Gönderiler

Ekibiniz yapay zeka ile daha hızlı teslimat yapıyor. İşte bu yüzden retrolara her zamankinden fazla ihtiyacınız var

Geliştiricileriniz Copilot, Claude Code, Cursor veya bunların bir kombinasyonunu kullanıyor. Pull request'ler daha hızlı birleşiyor. Her sprintte eskiden daha fazla kod yayınlanıyor. Bireysel metriklerin tamamına bakıldığında ekibiniz daha üretken görünüyor. Ama rakamlara bakın: Geliştiricilerin %70'i yapay zekanın kişisel üretkenliklerini artırdığını söylerken, yalnızca %17'si ekip işbirliğini iyileştirdiğini söylüyor. Bu uçurum sizi endişelendirmeli. Yapay zeka kodlama araçları yanlış darboğazı çözüyor. Çoğu ekip yazma hızından dolayı engellenmiyordu. Yanlış şeyi inşa etmek ve kimsenin konuşmadığı teknik borç biriktirmek yüzünden engelleniyorlardı. Yapay zeka, yönü kontrol etmeden daha hızlı ilerlemenizi sağlayarak her iki sorunu da daha kötü hale getiriyor. Sprint retrospektifleri bu sorunun çözümüdür. Güzel bir agile ritüeli oldukları için değil, bir ekibin inşa etmeyi bırakıp işin gerçekten önemli olup olmadığını sorguladığı birkaç yapılandırılmış andan biri oldukları için.

Kimsenin konuşmadığı verimlilik paradoksu

Yapay zeka kodlama araçlarına ilişkin manşet rakamlar etkileyici görünüyor. GitHub, Copilot kullanıcılarının görevleri %55 daha hızlı tamamladığını bildiriyor. Accenture, bunu hayata geçirdikten sonra başarılı build'lerde %84 artış gördü. McKinsey ise yüksek performanslı ekiplerde %20-30 verimlilik kazanımları tespit etti. Ama daha derine inerseniz tablo karmaşıklaşıyor. METR'in yürüttüğü randomize kontrollü bir deney, deneyimli geliştiricilerin yapay zeka araçlarını kullanırken görevleri tamamlamak için %19 daha uzun süre harcadığını, oysa %20 daha hızlı olduklarına inandıklarını ortaya koydu. Bu, algı ile gerçeklik arasında 40 puanlık bir fark demek. Google'ın DORA 2024 raporu, yapay zeka kullanımındaki %25'lik artışın teslimat kararlılığında %7,2'lik bir düşüşle ilişkili olduğunu buldu. GitClear'ın 211 milyon satır kodu kapsayan analizi, kod değişim oranının (iki hafta içinde revize edilen yeni kod) 2020-2024 yılları arasında %3,1'den %7,9'a yükseldiğini, yeniden yapılandırmanın ise %25'ten %10'un altına düştüğünü gösterdi. Daha fazla kod yayınlanıyor. Bunun doğru kod olup olmadığı ise ayrı bir soru.

Yapay zeka "nasıl"ı halleder, retrolar "yapmalı mıyız"ı halleder

Yapay zeka araçları dar bir şey kümesinde iyidir: şablon kod üretmek ve kalıpları otomatik tamamlamak. Yazılım geliştirmenin "ne"sini ve "nasıl"ını herhangi bir insanın yapabileceğinden daha hızlı hallederler. Yapamadıkları şey ise inşa ettiğiniz şeyin inşa edilmeye değer olup olmadığını söylemektir. Bu yargı kararı insanlar arasındaki konuşmalarda yaşar. Bu özelliği geliştirmeli miyiz? Bu doğru yaklaşım mı? Gerçek müşteri problemini çözüyor muyuz? Retrospektifler bu konuşmaların gerçekleştiği yerdir. Bir ekip sprint üzerine düşünürken, yalnızca neyin iyi gittiğini listelemek yerine yayınladıkları işin fark yaratıp yaratmadığını sorgular. Yapay zeka geliştirme döngüsünü kısalttıkça, müşterilerle geri bildirim döngüsünün sıkılaşması gerekir, gevşemesi değil. Bir özelliği iki hafta yerine iki günde yayınlayabilirsiniz. Bu yalnızca doğru özellikse değerlidir.

Sprint başına daha fazla karar, ayrışmak için daha fazla alan

Şu şekilde düşünün. Yapay zeka ekibinizin sprint başına 2 kat daha fazla iş yapmasını sağlıyorsa, sprint başına yaklaşık 2 kat daha fazla karar da alıyorsunuz. Hangi hikayeleri almak, bunları nasıl uygulamak, hangi ödünleşimleri kabul etmek, hangi köşeleri kısmak. Her karar, ekip üyelerinin sessizce farklı yönlere gidebileceği bir noktadır. Yapay zekadan önce, kodlamanın doğal temposu organik senkronizasyon noktaları yaratıyordu. Çift programlama, PR incelemeleri, zorlu uygulamalar hakkındaki koridor konuşmaları. Bu gayri resmi kontrol noktaları sorunları erken yakalıyordu. Yapay zeka araçları kullanan geliştiricilere ilişkin iki yıllık boylamsal bir çalışma, yapay zeka benimsemesinin işi bireyselleştirilmiş kodlama görevlerine doğru kaydırdığını ve işbirlikçi koordinasyondan uzaklaştırdığını buldu. Geliştiriciler yapay zeka asistanlarıyla akış halinde daha fazla zaman geçiriyor ve birbirleriyle daha az konuşuyor. Yapay zekadan önce var olan işbirliği sorunları (bilgi siloları, iletişim kopuklukları, belirsiz sorumluluklar) tamamen çözümsüz kaldı. Ekibiniz sprintin %90'ını yapay zeka çift programcısıyla kafa kafaya geçirirken, retroda geçirdiğiniz 60 dakika tüm sprintteki en önemli saat olabilir.

