
Sign up to save your podcasts
Or


“64 agent’la yazılım ekibi kurdum” diyen birini görünce insan merak ediyor. Bu ekipte işleri kim dağıtıyor? Peki geliştirici agent, verilen görevin daha önce alınmış bir ürün kararıyla çeliştiğini fark ederse ne oluyor?
Bu bölümde, halı saha işletme oyunum Pitch Empire’ı geliştirirken ChatGPT ile Claude arasında rapor taşıdığım günlerden, bir işi dört ayrı agent ekibinin birlikte tamamladığı düzene nasıl geçtiğimi anlatıyorum. Tek bir geliştirme için yüz inceleme çalıştırıp hâlâ işi bitiremediğim denemeyi, ürün kararlarının ekipler arasında nasıl gidip geldiğini ve eskiden oyunu tekrar tekrar oynayarak yaptığım kontrolleri bugün simülasyonla nasıl yürüttüğümü konuşuyorum.
Peki siz kendi projenizde hangi işleri agent’lardan oluşan bir ekibe devrederdiniz? Hangi kararı kendiniz vermek isterdiniz?
Cevabınızı Spotify yorumlarında veya bölümün X duyurusunun altında paylaşabilirsiniz. Görüşlerinizi ve yeni bölüm önerilerinizi [email protected] adresine de gönderebilirsiniz.
Bir genç bugün bize “Bilgisayar mühendisliğini tercih edeyim mi?” diye sorsa, on yıl önceki kadar rahat cevap verebilir miyiz? Peki yıllardır yaptığımız ve hâlâ sevdiğimiz bu mesleği kendi çocuğumuza önerirken neden duraksıyoruz?
Bu bölümde yazılımcılığın geleceğine bu kez bizden sonraki kuşağın gözünden bakıyorum. Çocukları için yazılımcılık yerine elektrikçiliği tercih eden ebeveynleri, yapay zekâyla değişen çalışma hayatını ve mesleğe yeni başlayacak gençlerin karşısındaki öğrenme ve iş bulma zorluklarını konuşuyorum.
Peki siz çocuğunuza ya da yakınınızdaki bir gence yazılımcılığı önerir miydiniz?
Bölümün anketine katılabilir, cevabınızın nedenini Spotify yorumlarında veya bölümün X duyurusunun altında paylaşabilirsiniz.
Görüşlerinizi ve yeni bölüm önerilerinizi [email protected] adresine de gönderebilirsiniz.
İşimizin gerektirdiği bütün sorumlulukları yerine getiriyorsak iyi bir çalışan sayılmak için daha ne yapmamız gerekiyor? Peki daha fazla sorumluluk almak ya da kariyerimizde yükselmek istemiyorsak bu, performansımızın düşük olduğu anlamına mı geliyor?
Bu bölümde şirketlerin terfi vaatleriyle çalışanlardan daha fazla performans beklemesini, bir üst unvanın sorumluluklarını henüz o unvana sahip olmadan üstlenme zorunluluğunu ve terfi istemeyen çalışanların karşılaşabildiği baskıları konuşuyorum.
Ayrıca iyi çalışanların neden giderek daha fazla iş üstlenmek zorunda kaldığını, yapay zekânın üretkenlik beklentilerini nasıl değiştirdiğini ve performans değerlendirmelerinde gerçekten neyin ölçüldüğünü hem çalışan hem de yönetici açısından sorguluyorum.
Çünkü işimizi iyi yapmak profesyonel sorumluluğumuz olabilir ama sürekli daha fazlasını yapmak zorunda mıyız?
Bu bölümde özellikle sizin deneyimlerinizi de merak ediyorum. Düşüncelerinizi bölümün X duyurusunun altında paylaşabilir, görüşlerinizi ve yeni bölüm önerilerinizi [email protected] adresine gönderebilirsiniz.
Yapay zeka yazılım geliştirmeyi gerçekten ucuzlatıyor mu, yoksa farkında olmadan giderek büyüyen bir faturanın altına mı giriyoruz?
Claude'un haftalık kullanım limitini yalnızca iki günde tükettikten sonra, sorunun sadece ne kadar yapay zeka kullandığımızla değil, onu nasıl kullandığımızla da ilgili olduğunu fark ettim.
Bu bölümde token ekonomisini, agent'ların görünmeyen maliyetlerini, yapay zeka şirketlerinin ekonomik sürdürülebilirliğini ve daha fazla kod üretmenin gerçekten daha fazla verimlilik anlamına gelip gelmediğini konuşuyorum.
