AI Araçları Savaşı Bitti—Ama Kazananların Bunu Kullanıp Kullanamayacağı Ayrı Mesele—AI Çağında Yazılım Mühendisliği Dönüşümü·慢慢学AI175

Önce sonucu söyleyeyim. 2026 ortasından geriye bakıldığında, AI araçlarının “tahtı” dört araç arasında el değiştirmedi; Claude Code ve Codex bu tahtı kaptı—daha doğrusu, uçtan uca teslimat süresini gerçekten kısaltan “yüksek otonomi” kategorisini onlar domine etti. GitHub Copilot hâlâ %29 ile işyeri benimseme oranında birinci, ama bu kurumsal satın alma ataletine dayanıyor; yeni kullanıcı artışı yatay seyrediyor. Cursor bir önceki neslin deneyim şampiyonu, büyüme hızı yavaşlıyor. Google Antigravity ise Gemini + bulut + kurumsal uyumluluk üçlüsüyle oyuna giren üçüncü güç; ama iki ayda ancak %6’ya ulaşabildi, hâlâ çıkış çizgisinde.

Türkiye tarafında ise “otonom ajan yeteneği + uyumluluk + kurumsal dağıtım” üçünü aynı anda karşılayabilenler şu an ByteDance’ın Trae‘si ve Alibaba’nın Qoder‘i (eski adıyla Tongyi Lingma, Mayıs 2026’da yeniden markalaştı). Ama açık söylemek gerekirse: “otonom ajan” kategorisinde Claude Code ve Codex’in hâlâ bir nesil gerisindeler.

Bu yazı “hangi araç en güçlü” sorusuna cevap vermiyor — o, 2025’in sorusuydu ve 2026’da çoktan demode oldu. Bu yıl araç seçimi yaparken asıl cevaplanması gereken üç soru var ve her biri bir öncekinden daha kolay gözden kaçıyor:

Kuruluşunuz ne kadar otonomi kaldırabilir? Otonomi arttıkça, aracın ürettiği kod miktarı ve derinliği artar; bu da sizin inceleme kapasitenize olan talebi yükseltir. O güvenlik ağı olmadan otonom ajanları devreye almak, frene sahip olmayan bir arabaya büyük motor takmakla aynı şey.
Kodunuz yurt dışına çıkabilir mi? Bu madde finans, telekom, kamu ve savunma sektörlerinde katı bir kısıttır ve Claude Code, Codex gibi kodu yurt dışına gönderen bulut tabanlı araçları kullanıp kullanamayacağınızı doğrudan belirler.
Araç satın alınca teslimatın hızlanacağını mı sanıyorsunuz? Büyük ihtimalle hızlanmaz. AI’ın sıkıştırdığı şey kod yazmadır; oysa sıkı regülasyona tabi sektörlerde uçtan uca teslimatın en ucuz kısmı genellikle kod yazmaktır.

Bu üç şeyi netleştirmek, “Cursor mu Claude Code mu” diye kafa yormaktan on kat daha önemli. Aşağıda katman katman açıyorum.

1. Taht iki gücün: dört değil

Önce Ocak 2026’daki JetBrains araştırmasına bakalım — bu, sektördeki en güncel ve en geniş örnekleme sahip (on binden fazla profesyonel geliştirici, sekiz dil) araç pazarı payı araştırması. Veriler şöyle:

| Araç | Bilinirlik | İşyerinde Benimsenme Oranı | Yıllık Eğilim |
|—|—|—|—|—|
| GitHub Copilot | %76 | %29 | Durağan (satın alma alışkanlığı taşıyor; 10.000+ çalışanı olan şirketlerde %56) |
| Cursor | %69 | %18 | Büyüme hızı yavaşladı |
| Claude Code | %57 | %18 | 9 ayda %3’ten %18’e (6 kat); Kuzey Amerika’da %24; CSAT 91, NPS 54 (sektörün en yükseği) |
| OpenAI Codex | %27 | %3 | Hızlanıyor (anket sırasında masaüstü sürümü henüz çıkmamıştı; sonrasında haftalık 5 milyon+ aktif kullanıcıya ulaştı) |
| Google Antigravity | — | %6 | Yeni oyuncu (Kasım 2025’te piyasaya girdi, iki ayda %6’ya ulaştı) |
| JetBrains Junie CLI | — | %5 | LLM tarafsız, kendi modeliyle geliyor |

Veri kaynağı: JetBrains AI Pulse Survey, Ocak 2026, 10.000+ geliştirici.

Sadece benimseme oranına bakarsanız, Copilot hâlâ kral sanırsınız. Ama benimseme oranı gecikmeli bir göstergedir—“şu ana kadar kaç lisans satıldığını” ölçer, “önümüzdeki 12 ayda ivme nerede olacak”ı değil. Büyüme eğrilerini üst üste koyduğunuzda tablo değişir: Claude Code 9 ayda %3’ten %18’e çıktı—bu araştırmadaki en hızlı büyüme. Codex anket sırasında henüz %3’tü, ancak anketten sonraki dört ayda haftalık aktif kullanıcı sayısı 3 milyondan 5 milyonun üzerine çıktı (Sam Altman / OpenAI’nin kamuya açık beyanı). Codex CLI’nin npm aylık indirme sayısı, Nisan 2025’teki (lansman ayı) 82 binden Mayıs 2026’da 41,8 milyona yükseldi—510 kat büyüme (gradually.ai detaylı verileri). Claude Code’un yıllıklandırılmış geliri 9 ayda sıfırdan 2,5 milyar dolara ulaştı (Anthropic’in Şubat 2026’daki Series G duyurusu). Bu iki eğri, ürün tarihinde geliştirici araçlarında neredeyse hiç görülmemiş bir eğim.

Copilot ve Cursor’un eğrileri ise bambaşka bir şekle sahip. Copilot’un %29’luk payı, “uyum süreçlerini tamamlamış, çok yıllık sözleşmeler imzalamış büyük kuruluşlar” tarafından taşınıyor; yeni koltuk eklemeleri satın alma süreçlerine takılı kalmış durumda. Geliştiricilerin Claude Code’a geçmek istemesi durumunda ayrı bir bütçe onayı gerekiyor — bu yüzden hâlâ birinci sırada, ancak büyüme neredeyse yatay seyrediyor. Cursor ise %18 ile Claude Code ile aynı seviyede görünse de, bu iki eğri tamamen farklı: Cursor yüksek bir noktadan yavaşlarken, Claude Code düşük bir tabandan hızla yükseliyor. Cursor’un yıllık tekrarlayan geliri (ARR) 2026 başında 2 milyar dolara ulaştı (50 kişiyi biraz aşan bir ekiple, kişi başına ARR yaklaşık 40 milyon dolar; bu, uygulama katmanındaki SaaS şirketleri arasında 100 milyon dolar ARR’ye ulaşan en hızlı şirket olma rekorunu kırdı). Hâlâ en akıcı deneyimi sunuyor, internet ve girişim dünyasının gözdesi olmaya devam ediyor; ancak ulaşabileceği tavan artık net biçimde görünüyor.

Antigravity, masada ana oyuncu olarak yer almayan tek isim — ama göz ardı edilmemesi gereken tek isim de o. Google’ın Kasım 2025’te piyasaya sürdüğü, özel olarak Gemini 3 için tasarlanmış “agent-first” bir programlama aracı. 2026’daki Google I/O’da 2.0’a yükseltilerek masaüstü uygulaması, CLI ve SDK’sıyla tam teşekküllü bir agentic geliştirme platformuna dönüştü. Arkasında başka hiçbirinin sahip olmadığı üç şey var: Gemini modelleri, Google Cloud’un kurumsal uyumluluk altyapısı ve Google Search’ün gerçek zamanlı arama gücü. İki ayda %6 penetrasyona ulaşması hızlı yükseldiğini gösteriyor; ama %6 dediğin nedir ki — hâlâ start çizgisinde, tahta oturmuş değil. 2026’da araç seçimi yaparken onu beklemene gerek yok; ama “Google’ın kurumsal kasıyla oyuna girmesi”ni uzun vadeli hesabına yaz: bu ligde sonunda dört oyuncu değil, “iki güçlü + bir de cebi dolu takipçi” görebilirsin.

