Dan Shapiro’nun 6 seviyeli yapay zekâ olgunluk modeli, Bilgi Teknolojileri mimarisi, yazılım mühendisliği süreçleri ve sistem yönetimi açısından geleneksel BT operasyonlarının otonom sistemlere dönüşümündeki yol haritasını gösterir.
BT perspektifinden bakıldığında bu süreç, sadece geliştiricilerin kullandığı bir araç olmaktan çıkıp, tüm altyapının, veri akışlarının ve entegrasyonların kökten değiştiği bir dönüşümü temsil eder.
Bu model, BT ekiplerinin yapay zekâyı sadece araç olarak değil, giderek daha fazla iş yapan sistem olarak düşünmesine yardım eder. Üst seviyelerde yapay zeka, hız ve verimlilik artıran bir asistan. Alt seviyelerde ise iş akışının önemli bölümünü devralır. Model, özellikle kod yazma, test, operasyon ve ürün geliştirme süreçlerinde otomasyonun hangi noktada olduğunu anlamayı sağlar.
Özetle, Yapay Zeka, herşeyi kökten değiştirecek evrimsel bir dönüşümdür.
Seviye 0 : Gelişmiş Otomatik Tamamlama (Spicy Autocomplete)
Manuel çalışma. İş tamamen insan tarafından yapılır; AI yok denecek kadar azdır.
Ara sıra arama motoru veya basit autocomplete kullanılır; süreç insan merkezlidir. Geliştiriciler kod yazarken IDE'lerdeki (Entegre Geliştirme Ortamında) basit kelime tamamlayıcılarını kullanır.
Geliştirici tuğla dizer gibi, her satırı kendisi yazar; klasik el emeği kodlama paradigması.
Sistem yöneticileri sunucu kurarken veya ağ yapılandırırken dokümantasyonları elle okuyup terminale komutları tek tek girerler.
Tüm mimari ve süreçler tamamen insan kontrolü altındadır.
Seviye 1 : Stajyer Seviyesi (The Coding/Research Intern)
Yardımcı otomasyon. Yapay zekâ küçük öneriler, tamamlamalar yapar; karar insandadır.
Spicy autocomplete kod tamamlama, snippet önerisi; geliştirici hâlâ kodun sahibi, yapay zekâ ergonomiyi artırır
Paradigma değişimi, “Geliştirici yazıyor, yapay zekâ sadece hızlandırıyor.” Zihniyet hâlâ “manuel kod” ama klavyeye yardımcı bir robot kol eklenmiş gibi hisseder.
Çalışanların hassas kurumsal kodları veya müşteri verilerini açık yapay zekâ modellerine yüklemesini engelleyecek BT Güvenlik Politikaları ve veri maskeleme kuralları bu aşamada devreye girer.
Seviye 2: Kısmi görev otomasyonu / Analist (The Junior Developer / Analyst)
Kısmi görev otomasyonu. Bazı alt görevler otomatikleşir, sistem tek başına yapar; insan kontrol ve revizyon görevini yerine getirir. Bağlam farkındalığı olan entegre sistemler (Context-Aware / Enterprise Search).
Yapay zekâ “coding intern / junior developer”: test yazma, boilerplate çıkarma, refaktör önerme gibi işleri üstlenir; insan detayları gözden geçirir
Yapay zekâ, BT araçlarının içine yerleşik (native) hale gelir. GitHub Copilot, Cursor veya AWS Q gibi araçlar, projenin tüm kod havuzunu (repository) ve mimarisini okuyabilir. BT destek ekipleri, şirketin tüm iç dokümantasyonuna erişimi olan RAG (Retrieval-Augmented Generation) tabanlı arama sistemlerini kullanır.
Yapay zekâ sistemler arası ilişkileri anlar ancak hala insan promt'una ihtiyaç duyar.
Yazılım geliştirme hızı ve BT destek ticketlerinin çözülme hızı katlanır. BT mimarları için en kritik iş, yapay zekânın okuyacağı kurumsal verilerin kalitesini ve indeksleme doğruluğunu sağlar.
Paradigma değişimi, Geliştirici “task master” olur; “önemsiz işleri AI yapar, geliştirici önemli yerlere odaklanır.” Rol, satır yazmaktan görev dağıtmaya kayar.
Seviye 3: Yapay Zekâ Kıdemli Çalışan (The Developer / Analyst)
Güçlü yardımcı/yarı otonom çalışma. Yapay zekâ büyük iş parçalarını yürütür; insan yönlendirir ve review yapar. Otonom CI/CD ve İnceleme Hatları (Human-in-the-loop Automation).
Yapay zekâ “developer / senior developer” rolüne yaklaşır; çok dosyalı değişiklikler, modül taslağı, refaktör gibi işleri kendi başına yürütür, insan kodu review eder.
