Bu tədqiqat, generativ və agent əsaslı süni intellektnın yazılım kodu üretme xərcini büyük ölçüde düşürmesinin yalnızca səmərəlilik artışı yaratmadığını; proqram təminatı mühəndislərinin yetiştiği ənənəvi inkişaf yolunu da aşındırdığını savunmaktadır. Yazarların temel iddiasına göre süni intellekt, standart uygulama, şablon kod, test, sənədləşdirmə və ilk sazlama gibi gənc mühəndislerin geçmişte təcrübəim kazandığı görevleri sürətla devralmaktadır. Bu işlerin ortadan kalkması, yalnızca başlangıç seviyesindeki məşğulluqı azaltma riski taşmaamakta; gənc mühəndislerin yıllar üçünde təcrübəli mühəndisliğe dönüşmesini storlayan praktik öyrənmə kanalını da kesmektedir.

Makale insan və süni intellekt katkılarını üç kavramla ayırmaktadır. Genişlik, çok sayıda programlama dili, çerçevə və bilinen çözüm örüntüsü arasından sürətli biçimde makul və alışılmış bir çözüm üretme tutumudir. Yapay intellekt bu alanda güclüdür və genişliği neredeyse sıfıra yaklaşan marjinal xərcle storlayabilir. Dərinlik, makul çözümler arasından bu qurum, bu sistem, bu düzenleyici ortam və bu tarihsel kontekst üçün hansısinin doğru olduğunu belirleyen təcrübəim və yargıdır. Ayrışma isə yerleşik uzlaşının dışından gelen, alışılmış yaklaşmaı sorğulayan və qurumun görmediği alternatifleri ortaya çıkaran baxın buctorıdır.

Yazarlara göre təcrübəli mühəndis ilə süni intellekt agentlərindan oluşan bir ekip, dərinlik ilə genişliği bir araya getirebilir; ancaq her iki taraf da mevcut bilgi və örüntülere güclü biçimde btorlı olduğu üçün yeterli ayrışma üretmeyebilir. Genç mühəndis, yalnız gelecekteki təcrübəli çalışan adayı değildir. Kurumun alışılmış kabullerini henüz içselleştirmemiş olması niyəiyle bugünkü karar sisteminin de fərqli baxın kayntorıdır. Bu niyəle təklif olunan generativ birim yalnızca “təcrübəli mühəndis + süni intellekt” değil, “təcrübəli mühəndis + süni intellekt + gənc mühəndis” üçlüsüdür.

Tədqiqat iki institusional denge diaqnozmlamaktadır. Əvəzləmə tarazlığı, gənc mühəndisleri xərc olaraq görüp azaltan, süni intellekt çıktistiliknı insan yoxlamasının kaldırabiləceğinden daha sürətli büyüten, kod yoxlamasıni biçimsel təsdiqa dönüştüren və zamanla insan uzmanlığı hattını boşaltan strukturdır. Tamamlayıcılıq tarazlığı isə süni intellektnın üretim genişliğini insan mühakiməsiyla sınırlandıran, gənc mühəndisleri agent yöneticiləri olaraq yetiştiren, yüksək riskli değişiklikleri kollektiv yoxlamaye yönlendiren və performansı üretilən kod miktarıyla değil yoxlanmış nəticəla ölçen strukturdır.

Makalenin merkezindeki tehlike “yoxlama teatrı” olaraq adlandırılmaktadır. Yapay intellekt çok sürətli və büyük miktarda kod ürettiğinde sorumlu insanın imzası proseste kalmaya devam edebilir; fakat o insan değişikliği realten anlayıp doğrulayacak zamana sahip olmayabilir. Böylece təsdiq görünüşte sürerken imzanın arkasındaki real denetim ortadan kalkar. Yazarlar, kod üretiminin qalıq kıt mənbə olmadığını; yeni darboğazın güvənilir yoxlama, institusional kontekst və hesap vərebilir insan mühakiməsi olduğunu savunmaktadır.

Önerilən başlıca yönetim hamleleri şunlardır: değişiklikleri tek məsuliyyət taşıyan küçük yoxlama birimlerine bölmek, yoxlama derinliğini hadiaqnozn sonucuna göre kademelendirmek, yüksək riskli değişiklikleri təcrübəli liderliğinde sinxron və toplu olaraq yoxlamak, çıxış həcmi meyarlerini bırakmak, gənc mühəndisleri işe almaya devam etmek, qurumun geçmiş hatalarından doğan örtük bilgiyi açıq qoruma qaydalarına dönüştürmek və hem yoxlama teatrınu hem de yalnız istifadə nisbətına dayanan “süni intellekt mənimsəmə teatrınu” izləmək.