Bu beş şirketi tek bir koordinat sistemine koyduğunda, aslında aynı yarışta bile değiller:

Şekil tek bir cümleyle özetlenebilir: Bu araçlar bir çapraz eksen üzerinde sıralanıyor — sağ üste doğru çıktıkça yetenek artıyor, buna karşılık yönetişim ve denetim gereksinimleri de aynı oranda yükseliyor. Bu yüzden araç seçerken önce model benchmark’larına bakmayın; önce kuruluşunuzun yönetişim olgunluğunun hangi seviyede olduğunu belirleyin. Claude Code ve Codex sağ üstteki yetenek tavanını işgal ediyor, ancak sizin fren sisteminizden de en yüksek talebi onlar karşılıyor; Copilot ise sol altta — en düşük eşik, en düşük risk ve “nesil farkı” yaratacak bir verimlilik sıçraması yaşatma ihtimali de en düşük olan araç.

2. Lisansı aldınız, teslimat neden hızlanmadı — darboğaz kodlamada değil, doğrulamada

Şimdi gelelim çoğu seçim rehberinin değinmediği, ama sıkı regülasyona tabi sektörlerde en çok paranın harcandığı konuya.

Telekom operatörlerine yönelik AI eğitimleri verdim ve telekom dijital ekiplerini uzun süredir takip ediyorum. Bir bölgesel operatörün durumu hafızama kazındı. Geçen yıl geliştirme ekiplerine Copilot dağıttılar; altı ay sonra yaptıkları değerlendirmede uçtan uca teslimat süresinde neredeyse hiçbir değişiklik olmadığını gördüler. Geliştiriciler gerçekten hızlanmıştı — kod yazma süresi üçte birden fazla kısalmıştı — ama bir paket değişikliği ya da faturalama kuralı güncellemesi, gereksinimden canlıya çıkışa hâlâ bir aydan fazla sürüyordu. Sorumlu kişi aptal değildi; darboğazın kodlamada olmadığını zaten tahmin etmişti. Ama tahmin etmek başka, bütçe başka. Bütçe yine lisans sayısına göre onaylandı — çünkü üst yönetime sunulan metrikler “kaç geliştirici kapsandı” ve “kaç seat alındı” idi. Büyük şirketlerin en klasik “biliyoruz ama bir türlü harekete geçemiyoruz” durumu: kilit nokta farkındalık değil, ölçüm.

Bu ayı gerçekten yiyip bitiren şey, doğrulama sürecinin ta kendisi ve bu süreçlerin kodla neredeyse hiçbir ilgisi yok. Faturalandırma modülüne dokunan bir özelliğin kodlaması belki iki gün sürer; ama arkasında sıralananlar şunlar: Change Advisory Board (CAB) onayı, algoritma kaydı (eğer işin içinde bir model varsa), 等保测评 (Çin’in çok seviyeli koruma sistemi değerlendirmesi), veri yurtdışına çıkış değerlendirmesi (yurt dışı model veya bulut kullanılıyorsa; güvenlik değerlendirmesi, standart sözleşme veya kişisel bilgi koruma sertifikasyonu olmak üzere üç yoldan biri izlenmek zorunda), ve yayın öncesi mutabakat ile denetim incelemesi. Her biri birkaç günden birkaç haftaya kadar süre yer; toplamı bir ayı bulur. Yapay zekâ kodlama denen o küçük dilimi %30 kısaltıyor; ama o dilim zaten uçtan uca sürecin devede kulak kısmı.

Burada özellikle bir internet şirketi önyargısına dikkat çekmek gerekiyor. AI ile programlama üzerine yazılan pek çok yazı, “doğrulama”yı varsayılan olarak CI/CD otomatik testleri, birim testleri çalıştırmak ve lint’ten geçmek olarak yazar. O, internet şirketlerinin dünyasıdır. Telekomda ve finansta “doğrulama” demek; algoritma kaydı, 等保测评, veri yurtdışına çıkış değerlendirmesi, CAB değişiklik onayı, mutabakat ve denetim demektir. Bunların kodla hiçbir ilgisi yoktur ama her biri haftalar yer. Bunları “test aşaması” deyip geçiştirirseniz, finans ve telekom okuyucusu anında kopar — onların en ağır maliyeti tam da buradadır ve siz tek satır bile söylememişsinizdir.

Bu sonuç karar vericiler için kritik: Sıkı regülasyona tabi sektörlerde AI araçlarının kısaltabildiği tek şey, tüm teslimat zincirinin en ucuz halkasıdır. Uçtan uca süreci hızlandırmak istiyorsanız, ya doğrulama aşamasını yeniden tasarlarsınız (CAB temposu, onay süreçleri, test/denetim takvimleri) ya da üst yönetime sunduğunuz metrikleri değiştirirsiniz. Sadece araç satın almak kesinlikle bir şey değiştirmez.

Bu noktada, “araç ne kadar çok kullanılırsa o kadar iyi” sezgisini tersine çevirip bakalım — 2026 H1’in en sezgisel olmayan gerçeği şu: Araç kullanımı arttıkça, geliştiricilerin araca olan güveni azalıyor.

JetBrains’in Ocak 2026 araştırması, geliştiricilerin %90’ının en az bir AI aracı kullandığını gösteriyor; bu oran %90 seviyesinde doygunluğa ulaşmış durumda. Ancak aynı dönemde yapılan birden fazla ankette, geliştiricilerin AI’ın “production-ready PR” üretimine olan güveni 2024’e kıyasla daha düşük — bir ankete göre güven oranı 2024’te %40 iken 2026’da %29’a düşmüş durumda. Cursor, Anthropic ve OpenAI’ın kurumsal destek verileri de aynı şeyi gösteriyor: Araç kullanımı arttıkça, geliştiriciler aracın işi baştan sona kendi başına bitirmesine daha az güveniyor. Bu, üretim ilişkilerindeki bir kaymanın işareti: Geliştiriciler “kod yazan kişi” olmaktan çıkıp “kodu inceleyen kişi” haline geliyor ve kod incelemek, kod yazmaktan daha yüksek bir bilişsel yük getiriyor.

Pratikte ne anlama geliyor: Önümüzdeki 24 ayın kazananını belirleyecek şey “güven açığını kapatıp kapatamadıkları” olacak; token hızı ikincil önemde. Cursor etkileşim akışına yatırım yapıyor, Anthropic Skills sistemine, OpenAI ise paralel alt-agent’lara — üçü de “daha açıklanabilir, daha kesintiye uğratılabilir, daha geri alınabilir” olmaya odaklanmış durumda; kimse “daha hızlı” diye kasmıyor. Bu yönü okumazsanız, 2026’daki araç rekabetinin ne üzerine olduğunu da anlayamazsınız.

Üçüncü Bölüm: Uyumluluk ve Kurumsal Dağıtım: Araçların “Erginlenme Töreni”

İki zirve oyuncusu ne kadar güçlü olursa olsun, geçemedikleri bir eşik varsa şirketinizin kapısından içeri giremezler: uyumluluk ve kurumsal dağıtım. Bu bölümde, dışarıdan bakanların kolayca gözden kaçırdığı ama içeriden bilenlerin önceden sorduğu birkaç tuzağı ele alıyoruz. ⚠ Bu bölümdeki AB veri yerleşikliği ve tedarikçi yönetişimi duruşu kısımları ağırlıklı olarak Avrupa/denizaşırı bir perspektiften yazılmıştır — yalnızca “kodum yurt dışına çıkamaz” diye endişelenen yerli okuyucular doğrudan dördüncü bölüme (yerli Trae/Qoder) veya sonda yer alan dördüncü çıkarıma atlayabilir.