Ayrıca kendi geliştirme ortamımızda yaptığımız optimizasyonları ve daha yoğun çalışmamıza rağmen haftalık kullanım limitinin salı günü yalnızca %25'ine ulaşan ilk sonuçlarımızı paylaşıyorum.
Çünkü mesele yalnızca yapay zekanın ne kadar güçlü olduğu değil, o gücü kullanmanın bize gerçekte neye mal olduğu.
Görüşlerinizi ve yeni bölüm önerilerinizi [email protected] adresinden iletebilirsiniz.
Bugün yapay zeka sayesinde eskisinden çok daha hızlı kod yazıyor, hataları çözüyor ve karmaşık projeler geliştiriyoruz. Peki bütün bunları yaparken kendi becerilerimizden neleri kaybediyor olabiliriz?
Artık bir coding agent bizim yerimize kod yazıyor, testleri çalıştırıyor, hatalarını düzeltiyor ve kendi değişikliklerini inceliyor. Biz ise bazen problemi anlamaya bile çalışmadan sonucu kabul ediyoruz.
Bu bölümde AI kullanımının problem çözme, debugging ve öğrenme becerilerimiz üzerindeki etkisini, 2025 ve 2026'da yayımlanan araştırmalar üzerinden tartışıyorum. Özellikle daha üretken hale gelirken gerçekten daha iyi yazılımcılar olup olmadığımızı ve bugünün junior developer'larının gelecekte nasıl deneyim kazanacağını sorguluyorum.
Çünkü belki de en tehlikeli ihtimal, bir becerimizi kaybetmemiz değil, onu kaybettiğimizi fark etmeden çalışmaya devam edebilmemiz.
Peki son bir yılda, kendi başınıza yapmayı bıraktığınız şeyler neler?
Görüşlerinizi ve yeni bölüm önerilerinizi [email protected] adresinden iletebilirsiniz.
Bir yıl önce yapay zekanın yazılımcıların yazdığı kodun neredeyse tamamını devralacağı konuşuluyordu. Bugün hala yazılımcılara ihtiyaç var. Peki bu, geleceğimizin güvende olduğu anlamına mı geliyor?
2025'te yapılan tahminleri 2026'nın işe alım verileriyle karşılaştırıyorum. Junior pozisyonların azalmasını, şirketlerin daha küçük ekiplerle çalışma ihtimalini ve yapay zeka kullanımının giderek büyüyen token maliyetlerini konuşuyorum.
Çünkü yapay zekanın bizi tamamen değiştirmesine gerek yok. Şirketlerin aynı işi daha az yazılımcıyla yapabileceklerine inanmaları bile iş piyasasını değiştirebilir.
Peki Ekim 2027'de şirketlerin aradığı yazılımcılardan biri hala biz olabilecek miyiz?
Görüşlerinizi ve yeni bölüm önerilerinizi [email protected] adresinden iletebilirsiniz.
Bir agent’ın bir işi yapabiliyor olması, o kararı kendi başına vermesi gerektiği anlamına geliyor mu?
Bu bölümde bir incident senaryosu üzerinden agent’lara verdiğimiz yetkileri, onay mekanizmalarını ve iş başka bir agent’a devredildiğinde kontrolün nasıl değişebildiğini konuşuyorum.
Agent çalışırken kontrolün elimizde kalması için sınırları nasıl kurmalıyız?
Görüşlerinizi ve yeni bölüm önerilerinizi [email protected] adresinden iletebilirsiniz.
Agent, MCP, RAG, memory, skills… Bu kavramları sık sık duyuyoruz. Peki bir uygulama geliştirirken hangisine neden ihtiyaç duyduğumuzu gerçekten biliyor muyuz?
Yazılımcı Olarak’ın bu bölümünde, GitHub’daki bir hata kaydını inceleyen bir sistem üzerinden bu parçaları birbirine bağlıyoruz. Modele hata mesajını göndererek başladığımız örneği, yeni yorumları okuyabilen, ilgili kodu inceleyebilen ve bulduğu bilgiye göre araştırmasını sürdürebilen bir uygulamaya doğru ilerletiyoruz.
Bu yolculukta MCP’nin nerede devreye girdiğini, skill ile tool arasındaki farkı ve RAG ile memory’nin neden aynı şey olmadığını konuşuyoruz. Güncel bilgiye ulaşmak için fine-tuning yapmak gerekir mi? İşleri birkaç agent’a bölmek gerçekten fayda sağlar mı? Bu sistemi kendi bilgisayarımızdan çıkarıp başkalarının kullanımına açtığımızda neler değişir?
Bütün bu sorular üzerinden, agentic AI öğrenmeye çalışan bir yazılımcının nereden başlayabileceğini ve hangi parçaya ne zaman ihtiyaç duyabileceğini anlamaya çalışıyoruz.
