MOP (Manufacturing Operations Platform) bileşenleriyle hazır entegrasyona sahip olup, MES, MOM, enerji, bakım ve kalite yönetimi sistemleri arasında veri akışını kolaylaştıran güçlü bir altyapı sunar.
Üretim dünyası son on yılda köklü bir dijital dönüşüm sürecinden geçiyor.
Endüstri 4.0, IoT, yapay zekâ ve büyük veri gibi kavramlar artık yalnızca akademik sunumlarda değil, üretim hattında günlük kararların parçası. Bu dönüşümün merkezinde ise MES (Manufacturing Execution System) çözümleri yer alıyor.
MES sistemleri, ERP’den gelen planları sahadaki gerçek zamanlı üretim verileriyle buluşturarak fabrikanın “sinir sistemi” işlevini görür. Ancak bu sinir sisteminin nasıl kurgulanacağı — yani mimarisi — çoğu zaman yanlış anlaşılıyor.
Özellikle “web tabanlı sistem modern, client–server mimari eski” söylemi, endüstriyel gerçeklikten çok BT sektöründeki genel eğilimlerin bir yansıması.
Bu yazıda bu algının neden oluştuğunu, neden tam olarak doğru olmadığını ve neden hibrit mimarinin modern MES çözümlerinde fiili standart haline geldiğini tüm boyutlarıyla inceleyeceğiz.