Türkiyə baxımından tədqiqat; yazılım şirketleri, bankalar, savunma və havacılık təşkilatları, telekomünikasyon müəssisələri, e-ticaret platformları, kamu bilişim birimleri və tənzimlənən texnologiya ekipleri üçün birbaşa yönetim soruları ortaya koymaktadır. Yapay intellekt destekli kod üretimi yaygınlaştırılırken gənc mühəndis alımının azaltılması kısa vadede kişi başına çıktı artışı storlayabilir; ancaq birkaç yıl sonra sistem kontekstını bilən təcrübəli mühəndis, teknik lider və güvənilir inceleyici açığı oluşturabilir. Bununla belə tədqiqat Türkiyədən personel, hata, generativlik və ya məşğulluq vərisi içermemektedir. Türkiyə’ye ilişkin etkilər ancaq yerel işe alım, terfi, kod yoxlama, olay, təhlükəsizlik açığı və teslimat vəriləriyle ayrıca ölçülebilir.

Tədqiqatnın əsas sualı nədir?

Tədqiqatnın əsas sualı şudur: Genç proqram təminatı mühəndislərinin geçmişte təcrübəim kazanmasını storlayan rutin işler süni intellekt tarafından devralındığında, geleceğin təcrübəli mühəndisleri hansı proseste və hansı görevler üzerinden yetiştiriləcektir?

Geleneksel proqram təminatı mühəndisliyi modeli örtük bir şagirdlik sistemi içeriyordu. Genç mühəndisler:

• Şablon və altstruktur kodlarını yazıyor,
• İyi diaqnozmlanmış küçük işleri tamamlıyor,
• Birim və entegrasyon testleri hazırlıyor,
• Küçük hataları gideriyor,
• Dokümantasyon və çalıştırma kılavuzları oluşturuyor,
• Kıdemli mühəndislerin yoxlama yorumlarıyla hatalarını düzeltiyor,
• Zaman üçünde sistemin belgelenmemiş kurallarını öğreniyordu.

Bu görevler yalnızca ucuz iş gücü kayntorı değildi. Aynı zamanda mesleki təhsil programının kendisiydi. Bir gənc mühəndis, hansı çözümün derlenebildiğini değil; hansı çözümün uzun vadede sürdürülebilir, təhlükəsiz və institusional konteksta uygun olduğunu bu görevlerin tekrarı yoluyla öğreniyordu.

Üretken süni intellekt tam olaraq bu başlangıç görevlerinde güclüdür. Kıdemli mühəndis, geçmişte aştorıya doğru genç çalışana dövrəttiği işi qalıq yana doğru bir modele və ya agenta dövrədebilmektedir. Ajanın maaş, mentorluk, kariyer planı və ya terfi gerektirmemesi kısa vadeli xərc hesabını gənc mühəndis aleyhine çevirmektedir. Makale, bu değişimin görünmeyen xərcinin uzman yetiştirme hattının kaybedilmesi olduğunu savunmaktadır.

Tədqiqat yeni bir təcrübə mi sunmaktadır?

Hayır. Yazarlar tədqiqatyı açıqça “empirik kayda dayanan bir perspektiv” olaraq diaqnozmlamaktadır. Makalenin katkistilik yeni bir kontrollü təcrübə, geniş örneklemli anket və ya niyəsel məşğulluq analizi değildir.

Tədqiqat üç tür materialyi bir araya getirmektedir:

• Yapay intellekt, yazılım generativliği, kod təhlükəsizği, kod yoxlaması və iş gücü etkiləri üzerine daha önce yayımlanmış tədqiqatlar
• Yazarların böyük miqyaslı və tənzimlənən vəri və yazılım sistemlerindeki mesleki təcrübəimleri
• Tek bir büyük mühəndislik təşkilatundaki commit davranışlarından aktarılan, korelasyonel və anonim bir müşahidə örneği

Buna görə məqalənin yönetim öneriləri, klinik və ya mühəndislik standardı gibi doğrulanmış bir müdahale protokolü değil; mevcut sübutlar və müəlliflərın mesleki yorumları üzerine kurulmuş uygulanabilir hipotezlerdir.

Genişlik, dərinlik və ayrışma nə məna daşıyır?

Yapay intellekt, təhsil vərilərinde sık görülen çözüm biçimlerini güclü biçimde temsil eder. Bu niyəle çoğu zaman iyi bir “alışılmış çözüm üreticisi”dir. Ancaq qurumun yıllar önce denediği və başaristilikz olduğu, belgelenmemiş bir yaklaşmaı; düzenleyicinin sözlü yorumunu; belirli müşterinin hassasiyetini və ya bir üretim arızasının ekip hafızasında kalan niyəini kendiliğinden biləmez.

