General Motors'ın otonom sürüş birimi, mühendislik iş akışlarını yapay zeka ajanları etrafında yeniden yapılandırarak yazılım geliştirme süreçlerinde büyük bir hızlanma sağladı. VB Transform 2026 etkinliğinde konuşan otonom araçlardan sorumlu başkan yardımcısı Rashed Haq, bu yeni sistem sayesinde birleştirilen kod isteklerinin (pull requests) yaklaşık üç katına çıktığını açıkladı.

Kod Yazımının Ötesinde Bir Otomasyon

Şirket, sadece bir kodlama asistanı kullanmak yerine tüm iş akışını ajan tabanlı sisteme dönüştürdü. Bu yaklaşımla, mühendislerin zamanlarının yalnızca %15'ini kod yazmaya ayırdığı, geri kalan %85'lik kısmın ise araç verilerinin analizi, sorunların önceliklendirilmesi, deneylerin yürütülmesi ve hata düzeltmelerinin test edilmesi gibi süreçleri kapsadığı belirtildi.

İş Akış Döngüleri ve Veri Entegrasyonu

GM, otonom araç çalışmalarını simülasyon testleri, kamuya açık yollarda testler ve müşteri sonrası izleme şeklinde döngülere ayırdı. Her döngüdeki en büyük darboğazları tespit edip otomatize eden şirket, ajanları özelleştirilmiş Model Context Protocol (MCP) sunucuları aracılığıyla şirketin iç araçlarına ve petabaytlarca veriye erişebilir hale getirdi. Ayrıca ajanlar için belirli görevlerin nasıl yapılacağını tanımlayan versiyon kontrollü yetenek belgeleri oluşturuldu.

İnsan Denetimi ve Güvenlik Mekanizmaları

Sistemde ajanlar, araçlardan gelen telemetri verilerini analiz edip mühendisler için inceleme dosyaları oluşturabiliyor. Ancak tüm çıktılar insan tarafından okunabilir formatta hazırlanıyor ve son sorumluluk mühendise ait kalıyor. Ajanların erişim yetkileri, onları kullanan mühendisin yetkileriyle sınırlandırılarak güvenlik sağlandı. Ayrıca makine öğrenimi deneylerini paralel olarak yürüten arka plan ajanları kullanılarak süreçler daha da hızlandırıldı.

Ne anlama geliyor?

Yazılım geliştirme süreçlerinde kullanılan bu yöntem, basit komut istemli araçların ötesine geçerek belirli görevleri bağımsız olarak yürütebilen sistemlerin entegrasyonunu sağlar. Bu yapı, teknik ekiplerin sadece kod yazma aşamasında değil, veriyi analiz etme ve hataları ayıklama gibi zaman alan yan süreçlerde de destek almasına olanak tanır.

Sektörel açıdan bu yaklaşım, geliştirme döngüsündeki darboğazların otomatik araçlarla aşılmasını sağlar. Kullanıcı açısından ise bu durum, yazılımların daha hızlı güncellenmesi ve hataların son kullanıcıya ulaşmadan önce tespit edilip giderilmesi anlamına gelir. Sistem, büyük veri yığınlarını tarayıp anlamlı sonuçlar çıkartarak teknik personelin karar verme sürecini hızlandırır.