Claude Code’nin AB Veri Yerleşikliği: Satın Aldım, Sorun Çözüldü Sanıyorsunuz, Ama Öyle Değil. Önce sonucu söyleyelim: Doğrudan claude.ai veya Anthropic API üzerinden giderseniz, verileriniz varsayılan olarak ABD’ye gider; Claude Enterprise adlı kurumsal SaaS paketi, AB veri yerleşikliğini içermez ve varsayılan olarak ABD altyapısını kullanır — en yaygın tuzak budur. Kodunuzun AB’de kalmasını istiyorsanız tek bir yol var: Anthropic’ten doğrudan satın almayı bırakıp bulut sağlayıcılarının Avrupa sunucularına yönelmek — AWS Bedrock’ın EU profili (Frankfurt/İrlanda/Paris) veya Google Vertex AI’ın AB bölgesi; model kimliğine ayrıca eu. ön ekini ekleyerek verilerin AB’de kalmasını zorunlu kılmanız gerekiyor. Claude Code’un Bedrock üzerinde çalışabilmesi ve verilerinizin kendi AWS ortamınızda, kendi altyapınızdan çıkmadan kalması, onun kurumsal dönüşümdeki kilit yeteneğidir; ancak bu, yalnızca bu yolu izlemeniz koşuluyla geçerlidir. Bir de gözden kaçan tuzak var: Claude, Temmuz 2026’da Microsoft Foundry üzerinde Avrupa’da genel kullanıma sunulacak; ancak Anthropic’in dokümantasyonu veri yerleşikliği taahhüdünü yalnızca Vertex/Bedrock ile sınırlandırıyor, Foundry bu kapsamda değil ve yalnızca “Coming 2026” olarak işaretlenmiş, tarih verilmemiş. Dolayısıyla “Claude kurumsal sürümünü aldık, uyumluluk tamam” demek büyük olasılıkla yanlıştır — asıl sorulması gereken “hangi yerleşiklik yolunu kullanıyoruz” sorusudur, “satın aldık mı” değil.

Codex’in kurumsallaşması ise bambaşka bir yol izliyor: doğrudan sizin veri merkezinize kuruluyor. 18 Mayıs 2026’da OpenAI ve Dell, Dell Technologies World etkinliğinde Dell AI Factory with OpenAI Codex‘i duyurdu—Codex’i kurumsal şirketlerin on-premises veya hibrit bulut ortamlarına dağıtarak kodun “verinin zaten olduğu yerde” kalmasını sağlıyor. Dell’in CTO’sunun ifadesiyle amaç, “işletmelerin AI’ı kurumsal verilerinin zaten bulunduğu yere dağıtmasına imkân tanımak ve müşterilere agent’ları ölçeklendirmek için pratik, güvenli bir yol sunmak.” Buna ChatGPT Enterprise’ın 2025’ten beri sunduğu AB veri yerleşikliği (hem depolama hem çıkarım Avrupa bölgesinde kalabiliyor) eklendiğinde, Codex’in kurumsal uyumluluk duruşu bu kategoride en kapsamlı olanı—bulutta AB yerleşikliği, yerelde Dell ile şirket içi dağıtım. Haftalık aktif kullanıcı sayısının dört ayda 3 milyondan 5 milyonun üzerine çıkmasının nedeni de bu: Codex yalnızca geliştiricilerin sevdiği bir araç değil; büyük şirketlerde “kapıdan içeri girebiliyor.”

Tedarikçilerin yönetişim duruşu artık tedarik zinciri riskinin bir parçası—2026’nın ilk yarısında okunması gereken en önemli konu bu.

Anthropic, 2026’nın ilk yarısında ABD Savunma Bakanlığı tarafından “tedarik zinciri riski” olarak sınıflandırıldı ve federal bir yargıç geçici tedbir kararı verdi. Bunun nedeni, Anthropic’in Pentagon’un Claude modeline yönelik “sınırsız kullanım” talebini reddetmesiydi. Bu olayın ayrıntıları başlıktan çok daha ağır: Pentagon’un talebi, ordunun Claude’u “for all lawful purposes (tüm yasal amaçlar için, sınırsız)” kullanabilmesiydi; Anthropic CEO’su Dario Amodei’nin kırmızı çizgisi iki noktada netleşti: yurt içi kitlesel gözetim için kullanılmaması ve tamamen otonom silah sistemlerinde kullanılmaması. Müzakerelerin çökmesinin ardından, 27 Şubat 2026’da Trump, Truth Social üzerinden tüm federal kurumlara Anthropic teknolojisini “derhal kullanımdan kaldırma” talimatı verdi; Savunma Bakanı Hegseth, “ABD ordusuyla iş yapan hiçbir yüklenici, tedarikçi veya iş ortağı Anthropic ile herhangi bir ticari ilişki kuramaz” dedi ve Mart başında Anthropic resmen tedarik zinciri riski olarak listelendi. Anthropic buna karşı dava açtı (Kuzey Kaliforniya Federal Bölge Mahkemesi) ve 26 Mart’ta Yargıç Rita Lin geçici tedbir kararını onayladı. Kararında şunları yazdı: “Kayıtlar, Anthropic’in tedarik zinciri riski olarak sınıflandırılmasının gerekçesinin bahane (pretextual) olduğunu ve hükümetin gerçek motivasyonunun yasa dışı misilleme olduğunu güçlü bir şekilde gösteriyor.”

En ilginç karşılaştırma şu: Anthropic’in reddettiği günün aynısında OpenAI, Pentagon ile kullanım koşulları anlaşması imzaladığını duyurdu. Biri çizgiyi çekti ve askeri sözleşmeyi kaybetti; diğeri imzayı attı ve askeri işi kaptı. Kimin haklı kimin haksız olduğuna ben karar vermiyorum. Claude Code ile Codex arasında seçim yaparken yalnızca modeli seçmiyorsunuz; aynı zamanda o şirketin değerleri uğruna ticari bir bedel ödemeye razı olup olmadığını da seçiyorsunuz. 2026’da Çin-ABD teknoloji ayrışmasının temposu belirsizken, tedarikçinin yönetişim duruşu, veri politikaları ve tedarik zinciri dayanıklılığı; işlevsellik ve fiyatla birlikte seçim kriterlerinin resmi boyutları haline geldi.

Dört: Yurt içinde işi görenler Trae ve Qoder — ama otonom ajanlar henüz bir nesil geride

Finans, kamu yönetimi, askeri sanayi ve telekomünikasyon çekirdek sistemlerinin hatırı sayılır bir kısmında kodun yurt dışına çıkması söz konusu bile olamaz. Bu bölüm yerli çözümlere ayrılmış. Yurt içinde “otonom ajan + uyumluluk + kurumsal dağıtım” üçünü birden ileri taşıyabilenler şu an itibarıyla ByteDance’ın Trae’si ve Alibaba’nın Qoder’ı. Kurumsal sürümlerini önünüze seriyorum.

