Hızlı Üretmek, Yavaş Anlamak

Şöyle düşünelim — vibe coding gerçekten büyüleyici. Ne istediğini tarif ediyorsun, kod karşına çıkıyor. Pipeline'lar kuruluyor, özellikler ortaya çıkıyor. Bu heyecan verici ve bu heyecanın haklı sebepleri var: Daha önce böyle bir hız görmedik.

Ama konferans sunumlarında kimse bahsetmiyor: Altı ay sonra o pipeline bozulduğunda, gereksinimler değiştiğinde, yeni bir mühendis gruba katıldığında — o anlayış nereye gitti?

Söyleyeyim: Genellikle işe yarar bir yerde değil.

Bağlamın Kırılgan Doğası

Vibe coding yaparken devasa miktarda bağlam yüklüyorsun prompt'lara. İş kuralları, varsayımlar, edge case'ler, downstream bağımlılıklar. Neden A yaklaşımını B'ye tercih ettiğinin arkasındaki mantık. Hepsi o konuşmaya giriyor, üretilen koda kristalleşiyor ve sonra... sabah sisinin dağılması gibi yok oluyor.

Kod kalıyor. Akıl yürütme buharlaşıyor.

Bu sadece bir dokümantasyon sorunu değil. AI destekli geliştirmenin şu anki çalışma şekliyle ilgili sistemik bir sorun. Çılgın hızda sistemler üretiyoruz ama bu sistemleri sürdürülebilir, debug edilebilir ve geliştirilebilir kılan kurumsal bilgiyi aynı anda kaybediyoruz.

Veri platformları için bu durum katlanan bir sorun yaratıyor. Modern veri mimarileri tek uygulama değil — ekosistemler. Ingestion katmanları, dönüşüm mantığı, orchestration framework'leri, semantic layer'lar, serving API'leri, ML pipeline'ları. Her bileşen diğerleri hakkında kırılgan implicit contract'lar dışında hiçbir şey bilmiyor.

Veri Mühendisliği Neden Bu Acıyı Daha Fazla Hissediyor

Bir CRUD uygulaması inşa ediyorsan, vibe coding'in hafıza sorunu can sıkıcı. Kurumsal bir veri platformu işletiyorsan, bu sorun varoluşsal boyuta ulaşabilir.

Veri mühendisliği her zaman koordinasyonla ilgili olmuştur. İş mantığı dönüşümler boyunca tutarlı olmalı. Schema değişiklikleri öngörülebilir (ve öngörülemeyen) şekillerde downstream'e yayılır. Validation kuralları veri kalitesini korur. Orchestration bağımlılıkları başarıyı ya da başarısızlığı belirler.

AI bu mantığı prompt'lardan ürettiğinde, tüm o koordinasyon bilgisi insanlarda kalıyor. Kıdemli mühendislerin kafalarında yaşıyor. 2023 tarihli Slack thread'lerinde gizleniyor. Artık kimsenin güncellemediği Notion sayfalarında gömülü duruyor.

Platformun kendisi neden böyle inşa edildiğini hatırlamıyor.

Farklı Bir Yol

Ya spesifikasyonlar sistemin kendisinin parçası olsaydı?

Spec-driven development senaryoyu tersine çeviriyor. Prompt'ların ürettiği koda sonradan dokümantasyon, akıl yürütme ve kurumsal hafıza eklemek yerine, spesifikasyon source of truth haline geliyor — executable, versioned ve persistent.

İş kuralların sadece "kodun ne yaptığı" değil. Tek bir konuşmanın ötesinde hayatta kalan, explicit ve test edilebilir contract'lar. Orchestration mantığın sadece "ne zaman çalıştığı" değil. Hem insanların hem de AI agent'ların tutarlı şekilde akıl yürütebileceği versioned bir tanım.

Bu, AI üretimini değiştirmekle ilgili değil. AI-üretilen sistemlere eksik olan şeyi vermekle ilgili: persistent operasyonel bilginin sağlam temeli.

Gerçekçi Bakış

Şunu açıklıkla belirtelim: Spec-driven development bir çözüm-için-herşey değil. Upfront yatırım gerektiriyor. Üretmeden önce gereksinimleri açıkça düşünmeyi zorunlu kılıyor. Bazen vibe coding'i çekici kılan hızla çelişen bir disiplin talep ediyor.

Ama şu var — eğer kalıcı olması, gelişmesi, zaman içinde değişecek ekipler tarafından bakımı yapılacak sistemler inşa ediyorsan, o upfront yatırım kazanımlar getiriyor.

Persistent sistem hafızası oluşturmanın en iyi zamanı altı ay öncesiydi. İkinci en iyi zaman şimdi.

Sonuç

Vibe coding implementasyon eylemi için inanılmaz bir verimlilik çarpanı. Ama implementasyon yazılım yaşam döngüsünün sadece bir parçası. Bakım, gelişim, debug ve bilgi aktarımı — sistemler hayatlarının büyük çoğunluğunu gerçekten orada yaşıyor.

AI'ya giderek karmaşıklaşan sistemler üretmesi için güvenmeye başladıysak, bu sistemlerin zaman içinde kendi anlayışlarını nasıl koruyacakları konusunda da o kadar düşünceli olmamız gerekiyor.

AI destekli gelişmenin geleceği sadece daha hızlı üretim değil. Kendilerini açıklayabilme kapasitesine sahip sistemler üretebilmek.

AI destekli geliştirme workflow'larınızda bağlamı korumak için ne gibi bir yaklaşım benimsiyorsunuz? Farklı ekiplerin bu zorluğu nasıl ele aldığını duymaktan memnuniyet duyarız.