“Hiç bu kadar geride hissetmedim.”
Bunu Andrej Karpathy söylüyor. OpenAI’ın kurucu ekibinden, Tesla’nın otonom sürüş yazılımını inşa eden, geçen yıl “vibe coding” kavramıyla tüm sektörü sarsan adam.
Ve dürüst olmak gerekirse ben de aynı şeyi hissediyorum. Son aylarda bunu çok söylüyorum. Araçlar bu kadar hızlı gelişirken ayak uydurmak değil, sadece nelerin çıktığını takip etmek bile zorlaşıyor.
Aslında Karpathy’nin kastettiği bir şikâyet değil. Araçların ve modellerin bu kadar hızlı ilerlemesinin yarattığı şaşkınlık. Bu şaşkınlığın arkasında çok daha büyük bir paradigma var.
Üç paradigma, bir devrim
Karpathy’yi anlamak için önce onun zihinsel çerçevesini anlamak gerekiyor. 2017’de “Software 2.0” makalesini yazdığında sektör onu ciddiye almadı. Sonra Tesla’nın sistemlerinde bunun ne demek olduğunu herkes gördü: Elle yazılmış yüz binlerce satır kural, yapay sinir ağına dönüşüyordu. Ve sonuçları çok daha iyiydi.
Şimdi sıra üçüncü sürümde.
Yazılım 1.0 hepimizin bildiği dünya. Kod yazıyorsun, bilgisayar çalıştırıyor. Her adım açık, deterministik, öngörülebilir. Güçlü ama kırılgan: Her senaryoyu önceden tanımlamak zorundasın.
Yazılım 2.0’da kuralları sen yazmıyorsun, veri yazıyor. Sinir ağlarını tasarlıyorsun, veri setlerini hazırlıyorsun, hedef fonksiyonunu tanımlıyorsun; geri kalanı optimizasyon hallediyor. “Programlama” kelimesinin anlamı sessizce değişti: Kod yazmak değil, davranışı şekillendirmek oldu.
Yazılım 3.0 ise şu an içinde yaşadığımız şey. Büyük dil modelleri birer yazılım geliştirme platformu haline geldi. Artık ne kod ne de veri seti gerekiyor; doğal dil yeterli. Context window’un içindekiler senin veri setin, prompt senin programın, LLM senin yorumlayıcın.
Dikkat ederseniz bu üç paradigma birbirinin yerini almıyor, birbirinin üstüne ekleniyor. Bugün çalıştırdığın bir sistem muhtemelen üçünü aynı anda barındırıyor. Ama 3.0’ın altındakileri bitirme süreci hızlanıyor.
Aralık 2025: Kırılma noktası
Karpathy soyut kavramları somut hikayelerle anlatmayı seviyor. Ve bu geçişi en net anlatan hikaye bizzat kendi deneyimi.
2025 boyunca Claude Code, Codex gibi araçları kullanıyordu. Yardımcı oluyorlardı ama sık sık düzeltme gerektiriyordu. Sonra Aralık geldi. Tatildeydi, elinde normalden fazla zaman vardı. Bir şey fark etti: Modeller artık daha büyük parçalar üretiyor, daha tutarlı çalışıyor, daha az hata yapıyordu. “En son ne zaman düzelttim, hatırlamıyorum” dedi. Sisteme güveni artmaya başladı. Yan proje klasörü patladı.
Bunu sadece kişisel bir gözlem olarak aktarmıyor. “Bu geçişi pek çok insan kaçırdı. Yapay zekâyı geçen yıl hâlâ ChatGPT benzeri bir şey olarak düşünenler çok. Ama Aralık itibarıyla işler köklü biçimde değişti” diyor.
Vibe coding’den agent mühendisliğine
İşte tam bu noktada Karpathy’nin en önemli ayrımı ortaya çıkıyor.
Vibe coding işi kolaylaştırdı. Teknik bilgisi olmayan biri de artık uygulama yazabiliyor, prototip çıkarabiliyor, bir fikri hızla test edebiliyor. Bunların hepsi gerçek ve değerli.
Ama vibe coding’de kalmak, eski paradigmada takılı kalmakla eşdeğer.
“Agent mühendisliği” ise işleri gerçekten değiştiriyor. Agentlara işi delege et, ama kalite çıtasını koru. Güvenlik açıklarına izin verme. Sistemi doğru tasarla. Karpathy kendi projesinden somut bir hata örneği veriyor: Ajan, Stripe ödemeleriyle Google hesaplarını eşleştirmek için aynı e-posta adreslerini kullanacak bir kod yazdı. Kod çalışıyordu. Ama tasarım yanlıştı. Çünkü biri Stripe’ta farklı, Google’da farklı bir mail kullanabilir. Bu hatayı fark etmek insan yargısı gerektiriyor.
Kodlamayı bilmek değil, neyin doğru olduğunu anlamak.
Hayvanlar değil, hayaletler
Karpathy’nin en orijinal metaforu burada devreye giriyor. LLM’leri hayvan olarak düşünmek yanlış diyor. Hayvanlar evrim yoluyla şekillendi; merak, oyun, içsel motivasyon var. LLM’ler ise bunların hiçbirine sahip değil. Milyarlarca insan ürünü veriden damıtılmış istatistiksel yapılar. Tanıdık görünüyorlar çünkü bizim dilimizle konuşuyorlar. Ama içeride hayvan zekâsı yok, sadece istatistik var.
Karpathy bunlara “hayalet” diyor. Ve bu metafor önemli çünkü hayvan beklentisiyle yaklaşırsan hayal kırıklığına uğrarsın. LLM’ler pürüzlü varlıklar. 100.000 satırlık kodu yeniden yazabiliyor ama 50 metre uzaklıktaki araba yıkamaya yürüyerek mi yoksa arabayla mı gidilmesi gerektiğini yanlış söylüyor. Bu tutarsızlık bir hata değil, bu sistemlerin doğasında var.
Modelin nerede güçlü olduğunu, nerede tökezlediğini deneyimle öğrenmek gerekiyor. Körü körüne güven de şüphe de yanlış.
Kavrama Devredilmemeli
Karpathy’nin zihninden bir türlü çıkmayan bir cümle aslında birçok şeyi anlatıyor: “Thinking’i devredebilirsin, ama understanding’i devredemezsin.” Süreci ajana bırakabilirsin, ama kavrayışı bırakamazsın.
Ajanlar ne kadar güçlenirse güçlensin, yönlendirme insanda kalıyor. Ne inşa edeceğini bilmek. Neden değerli olduğunu anlamak. Modelin ne zaman yanlış yolda gittiğini sezebilmek. Hangi sonucun şüpheli olduğunu fark etmek.
Bu bir teselli ödülü değil. Karpathy’ye göre bu, önümüzdeki dönemin en kıt kaynağı. Kod üretimi ucuzluyor, API detaylarını ezberlemek anlamsızlaşıyor. Ama anlama, yargı ve estetik giderek daha değerli hale geliyor.
Geride hissetmek bir şikâyet değil, bir uyarı. Paradigma değişti ve cevaplaman gereken soru şu: Sen de değişiyor musun?