Trae (ByteDance) — Çinli üreticiler arasında otonom ajan konusunda en ileri giden. Trae CN Kurumsal Sürümü Aralık 2025’te resmi olarak yayınlandı. ByteDance içinde mühendislerin %92’sinden fazlası bu aracı kullanıyor; bireysel sürümün kayıtlı kullanıcı sayısı 6 milyonu aşmış durumda. Kurumsallaşma konusunu ciddiye almışlar: “Kurumsal Sürüm” ve “Kurumsal Özel Sürüm” olmak üzere iki dağıtım seçeneği sunuyorlar. Kurumsal Sürüm standartlaştırılmış ve bakım gerektirmiyor; Kurumsal Özel Sürüm ise daha yüksek düzeyde güvenlik izolasyonu sağlıyor ve sıkı uyumluluk gereksinimleri olan, özel ağ (private network) erişimi zorunlu işletmeler için tasarlanmış. Güvenlik tarafında: kod uçtan uca şifreli iletiliyor, bulutta sıfır depolama var, modeller eğitim için kullanılamıyor ve günlük (log) kaydı tutulmuyor. Performans tarafında: 100.000 dosya ve 150 milyon satır koda kadar devasa depo (repository) indeksleme destekleniyor; kurumsal GPU kümesiyle milisaniye düzeyinde yanıt süresi sunuluyor. Kurum içi bilgi tabanına ve MCP protokolüne bağlanabiliyor; kod üretimi, inceleme ve test süreçlerini mevcut CI/CD ve DevOps hatlarınıza entegre edebiliyor. SSO tek oturum açma, verimlilik panosu (AI üretim oranı ve AI kod miktarını takip eden), harcama limiti ve kullanım izleme gibi özelliklerin tamamı mevcut. Ayrıca çok “ByteDance tarzı” bir stratejileri var: tüketici sürümü kalıcı olarak ücretsiz. Bu sayede büyüme çarkını (growth flywheel) döndürüyorlar. SOLO modu (editör, terminal, tarayıcı ve dokümanları tek bir çalışma alanında birleştiren; siz gereksinimi veriyorsunuz, o planlıyor, yazıyor, hata ayıklıyor ve dağıtıyor) da ücretsiz olarak açık — bu, Claude Code ve Cursor’un otonomi düzeyine kafa tutan temel silahları. Sahada gerçek uygulamalar da var: Huifu (dijital ödeme, Çinli fintech şirketi) ve Douyin Life Services (ByteDance hizmeti) gibi ekipler sistemi kullanıyor. Huifu, Eylül 2025’te pilot uygulamayla başlayıp yüzlerce geliştiriciye yaygınlaştırdı; yoğun kullanım oranı %70’in üzerine çıktı.

Qoder (Alibaba, formerly Tongyi Lingma) — en olgun kurumsal katman yapısı ve en uyumlu yerli teknoloji yığını (xinchuang). Mayıs 2026’da Alibaba Cloud, Tongyi Lingma’yı resmi olarak Qoder CN olarak yeniden markaladı ve bir IDE eklentisinden kodlama + ofis + terminal + mobil cihazları kapsayan tam kapsamlı bir ürün matrisine dönüştürdü. Kurumsal sürümü net bir şekilde iki kademeye ayrılıyor: Kurumsal Standart Sürüm, koltuk başına lisans aboneliğiyle çalışır, kutu dışı kullanıma hazırdır; merkezi hesap yetkilendirmesi, istatistik raporları ve operasyon logları sunar. Asıl güçlü uyumluluk gerektiren şirketler için Kurumsal Özel Sürüm (VPC) öne çıkar: VPC iç ağında özel dağıtım, verilerin kurumsal ağ dışına çıkmaması, SSO, kuruluşa özel bilgi tabanı, özelleştirilmiş model ince ayarı (fine-tuning), gelişmiş kod denetimi, %99,9 SLA, özel teknik danışman ve 7×24 destek. Altta yatan altyapı, Qwen, GLM, DeepSeek, Kimi, MiniMax gibi birden fazla yerli model arasında serbest geçişi destekler; veriler yurt dışına çıkmaz ve Çin’in Siber Güvenlik Yasası ile Veri Güvenliği Yasası’na uyumludur. Neden telekom ve finans ortamınızda özellikle sorunsuz çalıştığını söylüyorum: Altyapınız büyük olasılıkla zaten Alibaba Cloud üzerinde; Qoder’ın hesap sistemi, RAM yetkileri ve Yunxiao (Alibaba’nın DevOps platformu) kurumsal yönetimi hazır geldiği için geçiş sürtünmesi minimum düzeyde.

İki ürünü de ele aldıktan sonra bir soğuk su dökelim: yerli ürünler “özerk ajan” kademesinde ABD’nin bir nesil gerisinde. Birkaç büyük firmanın kurumsal sürümleri (private deployment + algoritma kaydı + yerli teknoloji uyumu) için uyumluluk onayları büyük ölçüde tamamlandı; asıl fark burada değil. Asıl nesil farkı özerklikte — Claude Code onlarca dosyayı kendi başına değiştirebiliyor, shell çalıştırabiliyor, Git yönetebiliyor, PR açabiliyor; Codex birden fazla alt ajanı izole kopyalar üzerinde paralel çalıştırıp birleştirebiliyor. Bu uzun zincirli, yüksek özerklikli yürütme kapasitesinde Trae ve Qoder hâlâ yetişmeye çalışıyor; Trae SOLO moduyla kovalıyor ama fark hâlâ duruyor — özellikle karmaşık akıl yürütme ve uzun zincirli özerk yürütmede. Dolayısıyla “sıkı regülasyona tabi sektörlerde olgun ekiplerin özerk ajan + kodun yurt dışına çıkmaması“ ihtiyacı, yerli ürünlerde şu an yarım karşılanıyor: uyumluluk tamam, ajan bir nesil geride. Bu boşluk başlı başına bir fırsat — ve bu yüzden bu işe sadece bir araç satın alıp geçmek yerine, özel olarak bir uygulama yolu tasarlamak için zaman ayırmaya değer.

Baidu’nun Wenxin Comate’i (Agent Hub + kod grafiği; büyük ölçekli projeler ve yüksek uyumluluk senaryolarında güçlü) ve Zhipu’nun CodeGeeX’i (geniş dil kapsamı, ajan tarafı nispeten zayıf) de yedek seçenek olarak değerlendirilebilir; sizin spesifik senaryonuza göre tamamlayıcı olarak kullanılabilir, burada detayına girmiyorum.

Beş: Nasıl seçilir: Olgunluk × Yurt dışı veri sınırı

Önceki dört bölümü tek bir uygulanabilir seçim mantığına indirgeyelim. Önce iki boyuta bakalım; ikisi de şart.

Birinci boyut: organizasyonel olgunluk, ne kadar özerkliği kaldırabileceğinizi belirler. Yeni başlayan organizasyonlar (geliştiriciler henüz AI kullanmamış, olgun code review ve test standartları yok) için Copilot gibi düşük özerklikli tamamlama araçlarıyla başlamak en düşük eşiği ve en düşük riski sunar; önce insanları AI iş birliğine alıştırırsınız. Temeli olan organizasyonlar (geliştiriciler AI kullanmış, temel mühendislik standartları mevcut) için Cursor veya yerli Trae / Qoder’a geçmek, deneyim iyileştirmesiyle daha büyük verimlilik artışı sağlar. Olgun organizasyonlar (güçlü mühendislik ekipleri, code review / otomatik test / güvenlik taraması / kademeli dağıtım tamamlanmış) ancak Claude Code, Codex gibi yüksek özerklikli ajanları kullanabilir. Olgunluk neden eşik: özerklik arttıkça, aracın ürettiği kod miktarı artar ve değişiklikler derinleşir; bu da sizin inceleme ve doğrulama yeteneğinize olan talebi yükseltir. Pragmatic Engineer’ın araştırması çok net bir gerçeği ortaya koyuyor: 10.000 kişinin altındaki şirketlerin %75’i Claude Code’u seçerken, 10.000 kişinin üzerindeki büyük şirketlerin %56’sı hâlâ Copilot kullanıyor. Bu bir tercih değil, organizasyonel kapasitedir.

İkinci Boyut: Yönetişim Taban Çizgisi — Hangi Araç Sınıfının Kapıdan Girebileceğini Belirler. Kodun yurt dışına çıkıp çıkamayacağı ilk eşiktir. Claude Code, Codex, Cursor ve Copilot’un bulut altyapıları kodu yurt dışına iletir; finans, kamu, askeri ve bazı telekom çekirdek sistemlerinin kodlarının yurt dışına çıkmasına kesinlikle izin verilmez. Bu nedenle, “tüm şirkete yaygınlaştırma” söylemi sıkı regülasyona tabi sektörlerde pratikte geçerli değildir — yaygınlaştıramazsınız; önce araç erişim onayı (clearance) sürecinden geçmeniz gerekir. Yurt dışına çıkabilen kısımda, Claude Code en yüksek yetenek sınırına sahiptir; Codex ise kurumsal uyumlulukta en geniş kapsamı sunar. Yurt dışına çıkamayan çekirdek alanlarda ise Trae ve Qoder’ın kurumsal sürümleri (VPC private deployment) temel oluşturur; senaryoya göre 文心快码 veya CodeGeeX ile desteklenir.

