Kod Ucuzluyor, Context Pahalılaşıyor: AI Yazılım Fabrikasında Bir User Story’nin Gerçek Maliyeti
AI agent’ları kod üretimini ucuzlatıyor, ancak gerçek maliyet başka bir yere taşınıyor. 595,7 milyon token ve 77 user story üzerinden agentic yazılım geliştirmenin yeni ekonomisi: context, cache, rework, model routing ve AI FinOps.
AI kodlama araçları yazılım geliştirmenin maliyetini düşürüyor. Ama belki de yanlış maliyeti ölçüyoruz.
Bir yazılım projesinin maliyetini nasıl hesaplarsınız?
Developer/saat?
Story point?
Sprint başına ekip maliyeti?
Cloud altyapısı?
Lisanslar?
Yıllardır yazılım ekonomisini büyük ölçüde insan emeği üzerinden ölçüyoruz. Çünkü yazılım üretimindeki en pahalı ve en sınırlı kaynak çoğunlukla geliştiricinin zamanıydı.
Agentic AI sistemleri bu denklemi değiştirmeye başlıyor.
Kod yazan, test oluşturan, kodu review eden, hataları düzelten ve pull request hazırlayan AI agent’larının bulunduğu bir geliştirme ortamında yeni bir soru ortaya çıkıyor:
Bir user story’yi tamamlamanın gerçek AI maliyeti nedir?
François-Xavier Martin’in Eylül 2026’da yayımladığı deneysel çalışma bu soruya oldukça somut bir cevap veriyor.
77 tamamlanmış user story.
595,7 milyon token.
Story başına ortalama 7,7 milyon token.
API liste fiyatlarıyla tamamlanan story başına yaklaşık 10,88 dolar.
Ancak çalışmanın asıl önemli sonucu bu rakam değil.
Veriler, AI destekli yazılım geliştirmenin ekonomik yapısının sandığımızdan oldukça farklı olduğunu gösteriyor.
Çünkü AI yazılım fabrikasının en büyük işi kod yazmak değil.
Okumak.
Martin, Mart ile Temmuz 2026 arasında otonom bir software development lifecycle sistemi kullanarak production seviyesinde bir uygulama geliştirdi.
Ortaya çıkan sistem:
861.601 satır kod,
696 user story,
779 merge edilmiş pull request
ve 105 günlük geliştirme sürecinden oluşuyordu.
Oldukça etkileyici rakamlar.
Fakat deneyin sonunda çok temel bir sorunun cevabı yoktu:
Bütün bunların AI maliyeti neydi?
Bilinmiyordu.
İlk nesil sistem token kullanımını kaydetmiyordu. Claude Code’un transcript kayıtları da zaman içinde silinmişti.
Dolayısıyla yüz binlerce satır kod üreten sistemin ekonomik geçmişi ortadan kalkmıştı.
Bu aslında agentic AI dünyasının önümüzdeki dönemde karşılaşacağı önemli problemlerden birini gösteriyor:
Ölçmediğiniz AI operasyonunun maliyetini sonradan hesaplamak her zaman mümkün olmayabilir.
Martin bu nedenle ikinci nesil sistemini farklı tasarladı.
Her agent çalışması artık kendi ekonomik izini bırakıyordu:
input token,
output token,
cache read,
cache write,
kullanılan model,
başarısızlık kategorisi,
retry,
bugfix,
re-ask.
Böylece AI geliştirme sistemi yalnızca kod üretmiyor, aynı zamanda kendi üretim maliyetini de kaydediyordu.
Bir anlamda yazılım fabrikasına sayaç takılmış oldu.
Ve sayaç oldukça ilginç şeyler gösterdi.
İncelenen dönemde sistem toplam 77 user story’yi production pipeline’ından geçirdi.
Toplam tüketim:
595,7 milyon token.
Bu da tamamlanan her story için ortalama:
7,7 milyon token
anlamına geliyor.