Yapay zekâ artık talep bekleyen pasif bir araç değildir; sürekli açık olan ve arka planda çalışan otonom bir sistemdir.
Sistemde bir hata (bug) oluştuğunda veya bir sunucu çöktüğünde, yapay zekâ problemi kendisi tespit eder, kodu düzeltir veya altyapı yamasını hazırlar. Ardından geliştiricinin önüne bir "Pull Request" (Kod Değişiklik İnceleme Talebi) olarak düşer.
Paradigma değişimi, “ Mühendislerin rolü "kod yazmak" veya "sistem kurmak"tan, yapay zekânın getirdiği çözümleri denetlemek ve onaylamaya Code Review / QA evrilir.
BT altyapısında "Agentic Defense" ve sıkı yetkilendirme mekanizmaları bu seviyede zorunludur.
Seviye 4: Mühendislik / Strateji Takımı (The Engineering Team)
Yüksek otonomi. İnsan daha çok hedef belirler, yapay zekâ uygulama ve koordinasyonun büyük kısmını üstlenir. Çoklu Ajan Orkestrasyonu ve Otonom Platform Mühendisliği (Multi-Agent Systems).
İnsan spesifikasyon yazar, yapay zekâ o spesifikasyonu tartışır, kodlar, test eder; insan daha çok ürün sahibi / PM rolüne geçer.
Yapay zekâ, yazılım mimarı ajanı, veritabanı yöneticisi ajanı ve test mühendisi ajanı gibi rollerden oluşan multi-agent (çoklu ajan) sistemleri halinde çalışır.
İnsanlar sisteme sadece iş analizi çıktılarını, kabul kriterlerini ve sistem gereksinimlerini (specifications) girer.
Ajanlar kendi aralarında iş bölümü yaparak sistemi uçtan uca tasarlar, testlerini yazar ve simülasyon ortamlarında çalıştırır. (Vibe coding, Spec-driven development)
Paradigma değişimi, BT departmanları "kod üreten" yerler olmaktan çıkıp, "şartname ve kural koyan" stratejik merkezlere dönüşür. İnsanın odak noktası, sistemin teknik detayları değil, iş hedeflerine (business goals) ne kadar hizmet ettiğidir.
Seviye 5: Karanlık Yazılım / Bilgi Fabrikası (The Dark Software Factory)
Tam otonomi. Sistem neredeyse uçtan uca bağımsız çalışır; insan müdahalesi çok sınırlıdır. Tamamen Otonom, Kendini İyileştiren ve Evrilten BT Ekosistemi (Self-Healing / Generative IT).
BT altyapısı ve yazılımlar yaşayan, dinamik birer organizma gibidir.
Mühendis, sisteme "Gelecek ayki lojistik operasyonları için yeni bir rota optimizasyon modülünü devreye al" talimatını verir. Sistem mimariyi tasarlar, altyapıyı (Infrastructure as Code) ayağa kaldırır, kodu yazar, siber güvenlik sızma testlerini kendi kendine yapar ve canlıya alır. İnsanlar ara çıktıları veya kod satırlarını asla görmezler.
Paradigma değişimi, Geliştirici, üretim bandında değil; fabrikanın tasarımcısıdır. Yapay zekâ genel amaçlı bir altyapı haline gelir; insan işin “ne” ve “neden” kısmına odaklanır.
Geleneksel BT operasyonlarının, bakım-onarım süreçlerinin ve klasik yazılım departmanlarının tamamen ortadan kalktığı seviyedir.
BT mühendislerinin görevi, yapay zekayı test eden ve denetleyen meta-sistemlerin ve etik/güvenlik kalkanlarının mimarisini çizmektir.
Bu 6 seviyeli olgunluk seviyesini üç ana bölümde özetlersek.
Operasyonel Taban (S0 - S2) Yapay zekânın sadece bireysel verimlilik artırdığı, kontrolün tamamen insanda olduğu ve risklerin "Gölge BT" düzeyinde kaldığı geleneksel evre.
Kritik Geçiş Eşiği (S3) Yapay zekânın sistem mimarisine sızdığı, kod havuzlarına entegre olup otonom kararlar vermeye başladığı ve kurumların siber güvenlik mimarisinde "Ajanik Savunma" (Agentic Defense) kurmasını zorunlu kılan kırılma noktası.
Otonom Zirve (S4 - S5) Kod veya operasyon satırlarının tamamen görünmez olduğu, insanların sadece kabul kriterlerini ve iş kurallarını (Specifications) tasarladığı, BT altyapısının ise kendi kendini iyileştiren canlı bir ekosisteme dönüştüğü vizyon aşaması.
Fonkiyon360 Perspektifi
#yapay zeka olgunluk modeli #BT’de yapay zeka #yapay zeka dönüşümü #otomasyon seviyeleri #yazılım geliştirmede yapay zeka #yapay zeka paradigma değişimi #bilgi teknolojileri ve yapay zeka