Önceki bölümleri tek bir karar yoluna indirgeyelim — üç soru, dört yol:

Bu yolun izlenişi: Önce kodun yurt dışına çıkıp çıkamayacağını sorun (çıkamıyor → yerli private deployment taban oluşturur, ancak otonom ajanlar bir nesil geridedir); ardından kurumsal olgunluğu sorun (frenler tam takılmadıysa otonom ajana geçmeyin); son olarak uçtan uca otonom ajan gerekip gerekmediğini sorun (gerekiyor → Claude Code / Codex iki güçlü aday). İlk ayrımdaki “nesil farkına” dikkat edin — sıkı regülasyona tabi sektörlerde olgun ekiplerin “otonom ajan yeteneği + kodun yurt dışına çıkmaması” talebi şu anda karşılanmamış bir ihtiyaçtır; bu boşluk başlı başına bir fırsattır.

Karar ağacını şirketinize uyarlamadan önce, kendi olgunluk seviyenizi şu üç kriterle puanlayın (30 saniyede tamamlanır, Q2’ye birebir cevap verir):

① Geliştiricilerinizin %50’sinden fazlası AI’ı haftada en az bir kez kullanıyor mu? (Sektör ortalaması %90’ın AI’ı denediğini gösteriyor; ancak asıl güvenilir aktivite ölçüsü “haftada en az bir kez” kullanımdır.)
② Zorunlu code review + otomatik test süreçleriniz kod tabanınızın %60’ından fazlasını kapsıyor mu? (Buradaki “+” işareti, testlerin AI’ın yazdığı kodu gerçekten yakalayabilmesi anlamına gelir; sadece satır bazında kapsama yeterli değildir.)
③ Kademeli (canary) dağıtım rutin bir uygulama mı? (Yani “bir kez yapılmış” değil, “yeni özellikler varsayılan olarak kademeli dağıtımla devreye alınıyor” olmalı.)

Üç kriter de karşılanıyorsa = olgun seviye; soldaki sütundan Claude Code / Codex kullanabilirsiniz. Yalnızca bir veya iki kriter karşılanıyorsa = temel seviye; Cursor / Trae / Qoder kategorisi size uygun. Hiçbiri karşılanmıyorsa = henüz başlangıç aşaması; önce Copilot veya yerli özel (private) çözümlerle temel atın, frenleri takmadan yükseltmeye geçmeyin.

Pragmatik bir kombinasyon: yurt dışına çıkabilen kısımlarda Claude Code ile zorlu işleri çözmek, Codex ile toplu paralel işlemleri yürütmek, Copilot ile geniş kapsamlı tamamlamalar yapmak; yurt dışına çıkamayan çekirdek alanlarda ise Trae veya Qoder’ın kurumsal sürümünü temel almak. Tek bir araca yüklenmeyin — MCP protokolü çoklu araç entegrasyonunu mümkün kılıyor; çoklu tedarikçi stratejisi artık teknik olarak uygulanabilir ve uyumluluk açısından zorunlu. Pragmatic Engineer’ın “kıdemli mühendisler için en iyi uygulamalar” araştırmasına göre, geliştiricilerin %70’i aynı anda 2 ila 4 araç kullanıyor ve senaryoya göre geçiş yapıyor.

Buraya kadar çerçeveyi verdim. Ancak senin yurt dışı veri sınırlarına, olgunluk seviyene ve sektörüne göre uygulama kombinasyonu farklılaşır — bu katmanı tek bir makaleyle belirlemek mümkün değil; şirketinin gerçek durumuna bakmak gerekir. İletişim bilgilerimi de bu yüzden yazının sonuna koydum.

Altı: Özerklik arttıkça yönetişim de ağırlaşır: Freni olmayan bir arabaya büyük motor takmayın

Yetenek sınırı yükseldikçe, bunun bedeli inceleme yükü olarak geri dönüyor. CodeRabbit’in 2025 sonunda yayımladığı rapor, 470 açık kaynak GitHub PR’sini analiz etti ve sonuç şu: AI destekli üretilen kodlarda kusur oranı, tamamen insan yazımı kodlara kıyasla 1,7 kat daha fazla (PR başına ortalama 10,83’e karşı 6,45). Güvenlik açıkları alt türlere göre 1,82 ila 2,74 kat daha yüksek (XSS 2,74×, güvensiz doğrudan nesne referansı 1,91×, hatalı parola işleme 1,88×, güvensiz serileştirme 1,82×). Apiiro’nun Eylül 2025’te Fortune 50 şirketlerinin depolarında yaptığı tarama (veri aralığı: Aralık 2024 – Haziran 2025) daha da net bir tablo çiziyor: AI üretimi kod, aylık güvenlik bulgularını yaklaşık 1.000’den 10.000+ seviyesine fırlattı (10 kat artış). Ayrıcalık yükseltme açıkları %322, mimari katman tasarım kusurları %153 arttı; aynı dönemde sözdizimi hataları %76, mantık hataları ise %60 düştü (bu yüzden geliştiriciler “her şey daha hızlı” hissine kapılıyor, ama tehlikeli açık türleri sessizce yükseliyor). Bu veriler AI’ın yazdığı kodun kullanılamayacağını söylemiyor; söylediği şu: AI çok yazıyor, hızlı yazıyor ve kusurlarla açıklar da orantılı şekilde artıyor. Üretim hacmi büyüdükçe inceleme yükü hızla tırmanıyor — kod, review bant genişliğinden daha hızlı büyüyor ve orta kademe kısa sürede doygunluğa ulaşıyor.

Bu iki veri birlikte tek bir şeyi anlatıyor: Araçların üretim kapasitesi arttı, ama sizin denetim kapasiteniz buna yetişemedi. Bu, daha hızlı tempoda daha tehlikeli bir borç biriktirmek demek. Özellikle otonom ajanlar için geçerli bu. Claude Code gibi araçlar tek başına onlarca dosyayı değiştirip PR açabiliyor; yetenek sınırı son derece yüksek, ama kontrol dışı kalma alanı da bir o kadar geniş. Carlini, 2026 Ocak–Şubat aylarında sıkça atıf yapılan bir örneği kamuya kaydetti: Anthropic araştırmacısı Nicholas Carlini, 16 adet Claude Opus 4.6 ajanını 2 hafta boyunca paralel çalıştırdı; yaklaşık 2000 oturum ve yaklaşık 20.000 dolar API maliyetiyle, sıfırdan 100.000 satırlık Rust tabanlı bir C derleyicisi yazdırdı. Bu derleyici Linux 6.9 çekirdeğini (x86/ARM/RISC-V) derleyebiliyor, GCC torture testinin %99’unu geçiyor ve FFmpeg/Redis/PostgreSQL/QEMU/Doom’u çalıştırabiliyor. Bu düzeyde bir otonomi; code review’ün, otomatik testlerin, güvenlik taramasının ve kademeli (canary) dağıtımın olmadığı bir organizasyonda er ya da geç sorun çıkarır.

Otonom ajanları devreye almadan önce dört şeyi kurmanız gerekir: zorunlu insan kod incelemesi (AI’ın PR’ları muaf tutulamaz), otomatik testler (AI değişiklik yaptığında sistem çalışabilmeli), güvenlik taraması (AI koduna insan koduyla aynı standartta tarama uygulanır) ve kademeli yayınlama (AI değişiklikleri önce küçük oranda devreye alınır). Bu dört şey frendir. Önce frenleri takın, sonra ne kadar büyük bir motor koyacağınızı konuşun. Bu aynı zamanda organizasyonel olgunluğu neden seçim kriterlerimin ilk boyutu yaptığımı da açıklıyor — olgunluğun gerçek anlamı, bu frenlerin ne kadar eksiksiz olduğudur.