Kullanılan modellerin dönemsel API liste fiyatları üzerinden hesaplandığında toplam eşdeğer maliyet yaklaşık:
837,53 dolar.
Tamamlanan story başına:
10,88 dolar.
Story maliyetlerinin medyanı ise:
9,56 dolar.
Fakat dağılım oldukça geniş.
En ucuz story:
3,02 dolar.
En pahalı story:
43,24 dolar.
Burada ilginç bir başka sonuç ortaya çıkıyor.
Geleneksel Agile yaklaşımında story point genellikle işin karmaşıklığını veya eforunu tahmin etmek için kullanılıyor.
AI fabrikasında ise story point ile gerçek compute maliyeti arasındaki ilişki oldukça zayıf.
En pahalı story yalnızca 3 story point değerindeydi.
Fakat review retry ve bugfix döngülerine girdiği için maliyeti 43 doların üzerine çıktı.
Bu küçük ayrıntı gelecekte önemli olabilir.
Çünkü AI yazılım fabrikalarında maliyeti belirleyen şey yalnızca işin büyüklüğü olmayabilir.
Agent’ın işi kaç kez tekrar yapmak zorunda kaldığı da en az işin kendisi kadar önemli hale geliyor.
Çalışmanın belki de en şaşırtıcı bulgusu tokenların dağılımında ortaya çıkıyor.
Toplam token kullanımının:
%95,4’ü cache read.
Cache write:
%3,3.
Output:
%0,9.
Fresh input:
yalnızca %0,4.
Başka bir ifadeyle sistem ürettiği her yeni token karşılığında yaklaşık 73 cached token tekrar okuyor.
Bu yüzden Martin’in kullandığı tanımlama oldukça anlamlı:
AI yazılım fabrikası esas olarak sürekli okuyan, arada sırada bir şeyler yazan bir sistem.
Neden?
Çünkü agent her göreve başladığında yalnızca kullanıcıdan gelen birkaç satırlık talimatı görmüyor.
Repository context’ini okuyor.
Kod yapısını inceliyor.
Sistem talimatlarını tekrar alıyor.
Önceki çıktıları değerlendiriyor.
Testleri inceliyor.
Review sonuçlarını okuyor.
Kod bağımlılıklarını anlamaya çalışıyor.
Ve bunların önemli bir kısmı her agent etkileşiminde yeniden context’e taşınıyor.
Dolayısıyla agentic software development dünyasında compute tüketiminin büyük bölümü generation değil context processing haline geliyor.
Bu ayrım önemli.
Çünkü AI maliyetlerini optimize etmeye çalışırken genellikle ilk refleksimiz promptları küçültmek oluyor.
Fakat burada fresh input toplam maliyetin yalnızca %1,6’sını oluşturuyor.
Cache trafiği ise maliyetin yaklaşık:
%77’si.
Yani prompttaki birkaç kelimeyi silmek büyük ihtimalle faturayı kurtarmayacak.
Asıl optimizasyon alanı başka yerde.
Agentic sistemlerde uzun zamandır prompt engineering konuşuyoruz.
Fakat veriler başka bir mühendislik disiplininin daha önemli hale gelebileceğini gösteriyor:
Context engineering.
Bir agent gerçekten hangi bilgiye ihtiyaç duyuyor?
Repository’nin ne kadarını görmeli?
Hangi context tekrar kullanılmalı?
Hangi bilgiler cache’e yazılmalı?
Agentlar arasında hangi context taşınmalı?
Her agent aynı bilgiyi yeniden okumalı mı?
Küçük işler için gerçekten frontier model gerekli mi?
Orchestrator kendi context window’unu gereksiz bilgilerle dolduruyor mu?
Bunlar artık yalnızca teknik mimari soruları değil.
Doğrudan maliyet soruları.
Bu nedenle geleceğin AI engineering ekiplerinde token optimizasyonu muhtemelen promptları kısaltmaktan çok daha kapsamlı olacak.
Context discipline.