Yapay zeka tarafından üretilen kod, yalnızca insanların yakalayabileceği sorunlar yaratır

CodeRabbit'in 470 açık kaynaklı pull request üzerindeki analizi, yapay zeka tarafından ortak yazılan kodun insan tarafından yazılan koda göre 1,7 kat daha fazla büyük sorun, %75 daha fazla mantık hatası ve 2,74 kat daha yüksek güvenlik açığı içerdiğini buldu. Bu arada, genç geliştiricilerin %40'ından fazlası tam olarak anlamadıkları yapay zeka tarafından üretilen kodu dağıttıklarını kabul ediyor. Bu bir kriz değil. Ekip düzeyinde konuşma gerektiren bir kalıptır. Bireysel geliştiriciler bunu tek başlarına çözemez çünkü sorunlar sistemiktir. Bir kişinin yapay zeka tarafından üretilen yardımcı işlevi sessizce başka bir ekip üyesinin mevcut kütüphanesini kopyaladığında, bu bir kod tabanı düzeyinde sorundur. Yapay zekanın önerdiği kısayollar birden fazla sprint boyunca bileşen oluşturan teknik borç yarattığında, ekip bunu konuşmadıkça kimse tam resmi göremez. Retrospektifler bu kalıpların yüzeye çıktığı yerdir. "Yapay zeka çıktısını yeterince dikkatli inceliyor muyuz?" bir retro sorusudur. "Bilgi boşlukları nerede büyüyor?" bir retro sorusudur. "Farkında olduğumuzdan daha hızlı borç biriktiriyor muyuz?" bir retro sorusudur.

Ekibiniz yapay zeka kullandığında retrolarda gerçekten ne tartışmalısınız

Standart retro formatları hâlâ işe yarıyor, ancak soruların güncellenmesi gerekiyor. Bu beş konu, yapay zeka destekli ekiplerde en sık gündeme geliyor.

Yapay zeka aracı etkinliği

Bu sprintte yapay zeka gerçekten nerede yardımcı oldu? Sizi nerede yavaşlattı ya da çemberin içinde döndürdü? Bunu takip eden ekipler, ne zaman yapay zeraya yaslanacakları ve ne zaman geri adım atacakları konusunda ortak bir his geliştiriyor.

Bilgi dağılımı

Yayınlanan kodu kim anlıyor? Yapay zeka, bir kişinin baştan sona bir özellik oluşturmasını kolaylaştırıyor. Bu bir bus factor riskidir. Bilginin tek bir kişide yoğunlaştığı alanları işaretlemek için retroyu kullanın.

Müşteri bağlantısı

Hız kazanımları müşteri değerine dönüştü mü? İki kat hızlı teslimat yapmak, kimsenin istemediği özellikler gönderiyorsanız anlamsızdır. Retro, sprint çıktısını müşteri geri bildirimi ve ürün hedefleriyle ilişkilendirmelidir.

Kod kalitesi sinyalleri

Değişim oranı artıyor mu? Yüksek hacim kapsamlı inceleme için fazla geldiğinden PR'lar onay damgasıyla mı geçiyor? Yapay zeka tarafından üretilen koddan kaynaklanan daha fazla üretim hatası görüyor musunuz? Bunlar, bireysel kahramanlık değil ekip tartışması gerektiren öncü göstergelerdir.

Yapay zeka etrafındaki ekip normları

Her ekip yapay zeka kullanımı hakkında gayri resmi kurallar geliştirir: ne zaman kullanılır, ne zaman kullanılmaz, ne kadar inceleme beklenir. Retro, bu normları açık hale getirdiğiniz ve gerçekte ne olduğuna göre ayarladığınız yerdir. Bu konuşmalar için tasarlanmış bir retrospektif şablonu kullanmayı veya mevcut formatınızı yapay zekaya özgü sorularla uyarlamayı deneyin.

Otomatikleştirmediğiniz toplantılar en çok önem taşıyanlardır

Google'ın DORA 2025 raporu bunu açıkça ortaya koyuyor: "Yapay zeka, iyi ekipleri harika yapar. Kötü ekipleri ise daha hızlı kötüleştirir." Bu iki kategoriyi birbirinden ayıran uygulamalar, yani psikolojik güvenlik ve dürüst geri bildirim, retrospektiflerin inşa edildiği temeldir. Yapay zeka söz konusu olduğunda her şeyi otomatikleştirme isteği var. Yapay zeka tarafından üretilen standup özetleri. Yapay zeka tarafından analiz edilen retro panoları. Bunların bir kısmı faydalı. Ama bir retrospektifin değeri bizzat konuşmanın kendisidir. Genç bir geliştiricinin "o mimari kararı anlamadım" dediği ya da kıdemli bir mühendis "bu sprintin kapsamını aştığımızı düşünüyorum" diye kabul ettiği andır. Bu anlar Slack dizilerinde ya da Jira yorumlarında gerçekleşmez. PR incelemelerinde bile pek gerçekleşmez. İşin nasıl gittiği konusunda dürüst olmak için ekibin alan açtığı retrolarda gerçekleşirler. Yapay zeka yazılım geliştirmenin mekanik işini daha fazla devraldıkça, insan konuşmaları daha nadir hale geliyor. Ve daha nadir demek, daha değerli demektir.