Gözden kaçan bir başka karanlık nokta daha var: gölge yapay zekâ — BT’nin onaylamadığı ama çalışanların kendi başına kullandığı yapay zekâ araçları. JetBrains’in Ocak 2026 araştırması, geliştiricilerin %90’ının hâlihazırda yapay zekâ araçları kullandığını söylüyor; sektördeki birden fazla araştırma da aynı sonuca işaret ediyor: geliştiricilerin çoğu, BT’nin resmî onayı olmadan işlerinde yapay zekâ araçları kullandığını kabul ediyor (UpGuard 2025 bu oranı %80 mertebesinde veriyor). Siz daha “araç seçimi” aşamasında olduğunuzu sanarken, geliştiricileriniz çoktan kodları çeşitli yurt dışı, uyumluluk denetiminden geçmemiş araçlara yapıştırmış durumda. Pragmatic Engineer’ın Şubat 2026 araştırmasında daha da dikkat çekici bir bulgu var: kıdemli mühendislerin %56’sı, mühendislik işlerinin %70’inden fazlasında yapay zekâ araçlarına bel bağladığını söylüyor — bu “yapay zekâyla birkaç satır kod yazayım” meselesi değil, “yapay zekâ artık varsayılan çalışma biçimi” demek. Siz uyumlu araçları vermezseniz, onlar uyumsuz olanları kullanır. Gölge yapay zekânın bedeli yalnızca BT departmanının birkaç lisans kaybı değil — aynı anda uyumluluk ihlali, fikrî mülkiyet kaybı ve kod sızıntısı riski demek.

Yedinci Bölüm: Karar Vericiler İçin Çıkarımlar

İlke 1: Araç seçimi teknik bir karar değil, organizasyonel bir karardır. Seçtiğiniz şey yalnızca bir araç değil; organizasyonunuzun hangi yöntemle çalışacağıdır. Copilot’u seçmek “insan yönetir, AI destekler” demek; Claude Code’u seçmek ise “AI bağımsız hareket eder, insan denetler” anlamına gelir. Bu iki yolun organizasyonel yetkinlik gereksinimleri tamamen farklıdır. Yanlış seçimin en büyük maliyeti, organizasyonunuzu kaldıramayacağınız bir çalışma biçimine zorlamasıdır; abonelik ücreti burada en küçük sorundur. Seçim sürecini CTO’nun teknik kararı olmaktan çıkarıp CEO/COO düzeyinde bir organizasyon kararı hâline getirmek, atılması gereken ilk adımdır.

İlke 2: Özerklik arttıkça yönetişim de ağırlaşır; önce frenleri takın. Otonom ajanları devreye almadan önce kod incelemesi, otomatik test, güvenlik taraması ve kademeli dağıtım (canary release) olmak üzere dört unsurun eksiksiz yerinde olması şarttır. CodeRabbit’in 1,7 kat hata ve 1,82–2,74 kat güvenlik açığı verisi, “ajanı hiçbir koruma olmadan devreye almanın” en doğrudan uyarısıdır. Yetenek devreye girmeden önce yönetişim devreye girmelidir.

İçgörü 3: Sıkı regülasyona tabi sektörlerde önce “araç onayı (clearance)” alınmadan yaygınlaştırmaya geçmeyin; aynı zamanda ölçüm metriklerini de değiştirin. Teslimatın yavaş olduğu darboğazın kodlama olduğunu mu düşünüyorsunuz? Çoğu zaman öyle değildir; asıl darboğaz doğrulama aşamasındadır (Change Advisory Board, kayıt/onay süreçleri, test/denetim). Ancak üst yönetime sunduğunuz metrikler — seat sayısı, kapsama oranı, kod satırı — tam da bu gerçek darboğazları gizler ve bu yüzden bütçenin tamamı araçlara akar. “Biliyoruz ama harekete geçemiyoruz” sendromunu tedavi etmek için metrikleri değiştirmek gerekir: AI ROI’sini lisans sayısı ve kod satırıyla ölçmeyi bırakın; bunun yerine uçtan uca teslimat süresi, değişiklik başarısızlık oranı, doğrulama süresi ve üretimdeki arıza sayısını kullanın. Metrikler değişince bütçe de “daha fazla seat satın almak” yerine “doğrulama aşamasını çözmeye” kayar.

İlke 4: Tedarikçinin yönetişim duruşu artık tedarik zinciri riskinin bir parçası. Anthropic’in orduya “sınırsız kullanım” izni vermeyi reddetmesi tedarik zinciri riski olarak listelenirken, OpenAI aynı gün orduyla sözleşme imzaladı — araç seçerken sadece işlevselliğe ve fiyata değil, üç şeye daha bakın: veri işleme politikası (kod saklanıyor mu, ne kadar süre saklanıyor), uyum duruşu (tedarikçi sizin düzenleyici gereksinimlerinize uymaya ne kadar istekli, değerleri uğruna ticari bedel ödemeye razı mı) ve tedarik zinciri dayanıklılığı (tüm kaderinizi tek bir yabancı tedarikçiye bağlamayın). Çoklu tedarikçi stratejisi lüks değil, risk yönetiminin zorunlu gereğidir. (Türkiye’deki telekom, finans ve kamu sektörü karar alıcıları için not: sizin asıl kısıtınız veri yurt dışı çıkışıdır, tedarikçinin yönetişim duruşu değil — bu daha çok denizaşırı perspektiften bir boyuttur, asıl gündemi gölgelemesine izin vermeyin.)

İlke 5: Güven açığı, önümüzdeki 24 ayın asıl savaş alanı. Geliştiricileriniz zaten AI kullanıyor, ancak AI çıktılarına olan güvenleri iki yıl öncesine kıyasla daha düşük (%40’tan %29’a düştü). Bu, araç değerlendirirken bir kritere daha bakmanız gerektiği anlamına geliyor: yazdığı kodu elinizi serbest bırakarak emanet edebilir misiniz — açıklanabilir, kesintiye uğratılabilir, geri alınabilir ve hesap sorulabilir olmalı.

Kendi Kendine Ters Kontrol (cevap verirken süsleme): Aracı seçerken önce “kuruluşum hangi düzeyde otonomiyi kaldırabilir” diye mi düşünüyorsun, yoksa “hangisi popülerse onu mu alıyorsun”? Otonom ajanlara geçmeden önce code review, test, güvenlik taraması ve kademeli dağıtım (canary release) süreçlerin yerinde mi? Yönetim kuruluna AI kodlama ROI’sini sunarken kaç lisans (seat) aldığını mı, yoksa uçtan uca teslim süresini mi raporluyorsun? Çekirdek alan kodun yurt dışına çıkabilir mi, buna karşılık yerel bir alternatifin var mı? Tedarikçinin yönetişim duruşunu ve veri politikalarını değerlendirdin mi? Ekibinin AI çıktılarına güveni artıyor mu, yoksa azalıyor mu? — Bu altı sorudan herhangi birinde için rahat değilse, seçim çerçeveni bir kez daha gözden geçirmen gerekiyor.

Sıradaki Adım

Bir sonraki yazıda (5. yazı), araç ekosisteminin diğer yarısına bakacağız — App üreteçleri ve AI IDE’ler (Bolt, Lovable, Replit, v0) “geliştirme” kavramını nasıl yeniden tanımlıyor. Bunlar geliştirme eşiğini neredeyse sıfıra indiriyor; ama güvenlik ve uyumluluk eşiği asla aynı şekilde düşmemeli — bu, şu anda yaşanan ve daha da görünmez olan bir başka gölge AI krizi.

Bu Çerçeveyi Şirketine Uygulamak mı İstiyorsun?