Cache management.
Model routing.
Agent orchestration.
Memory architecture.
Repository segmentation.
Bunların tamamı AI sisteminin ekonomik performansını belirleyen faktörlere dönüşebilir.
Bu durum Agile dünyasında başka bir ilginç soruyu gündeme getiriyor.
Bir user story’nin büyüklüğünü story point ile ölçmeye devam edebiliriz.
Peki AI tarafından gerçekleştirilen işin maliyetini nasıl ölçeceğiz?
Örneğin iki adet 3-point story düşünelim.
Birincisi:
tek agent çalışması,
tek build,
başarılı test,
başarılı review,
merge.
İkincisi:
build,
test failure,
yeniden build,
review,
review failure,
bugfix,
yeniden review,
merge.
İnsan gözüyle iki iş aynı büyüklükte olabilir.
AI compute açısından ise tamamen farklı ekonomik profillere sahip olabilirler.
Bu durumda yeni metriklere ihtiyacımız olabilir:
Cost per delivered story
Tokens per delivered feature
First-pass success rate
Rework ratio
Context-to-output ratio
Model utilization
Cost per successful merge
Story point kaybolmayabilir.
Ama yanına AI sisteminin gerçek üretim ekonomisini gösteren başka göstergeler eklenebilir.
Çalışmadaki başka önemli bulgu başarısızlıkların maliyeti.
Yalnızca FAILED olarak işaretlenen işlemler dikkate alındığında başarısız çalışmalar toplam tokenların yaklaşık:
%5’ini oluşturuyor.
Fakat gerçek tablo bundan daha büyük.
Retry,
bugfix,
re-ask,
crash olmuş sessionlar
ve yeniden yapılan işler dahil edildiğinde toplam rework maliyeti yaklaşık:
%13’e çıkıyor.
Daha çarpıcı olan ise şu:
İncelenen 76 story’nin yalnızca 34'ü ilk denemede temiz şekilde tamamlanmış.
Yani agentic development sistemlerinde yalnızca üretim hızını ölçmek yeterli olmayabilir.
First-pass success rate önemli bir operasyonel KPI haline gelebilir.
Bu bize üretim dünyasından oldukça tanıdık bir kavramı hatırlatıyor.
First Pass Yield.
Bir üretim hattında ürün ilk seferde kalite kontrolünden geçiyorsa süreç verimlidir.
AI yazılım fabrikalarında da benzer bir mantık ortaya çıkabilir.
Kodun ne kadar hızlı üretildiği kadar:
kaç denemede doğru üretildiği
önem kazanıyor.
Çalışmanın ironik taraflarından biri ölçüm sisteminin kendisinde ortaya çıkıyor.
Agent fabrikasının kendi ledger sistemi gerçek tüketimin yaklaşık altıda birini kaydetmemiş.
Ledger:
694,65 dolar
gösterirken session loglarından hesaplanan gerçek API-equivalent maliyet:
837,53 dolar olmuş.
Neden?
Bazı başarısız sessionlar sonraki re-ask işlemleri tarafından kayıt üzerinde ezilmiş.
Crash olan sessionlar ise maliyetlerini ledger’a hiç yazamamış.
Başka bir ifadeyle:
AI sisteminin maliyetini ölçen sistem bile AI maliyetini eksik ölçmüş.
Bu küçük teknik problem aslında kurumsal AI kullanımında oldukça büyük bir governance konusuna işaret ediyor.
Bir şirket yüzlerce veya binlerce agent çalıştırmaya başladığında yalnızca API sağlayıcısının aylık faturasına bakmak yeterli olmayacak.
Hangi agent ne yaptı?
Hangi iş için yaptı?
Kaç kez denedi?
Hangi modeli kullandı?
Ne kadar context tüketti?
Başarısız çalışmaların maliyeti neydi?
Ortaya hangi business outcome çıktı?
Bunların izlenmesi gerekecek.
