Bir programcının hataları anlama (root cause analizi) ve bugfix yapma hızını düşünün. Programcıların takılıp, kaldığı en belirgin alanlar bunlardır: troubshooting, root cause analizi ve bugfix.

Bunun nedeni nedir?

Programcıların yapay zekaya kıyasla sahip oldukları bağlam kapasitesi.

Ben yapay zekaya milyon satırllık logları bir seferde yükleyip, ana root cause analiz yap diyebilirim. Bu onun 5 dakikasını alır. Sonraki 5 dakika da bugfix yaparak, sorunu ortadan kaldırır ya da tavsiyelerde bulunarak, hatanın giderilmesini sağlar.

Aynı şeyi bir programcı ile yapın. Nasıl bir sonuç alırsınız? Sonuç alıp, almama garatiniz yok. Muhtemelen analiz ya yapılamayacak, çünkü çok karmaşık bir sistemden bahsediyoruz ya da bu analiz çok zaman alacak, çünkü programcının zihninde gerekli mental modeli oluşturması için veriye ihtiyacı var yani milyon satırlık loglara ve koda. Önce onları okuması, sonra anlaması sonra gerekli bağlamı oluşturması gerekiyor. Makina bunu dakikalar içinde yaparken, insan günlerce uğraşabilir.

Bu yüzden yapay zeka çok daha hızlı analiz yapabilir ve çok hızlı da bugfix. 

Ben canlıdaki runtime analizinin yapay zeka araçları için biçilmiş kaftan olduğunu düşünüyorum. Bu amaçla Gpt ve Opus’un canlı ortamında oluşan tüm verilere Grafana, Prometheus, Zıpkın ve Graylog üzerinden oluşmasını ve analiz etmesini sağlayacağım. Bu şekilde oluşan hataları anında lokalize etme, gerekli bugfixleri yapma, yeni bir sürüm oluşturma ve uygulamayı yeniden deploy etmeleri mümkün olacak. Kod bazında refactoring neyse, runtime bazında refactoring de bu olacak.