AI kodlama araçları kurumlara girdiğinde, gerçekte çözülmesi gereken genellikle birkaç somut sorundur: hangi kod ve veriler modele girebilir, ekip hangi düzeyde ajan otonomisine uygun, mevcut doğrulama süreçlerinin ne kadar güçlendirilmesi gerekiyor ve pilot uygulama hangi metriklerle kabul edilmeli.

Şu anda üç tür iş birliği sunuyoruz:

Kurumsal Eğitim: Şirketinizin gerçek projelerini temel alarak araç seçimi, kullanım sınırları, doğrulama süreçleri ve yönetişim mekanizması tasarımını birlikte tamamlıyoruz.

Özel Danışmanlık: Tek bir net karara odaklanıyoruz. Örneğin Claude Code’un kuruluşunuza uygun olup olmadığı, Trae ve Qoder’ın sıkı düzenleyici ortamlarda nasıl hayata geçirileceği veya 90 günlük bir pilot programın nasıl tasarlanacağı gibi.

Üst Yönetim Sunumları ve Sektör Konuşmaları: AI destekli programlama, yazılım mühendisliğindeki dönüşüm, kurumsal AI geçişi ve organizasyonel yönetişim konularını ele alıyoruz.

Makaleler genel çerçeveler sunar. Ancak somut uygulama; şirketinizin veri sınırları, düzenleyici gereksinimler, mühendislik olgunluğu ve mevcut teslimat süreçleri dikkate alınarak yeniden tasarlanmalıdır. İş birliği için coach@iaiuse.com adresinden bize ulaşabilirsiniz.

İleri Okuma: “Jian Zhao Metodolojisi v1.0” (Yavaşça AI Öğren 187), kurumsal AI dönüşümü için 7 adımlı çerçeveyi sistematik olarak tanıtmaktadır.

Bu Seri Hakkında

“Yapay Zeka Çağında Yazılım Mühendisliği Dönüşümü”, telekomünikasyon, finans, üretim ve e-ticaret sektörlerindeki CIO, CDO, CTO ve dijital dönüşüm liderlerine yönelik bir araştırma serisidir. Seri, AI programlama araçlarının yazılım teslimat süreçlerini, organizasyon yapılarını, yönetişim mekanizmalarını ve yönetim metriklerini nasıl etkilediğine odaklanmaktadır.

Seri; akademik makaleleri, satıcı dokümanlarını ve sektör raporlarını sürekli olarak takip eder. Araştırma veritabanı 200’den fazla kaynak içerir ve kritik değerlendirmeler için kanıt düzeyleri belirtilir; doğrulanmış gerçekler, satıcı iddiaları, sektör gözlemleri ve yazar çıkarımları mümkün olduğunca ayrıştırılır.

Yaklaşık 8 yıldır büyük ölçekli kurumsal danışmanlık ve iş analitiği alanında çalışıyorum; IBM’de görev aldım ve telekom, finans, sigorta ile imalat sektörlerinde projelerde bulundum. Sonrasında operatör ürünleri, internet ürünleri ve yapay zekâ uygulama geliştirme sahasında; gereksinim analizi, ürün tasarımı ve ekipler arası uygulama konularında çalışmaya devam ettim.

Bu serideki araç seçimi, doğrulama süreçleri ve organizasyonel yönetişim konusundaki değerlendirmelerim; bu pratik deneyimlerin yanı sıra kamuya açık araştırmalar ve sektör vakalarıyla çapraz doğrulama yapılarak oluşturulmuştur. Belirli projelere ilişkin içerikler anonimleştirilmiştir; bazı sektör senaryoları tipik sorunlar üzerinden kurgulanmış olup ilgili dayanaklar yazının sonundaki referans kaynaklarında verilmiştir.

Referans Kaynakları (Kaynak Bazında + Kanıt Düzeyi + Perspektif Beyanı)

JetBrains AI Pulse Survey 2026.1（一级）：10.000’den fazla profesyonel geliştirici, 8 dil. GitHub Copilot %76 bilinirlik / %29 işyeri benimseme oranı / büyüme duraklamış (10.000+ çalışanı olan şirketlerde %56); Cursor %69 / %18 / büyüme hızı yavaşlamış; Claude Code %57 / %18 / 9 ayda 6 kat büyüme, Kuzey Amerika’da %24, CSAT 91 / NPS 54; Codex %27 / %3 (masaüstü öncesi); Antigravity %6 (2025.11 itibarıyla pazarda); Junie CLI %5. Geliştiricilerin %90’ı en az bir AI aracı kullanıyor; %70’i 2-4 farklı araç kullanıyor. https://www.jetbrains.com/research/ai-coding-assistant-usage/