AI observability yalnızca teknik monitoring konusu olmaktan çıkıp finansal observability konusuna dönüşebilir.
Ölçüm başka bir verimsizliği daha ortaya çıkarmış.
Sistemde model routing kapalıymış.
Bunun sonucunda basit merge işlemleri gibi küçük görevlerde bile güçlü ve pahalı modeller kullanılmış.
Bu tür mekanik işler toplam token tüketiminin %12,3’ünü oluşturmuş.
Bu da gelecekte AI sistemlerinin önemli optimizasyon alanlarından birini gösteriyor:
Her işi en güçlü modele göndermek yerine doğru işi doğru modele göndermek.
Bugün AI modellerini çoğunlukla benchmark skorları üzerinden karşılaştırıyoruz.
En iyi reasoning.
En iyi coding.
En büyük context window.
En yüksek benchmark skoru.
Fakat kurumsal AI sistemleri olgunlaştıkça başka bir soru daha önemli hale gelebilir:
Bu işi hangi model yeterince iyi ve en düşük maliyetle yapabilir?
Büyük modeller karmaşık reasoning görevlerini üstlenebilir.
Küçük modeller mekanik işleri yapabilir.
Bazı görevler deterministic sistemlere bırakılabilir.
Bazıları hiç LLM gerektirmeyebilir.
Bu noktada rekabet artık yalnızca model performansı değil.
Sistem mimarisi performansı.
Çalışmanın sonunda çok daha düşündürücü başka bir veri bulunuyor.
Martin, AI fabrikasının specificationlarını, epiclerini ve storylerini hazırlarken yaklaşık:
190 milyon token
tüketmiş.
Bu yaklaşık 25 user story’lik compute tüketimine eşdeğer.
API liste fiyatları üzerinden yaklaşık:
160 dolar.
Bu rakam önemli çünkü yazılım ekonomisindeki darboğazın nereye kayabileceğini gösteriyor.
Kod üretmek ucuzladıkça şu işler daha değerli hale geliyor:
problemi doğru tanımlamak,
gereksinimleri belirlemek,
acceptance criteria yazmak,
architecture kararlarını vermek,
işi doğru parçalara ayırmak,
çıktının gerçekten doğru olup olmadığını değerlendirmek.
Başka bir ifadeyle:
Implementation ucuzlarken intention pahalılaşabilir.
Kod yazmak artık sistemin en pahalı kısmı olmayabilir.
Neyin yazılması gerektiğini doğru tarif etmek daha değerli hale gelebilir.
Bu dönüşümü yalnızca “AI developer'ın işini alacak mı?” tartışmasına indirgemek bence konunun en sıkıcı tarafında kalmak olur.
Daha ilginç soru şu:
Developer neyi yönetecek?
Geleneksel modelde developer büyük ölçüde kod üretim sürecinin içindeydi.
Agentic modelde ise giderek:
architecture,
specification,
context,
agent orchestration,
quality gates,
security,
observability,
cost optimization
gibi katmanlara doğru kayabilir.
Developer kod üreticisinden software production system designer rolüne yaklaşabilir.
Bu değişim DevOps dönüşümünü biraz hatırlatıyor.
DevOps yalnızca deployment'ı otomatikleştirmedi.
Yazılımın nasıl geliştirildiğini, test edildiğini, deploy edildiğini ve işletildiğini tek bir sistem olarak ele almaya başladı.
Agentic development da benzer biçimde coding'i tek başına bir faaliyet olmaktan çıkarıp daha geniş bir üretim sisteminin parçasına dönüştürüyor.
Cloud dönüşümünün ilk yıllarında şirketler benzer bir problem yaşamıştı.
Cloud kaynaklarını açmak kolaydı.
Kapatmayı hatırlamak biraz daha zordu.
Sonra faturalar geldi.
Ve FinOps doğdu.
AI dünyasında da benzer bir döngü yaşanabilir.
Bugün agent oluşturmak giderek kolaylaşıyor.