Bölümde, bu kavramların ilişkisini çalışan Java örnekleriyle anlattığım açık kaynak projem Agentic Developer Handbook’un ortaya çıkışından da bahsediyorum. Konuştuklarımızı kod üzerinde incelemek veya interaktif alıştırmalarla devam etmek isterseniz:
Agentic Developer Handbook — GitHub, rehber ve Java örnekleri
İnteraktif öğrenme sitesi — değerlendirme ve uygulama alıştırmaları
Görüşlerinizi ve yeni bölüm önerilerinizi [email protected] adresinden iletebilirsiniz.
Bir fikrin değeri, onu kimin söylediğine göre değişir mi?
Kendi geliştirdiğiniz modülle ilgili soruların erkek ekip arkadaşınıza yönelmesi, sizin söylediğiniz fikrin başka birinden duyulunca kabul edilmesi, iş görüşmesinde teknik bilginizden evlilik ve çocuk planlarınıza geçilmesi…
Bu bölüm için kadın yazılımcılarla paylaştığım anonim ankete gelen cevaplarda, bunları yaşayan insanlar var. Kendini sürekli kanıtlamaktan yorulanlar, toplantılarda konuşmayı bırakanlar ve yaşadıkları nedeniyle çalıştıkları projeden ayrılanlar da var.
Peki bütün bunlar günlük iş hayatında neye dönüşüyor?
Görevlerin dağılımını, ücret ve terfi kararlarını, annelik beklentilerini ve kişisel sınırları konuşuyorum. Biraz da iş dışında kurduğumuz arkadaşlıkların işteki kararlarımıza nasıl yansıdığına bakıyorum. Halı sahada başlayan bir sohbet, ne zaman bütün ekibi ilgilendiren bir mesele haline geliyor?
Ankette kadın meslektaşlarıyla sorun yaşayanlar da var, çalıştığı ekipten ve yöneticisinden gördüğü desteği özellikle anlatanlar da. Bu farklı deneyimler, şirket kültürünün günlük hayatta ne kadar belirleyici olduğunu gösteriyor.
Bu yüzden şirketlerin ve yöneticilerin sorumluluğu da bölümün önemli bir parçası. Kimin katkısının görüldüğü, kime gelişme fırsatı verildiği ve bir çalışan sorununu anlattığında nasıl karşılandığı, birlikte kurduğumuz çalışma ortamını belirliyor.
Bir çalışana “Kendini daha fazla göstermelisin” demeden önce, onun katkısını gerçekten görüp görmediğimize de bakmak gerekiyor.
Deneyimlerini paylaşarak bu bölüme katkıda bulunan herkese teşekkür ederim.
Görüşlerinizi ve yeni bölüm önerilerinizi [email protected] adresinden iletebilirsiniz.
Yazılımcıların işe alım süreçleriyle arası neden bu kadar kötü?
Cevap vermeyen recruiter’lar, haftalarca süren mülakatlar, belirsiz maaş aralıkları, otomatik ret mailleri ve teknik bir pozisyon için sizi değerlendiren ama yaptığınız işi tam olarak anlamadığını düşündüğünüz insanlar…
Bütün bunların sonunda suçlu olarak genellikle HR’ı görüyoruz. Peki gerçekten problem HR mı, yoksa kötü tasarlanmış bir işe alım sisteminin faturasını karşımızdaki en görünür kişiye mi kesiyoruz?
Bu bölümde işe alım sürecine hem adayın hem de şirketin tarafından bakıyorum. İyi bir recruiter’ın aslında ne yapması gerektiğini, hiring manager ve engineering ekiplerinin bu süreçteki sorumluluğunu ve biz adayların yaptığı hataları konuşuyorum.
Bir de işin 2026 tarafı var.
Yapay zekâ artık hem adayın hem de şirketin tarafında. CV’ler AI ile hazırlanıyor, başvurular AI ile değerlendiriliyor ve bununla beraber çok daha temel bir soru ortaya çıkıyor:
Bir işi yapabiliyor olmak artık tam olarak ne anlama geliyor?
Bir teknolojiyi yıllardır kullanmış olmak mı, temellerini bilip hızlı öğrenebilmek mi, yoksa yapay zekâ ile kısa sürede üretken hale gelebilmek de artık bu tanımın bir parçası mı?
Belki de yıllardır yanlış probleme kızmıyoruz; öfkemizi zaman zaman yanlış kişiye yöneltiyoruz.
Görüşlerinizi ve yeni bölüm önerilerinizi [email protected] adresinden paylaşabilirsiniz.