Pragmatic Engineer Newsletter (Şubat 2026, birincil kaynak): 15.000 geliştirici anketi; Claude Code %46 ile en çok sevilen araç (Cursor %19, Copilot %9); 10.000’den az çalışanı olan şirketlerin %75’i Claude Code’u, 10.000’den fazla çalışanı olanların %56’sı Copilot’u tercih ediyor; %70’i aynı anda 2–4 araç kullanıyor. https://newsletter.pragmaticengineer.com/p/ai-tooling-2026
Anthropic G Serisi duyurusu (Şubat 2026, birincil kaynak, satıcı perspektifi): Claude Code, 9 ayda sıfırdan 2,5 milyar dolarlık yıllık gelire ulaştı. Reuters, Forbes ve SaaStr gibi birden fazla kaynak bu rakamı doğruluyor.
Microsoft FY26 Q1/Q2 finansal sonuçları (28.01.2026, doğrudan Microsoft yatırımcı sayfasından, satıcı perspektifi): GitHub Copilot 4,7 milyon ücretli abonelik, yıllık bazda +%75 (FY26 Q2 finansal sonuçları kapsamında); Copilot Pro+ bireysel abonelikler Q2’de çeyreklik bazda +%77. Yaklaşık 77 bin kurumsal müşteri FY24’te açıklanan rakamdır; FY26’da güncellenmemiştir, bu nedenle kullanılıyor ancak kaynak belirtiliyor.
Cursor / Anysphere D Serisi (2025.11, birincil piyasa): 2,3 milyar dolar finansman, 29,3 milyar dolar değerleme. ARR, 100 milyon dolardan (2025.01) 2 milyar dolara (2026.02) yükseldi; uygulama katmanında 100 milyon dolar ARR’ye ulaşan en hızlı SaaS oldu. CNBC, The Information.
Sam Altman / OpenAI resmî açıklamaları (2026.4–6, birincil kaynak, satıcı perspektifi): Codex haftalık aktif kullanıcı sayısı 3 milyon (Nisan başı) → 4 milyon (21 Nisan) → 5 milyon+ (2 Haziran; bunun %20’si geliştirici değil); token kullanımı aylık bazda %70+ artış; Codex CLI npm aylık indirme sayısı 2025.4’teki (lansman ayı) 82 bin seviyesinden 2026.5’te 41,8 milyona yükseldi — 510 kat büyüme. gradually.ai, Neowin ve Constellation Research kaynakları birbiriyle tutarlı.
OpenAI × Dell iş birliği (18 Mayıs 2026, birincil kaynak, satıcı perspektifi): Dell Technologies World’de duyurulan Dell AI Factory with OpenAI Codex ile Codex, şirket içi (on-premises) ve hibrit bulut kurumsal ortamlarına dağıtılıyor; kapsamda Codex + ChatGPT Enterprise yer alıyor. https://openai.com/index/dell-codex-enterprise-partnership
OpenAI AB veri yerleşikliği (Şubat 2025 itibarıyla, birinci elden, satıcı perspektifi): ChatGPT Enterprise/Edu/API için Avrupa veri yerleşikliği; Ocak 2026’da bölge içi GPU çıkarımının (US/EU) genişletilmesi. https://openai.com/index/introducing-data-residency-in-europe/
AWS Bedrock üzerinde Claude Code + AB veri yerleşikliği (birinci seviye): Claude via claude.ai/Anthropic API varsayılan olarak ABD altyapısını kullanır; Claude Enterprise (SaaS) AB veri yerleşikliği içermez; AB yerleşikliği için AWS Bedrock AB profili (Frankfurt eu-central-1 / İrlanda / Paris) veya Vertex AI AB kullanılmalıdır, model kimliğine eu. öneki eklenir; Microsoft Foundry 2026.7’de Avrupa’da genel kullanıma sunulacak ancak veri yerleşikliği taahhüdü Foundry’yi kapsamıyor (“Coming 2026”). compound.law, InfoQ, bespinian. https://www.infoq.com/news/2026/07/claude-foundry-ga-europe
Anthropic–ABD Savunma Bakanlığı Anlaşmazlığı (2026 H1, Birinci Düzey, haber olgusu + hukuki belgeler): Pentagon, Claude’un “tüm yasal amaçlar için” kısıtlanmadan kullanılmasını talep etti; Dario Amodei’nin kırmızı çizgisi, yurt içi kitlesel gözetim ve tamamen otonom silahlar için kullanılmamasıydı. 27.02.2026’da Trump federal kurumlara kullanımı durdurma talimatı verdi, Hegseth bunu “tedarik zinciri riski” olarak tanımladı; 04.03’te DoD resmi olarak bu tanımı yaptı; Anthropic 09.03’te dava açtı (ND Cal, 3:26-cv-01996, Yargıç Rita Lin); 26.03’te ihtiyati tedbir kararı çıktı (“gerekçe muhtemelen bir bahaneydi, motivasyon yasa dışı misillemeydi”); 08.04’te temyiz mahkemesi Anthropic’in yürütmeyi durdurma talebini reddetti; aynı gün OpenAI, Pentagon ile bir anlaşmaya vardığını duyurdu. Mayer Brown, Wikipedia, Arms Control Association, Breaking Defense, CNBC. https://www.mayerbrown.com/en/insights/publications/2026/03/pentagon-designates-anthropic-a-supply-chain-risk-what-government-contractors-need-to-know
TRAE CN Kurumsal Sürüm Duyurusu (2025.12.18, Birinci Öncelik, Satıcı Perspektifi): ByteDance içinde mühendislerin %92’si kullanıyor; bireysel sürümde 6 milyon+ kayıt; kurumsal sürüm + kurumsal özel sürüm olmak üzere çift dağıtım seçeneği (kurumsal özel sürümde özel ağ izolasyonu); uçtan uca şifreleme + bulutta sıfır veri saklama + modellerin eğitim için kullanılamaması; 100.000 dosya / 150 milyon satır indeksleme; SSO, performans panosu, MCP; Huifu (Chinese fintech) ve Douyin Life Services (ByteDance service) tarafından benimsendi. CSDN, Sina Tech, ZOL (resmi duyuruya atıfla). https://www.csdn.net/article/2025-12-18/156057918
Qoder CN (formerly Tongyi Lingma) Enterprise Edition (May 2026, Tier 1, vendor perspective): In May 2026, Tongyi Lingma was rebranded as Qoder CN, expanding its matrix across coding, office productivity, endpoints, and mobile. Enterprise Standard Edition (per-seat licensing) + Enterprise Dedicated Edition (VPC private deployment, data stays within the internal network, SSO, model fine-tuning, 99.9% SLA, dedicated advisor, 7×24 support); underlying multi-model domestic lineup (Qwen/GLM/DeepSeek/Kimi/MiniMax). Alibaba Cloud official documentation. https://help.aliyun.com/zh/lingma/qoder-cn-account-and-subscription
Google Antigravity (Nov 2025 + I/O 2026, Tier 1): Launched in November 2025 as an agent-first coding tool (built for Gemini 3, per The Verge); upgraded to 2.0 at Google I/O 2026 (a full agentic development platform with desktop + CLI + SDK); JetBrains 2026.1 reports a 6% adoption rate. Wikipedia, The Verge, Google official sources.
CodeRabbit (2025.12.17, birinci el): 470 açık kaynak GitHub PR’si (AI vs insan). Toplam kusur 1,7 kat (PR başına 10,83 vs 6,45); güvenlik açıkları alt sınıflara göre 1,82–2,74 kat — XSS 2,74 kat, güvensiz doğrudan nesne referansı 1,91 kat, yanlış parola işleme 1,88 kat, güvensiz serileştirme 1,82 kat; okunabilirlik sorunları 3 kat. https://www.coderabbit.ai/whitepapers/state-of-AI-vs-human-code-generation-report
Apiiro (2025.9.4, satıcı görüşü): Fortune 50 şirketlerinin depoları tarandı (veri dönemi 2024.12–2025.6). AI tarafından üretilen kodda aylık güvenlik bulguları yaklaşık 1.000’den 10.000+’a fırladı (10 kat), ayrıcalık yükseltme açıkları +%322, mimari katman tasarım kusurları +%153; sözdizimi hataları %76, mantık hataları %60 düştü. The Register, Cloud Security Alliance Labs.
GitHub × Accenture araştırması (birincil kaynak, satıcı perspektifi, GitHub Blog, Nisan 2024): 450+ Accenture geliştiricisi, 6 aylık kontrollü deney. Kişi başı PR +%8,69, birleştirme oranı +%15, geliştiriciler Copilot’un ürettiği kod karakterlerinin %88’ini (review sonrası) koruyor. Not: Dolaşan “%55 daha hızlı” iddiası, GitHub’ın başka bir JavaScript HTTP servis görevindeki küçük örneklemli kontrollü deneyinden geliyor; Accenture araştırmasıyla ilgisi yok ve sıklıkla yanlış atfediliyor.
MIT Ekonomi Çalışma Grubu makalesi (birincil kaynak): Microsoft deneyi (1663 kişi) PR +%12,9–%21,8; Accenture deneyi (311 kişi) PR +%7,5–%8,7. https://economics.mit.edu/sites/default/files/inline-files/draft_copilot_experiments.pdf
Stack Overflow Developer Survey 2025 (birincil kaynak): Geliştiricilerin %84’ü AI araçları kullanıyor; JetBrains 2026.1’de bu oran %90’a yükseldi.
UpGuard 2025 / Journal of Accountancy (ikincil kaynak): Geliştiricilerin yaklaşık %80’i, BT onayı olmadan AI araçları kullandığını kabul ediyor (gölge AI kapsamı).
Geliştirici güvenindeki düşüş (ikincil kaynak, çoklu kaynak): 2026’da AI tarafından üretilen koda güvenen geliştiricilerin oranı yaklaşık %29’a geriledi; bu oran 2024’te %40’tı. Code churn oranı 2020’deki %3,1’den 2024’te %5,7’ye yükseldi. Uvik Software gibi kaynaklar bu veriyi destekliyor.
Carlini / Anthropic (2026.1–2, birincil kaynak, orijinal araştırma): Anthropic araştırmacısı Nicholas Carlini, 16 adet Claude Opus 4.6 ajanını 2 hafta boyunca paralel çalıştırdı; yaklaşık 2000 oturum ve yaklaşık 20.000 $ API maliyetiyle sıfırdan 100.000 satırlık Rust tabanlı bir C derleyicisi yazdırdı. Bu derleyici Linux 6.9’u (x86/ARM/RISC-V) derleyebiliyor, GCC torture testlerinin %99’unu geçiyor ve FFmpeg/Redis/PostgreSQL/QEMU/Doom’u çalıştırabiliyor. Kaynak: InfoQ, Anthropic blog.
Vaka Gizlilik Notu: Bu yazıda bahsedilen operatör senaryosu, operatörlerde yürüttüğüm yapay zeka iç eğitimleri ve dijital ekip takip deneyimlerime dayanmaktadır ve gizlilik açısından anonimleştirilmiştir. Bankacılık, üretim ve e-ticaret gibi “sektör değişse de mantık aynıdır” vurgusu yapan bölümler, sektöre özgü tipik çıkarımlardır; belirli bir müşteriye verilmiş danışmanlık hizmetinin sonucu değildir. Alıntı yapılacaksa lütfen anonimleştirilmiş olduğunu belirtin.