Yarın şirketlerde yüzlerce agent çalışmaya başladığında soru şuna dönüşebilir:
Bütün bu agentlar ne kadar değer üretiyor ve bunun maliyeti ne?
Burada yeni bir AI FinOps katmanı ortaya çıkabilir.
Örneğin şirketler şu göstergeleri takip etmeye başlayabilir:
AI cost per employee,
AI cost per workflow,
AI cost per software feature,
token consumption per business process,
rework cost,
model routing efficiency,
cache efficiency,
cost per successful outcome.
Böylece token teknik bir API metriği olmaktan çıkar.
Kurumsal maliyet birimine dönüşür.
Son birkaç yıldaki AI yarışına baktığımızda soruların nasıl değiştiğini görmek mümkün.
2023:
En büyük model hangisi?
2024:
En güçlü model hangisi?
2025:
En iyi reasoning yapan model hangisi?
2026:
Gerçek işi en iyi hangi sistem yapıyor?
Şimdi buna yeni bir soru ekleniyor:
Ve bunu hangi maliyetle yapıyor?
Bir model benchmarklarda rakiplerinden birkaç puan daha yüksek performans gösterebilir.
Fakat gerçek bir enterprise workflow içerisinde:
daha fazla context tüketiyorsa,
daha fazla retry gerektiriyorsa,
yanlış görevlerde kullanılıyorsa,
cache mimarisi verimsizse,
agentlar gereksiz yere birbirini çağırıyorsa,
o sistem ekonomik olarak daha kötü olabilir.
Bu nedenle AI değerlendirmelerinde yalnızca model intelligence değil:
system economics
de giderek önemli hale gelecek.
Bugün bir AI coding sistemine bakıp:
“Bu model çok iyi kod yazıyor.”
diyoruz.
Yakında bunun yeterli olmadığı ortaya çıkabilir.
Asıl sorular şunlar olacak:
Bir feature kaç token tüketti?
Kaç agent çalıştı?
Kaç kez yeniden denendi?
Context'in ne kadarı gerçekten gerekliydi?
Hangi model hangi görevi yaptı?
Kaç dolar compute harcandı?
İnsan ne kadar zaman harcadı?
Ve sonunda ne kadar business value üretildi?
Böyle baktığımızda AI yazılım geliştirme ekonomisinin nihai metriği belki de token sayısı bile olmayacak.
Şuna yaklaşacak:
Business Value / Total AI + Human Cost
Çünkü ucuz kod mutlaka ucuz yazılım anlamına gelmiyor.
Aynı şekilde hızlı kod üretmek de verimli bir yazılım fabrikası kurulduğu anlamına gelmiyor.
Bir user story’nin yaklaşık 10 dolarlık AI compute ile tamamlanabilmesi birkaç yıl önce oldukça sıra dışı görünürdü.
Bugün mümkün.
Yarın muhtemelen daha da ucuz olacak.
Ama bu, yazılım geliştirmenin bedavaya yaklaştığı anlamına gelmiyor.
Maliyet başka yerlere taşınıyor.
Koddan context'e.
Implementation'dan specification'a.
Developer time'dan compute orchestration'a.
Model seçiminden sistem tasarımına.
Kod üretiminden kalite kontrolüne.
Ve belki de en önemlisi:
“Nasıl yapacağız?” sorusundan “Ne yapmalıyız?” sorusuna.
AI kod üretimini ucuzlatıyor.
Fakat doğru problemi seçmek, doğru specification'ı oluşturmak, doğru context'i sağlamak ve ortaya çıkan sistemi değerlendirmek hâlâ zor.
Belki de agentic software çağının en önemli ekonomik dönüşümü tam olarak burada.
Kod kıt kaynak olmaktan çıkarken, doğru karar daha değerli hale geliyor.
“Büyük Oyun” – II
Lecomte, “Oluş’a ve Kaos’ a ait olan ve onlardan gelen hakiki şiiri bulmuş”tur. “Kaynağını...
