METR'ın yapay zekâ ile kodlama yavaşlaması çalışmasının devamı, geliştiriciler yapay zekâsız çalışmayı reddedince sekteye uğradı

Yapay zekânın geliştiricileri hızlandırıp hızlandırmadığını ölzen bir araştırma grubu, bunu yeniden ölçmenin giderek zorlaştığını fark etti. dev.to'da yayımlanan bir yazıya göre, METR'ın bilinen 2025 kodlama denemesini tekrarlama girişimi, laboratuvarın kendisinin kullanılamaz olarak değerlendirdiği sonuçlar üretti; bunun başlıca nedeni, geliştiricilerin artık yapay zekâ araçları olmadan çalışmak istememesi.

Özgün bulgu

2025'in başında METR, 16 deneyimli açık kaynak bakıcısını işe aldı, saatte 150 dolar ödedi ve onlardan yıllardır katkıda bulundukları büyük repository'lerde 246 gerçek sorunu çözmelerini istedi. Her görevin yapay zekâ kullanıp kullanamayacağı rastgele belirlendi. Yapay zekâya izin verildiğinde görevler %19 daha uzun sürdü; güven aralığı +%2 ile +%39 arasındaydı. Katılımcılar çalışma başlamadan önce %24'lük bir hızlanma öngörmüşler, çalışma bittikten sonra da hâlâ yapay zekânın kendilerini kabaca %20 daha hızlı hâle getirdiğine inanıyorlardı.

Kontrol grubunu kaybeden takip çalışması

İkinci deney Ağustos 2025'te daha büyük ölçekte başladı: 57 geliştirici, 143 repository ve 800'den fazla görev. METR bulgularını Şubat 2026'da yayımladı ve kendi veri setinin yapay zekâ kodlama araçlarının güncel üretkenlik etkisini güvenilir biçimde tahmin edemediği sonucuna vardı.

Sorunun merkezinde katılımcı bulma vardı. METR, özellikle yapay zekâ olmadan çalışmak istemedikleri için çalışmaya katılmayı reddeden geliştiricilerde keskin bir artış bildirdi. Katılanlar arasında ise %30 ile %50'si, yardımsız yapmak istemedikleri görevleri sakladıklarını söyledi. METR, her iki etkinin de tahminlerinin yapay zekânın faydasını olduğundan küçük göstermesine yol açtığına inanıyor.

İki ek sorun daha gürültü ekledi. Ödeme saatte 150 dolardan 50 dolara düştü; METR bunun ek bir seçim etkisi getirdiğinden şüpheleniyor. Ayrıca aynı anda birden çok yapay zekâ agent'ı çalıştıran geliştiriciler, görev başına süre ölçümünü yorumlamayı zorlaştırdı; arka plandaki bir agent'a devredilen bir görevin süresinin nasıl ölçüleceği belirsiz.

Ters yöne işaret eden, zayıf sayılar

Takip çalışması tahminler de üretti. Deneyimli, geri dönen geliştiriciler -%18'lik bir hızlanma gösterdi; güven aralığı -%38 ile +%9 arasındaydı. Yeni katılan geliştiriciler -%4 gösterdi; aralık -%15 ile +%9 arasındaydı. METR'ın ölçeğinde negatif bir değer, görevlerin yapay zekâ ile daha kısa sürdüğü anlamına gelir; dolayısıyla her iki sonuç da 2025 bulgusunun tersi yöne eğilim gösteriyor. Ancak her iki aralık da sıfırı kapsıyor. METR'ın kendi yorumu, geliştiricilerin güncel araçlarla muhtemelen 2025 başındakinden daha hızlı olduğu, ancak bu turun bunun ne kadar olduğuna dair yalnızca çok zayıf bir kanıt sunduğu yönünde.

Kendi bildirilen hız bilinen bir hataya sahip

METR ayrıca Şubat-Nisan 2026 arasında 349 teknik çalışanı (bunların 87'si yazılım mühendisi) kapsayan bir anket yürüttü. Katılımcılar ortanca 3 kat hız kazanığı ve işlerinin değerinde 1,4 ile 2 kat arası ortanca kazanç bildirdiler; ortanca katılımcı yapay zekâ araçlarını elinde tutmak için aylık maaşının %29'undan vazgeçeceğini söyledi — METR'ın kendisinin zayıf kanıt olarak işaretlediği bir rakam. Laboratuvar, bu tür anket yanıtlarının mutlaka gerçeğe dayanmadığı konusunda uyarıyor; 2025 denemesinin katılımcılarının, yapay zekânın görev süreleri üzerindeki etkisini ortalama yaklaşık 40 yüzde puan fazla tahmin ettiğine dikkat çekiyor.

Neden önemli

dev.to'daki yazı, başarısız tekrar denemenin tek bir tahminden daha önemli olduğunu savunuyor. Randomize bir deney, test edilen uygulamadan yoksun çalışmaya istekli katılımcılara ihtiyaç duyar ve bu istek, yapay zekâ asistanları günlük geliştirme iş akışlarına gömüldükçe kurumakta. Geliştiricilerin bugün hızın kanıtı olarak gösterdiği paralel agent iş akışları, kronometre tarzı ölçümü aktif biçimde zayıflatıyor; çünkü birkaç agent arka planda çalışırken görev sınırları bulanıklaşıyor. Kanıt olarak geriye kalan büyük ölçüde kendi bildirilen hız —客观 zamanlamayla karşılaştırılıp ciddi biçimde sapmış olduğu bulunan tek ölçüm. Yazının yazarı, ekiplerin bunun yerine incelemeden sağ çıkacak sonuçları, örneğin merge edilen, düşürülen ve geri alınan pull request'leri izlemesini öneriyor; ayrıca Ekim 2026 ortası itibarıyla her iki tahminin yerine geçecek daha yeni bir METR denemesinin olmadığına, dolayısıyla sektörün merkezî üretkenlik sorusunun her araç döngüsünde yanıtlanmasının biraz daha zorlaştığına değiniyor.