Kurumsal bilgi erişimiyle desteklenen modeller bu açığı kısmen azaltabilir. Kod tabanı, sənədləşdirmə, olay sonrası raporlar və arxitektura karar qeydləri modele vəriləbilir. Buna karşılık hiç yazılmamış təcrübəim modele gəlirliklemez. Tədqiqatnın “dərinlik” olaraq adlandırdığı bilginin əhəmiyyətli bölümü tam olaraq bu belgelenmemiş kontekstda bulunmaktadır.

İkame və tamamlayıcılıq dmaneəeri necə ayrılmaktadır?

Tədqiqatnın 2. və 3. sayfalarındaki Tablo 1, aynı süni intellekt texnologiyasinin iki fərqli örgütsel sonuca götürülebiləceğini göstərir.

Makalenin əhəmiyyətli vurgusu, bu iki sonucun texnologiya tarafından otomatik biçimde belirlenmediğidir. Aynı model və agent araçlarını kullanan iki şirketten biri gənc mühəndis gelişimini yok edebilir; diğeri aynı texnologiyayi daha güclü bir öğrenme sistemi kurmak üçün kullanabilir. Farkı oluşturan unsurlar işe alım, ölçmə, yoxlama və məsuliyyət tasarımıdır.

Tədqiqatda hansı süni intellekt texnologiyaleri temel alınmaktadır?

Yazarlar dönüşümü üç texnologiya qatıyla açıqlamaktadır:

1. Büyük dil modeli: Verilən konteksta göre mümkün kod, açıqlama və ya çözümün devamını üretir.
2. Erişim destekli üretim: Modeli qurumun kodu, sənədləşdirməu, geçmiş işleri və olay qeydləriyla btorlar.
3. Yapay intellekt agentı: Planlama, araç kullanma, test çalıştırma, günlük okuma, değişiklik hazırlama və sonucu gözleyip yeniden derütubəte döngüsü kurar.

Makale, böyük dil modellərinin gücünü yalnız “iyi kod yazma” üzerinden qiymətləndirməmektedir. Asıl çevirici etkinin sürət və marjinal xərc olduğunu savunmaktadır. Kaynakta aktarılan önceki bir kontrollü təcrübəde süni intellekt yardımının standart bir programlama görevini tamamlama süresini yüzde 55,8 azalttığı; üç sahə təcrübəinde isə destek alan geliştiricilərin yaklaşık yüzde 26 daha fazla görev tamamladığı belirtilmektedir. Bu sayılar incelenen məqalənin kendi təcrübə nəticələri değildir.

Yazarlar ayrıca kodun süni intellekt üçün xüsusilikle uygun olduğunu bildirir. Kod:

• Biçimsel sözdizimine sahiptir.
• Testlerle kısmen otomatik doğrulanabilir.
• Derleyici və tədqiqat zamanı sürətli geri bildirim storlar.
• Ajanların təcrübəip sonucu gözleyebiləceği araçlara sahiptir.

Bu xüsusilikler, proqram təminatı mühəndisliyini agent əsaslı dönüşümün ilk alanlarından biri hâline getirmektedir. Ancaq testlerin geçmesi, değişikliğin real iş gereksinimini və ya sistem kontekstını karşıladığı anlamına gelmeyebilir.

Yazılım mühəndisliği işleri hansı sırayla süni intellektya geçmektedir?

Tədqiqatnın 5. sayfasındaki Tablo 2 və 6. sayfadaki Şekil 1, işlerin süni intellekt agentlərina keçid sırasını üç dəyişənle açıqlamaktadır:

• Çıktının ne kadar sınırlı və diaqnozmlı olduğu
• Geri bildirim sinyalinin ne kadar sürətli geldiği
• Hadiaqnozn ne kadar pahalı olduğu

Bu təsnifat ölçülmüş otomasyon tarihlerini vəren bir tahmin modeli değildir. Yazarların sunduğu konseptual sıralamadır. Buna göre diaqnozmlı, test ediləbilir və geri döndürülebilir işler önce; yasal məsuliyyət, institusional temsil və yüksək xərcli karar gerektiren işler daha sonra etkilənmektedir.

Kıdemli mühəndislerin işi tamamen ortadan kalkacak mı?

Makale bunu savunmamaktadır. Kıdemli mühəndisin işinin üretimden yoxlama və kontekst storlamaya doğru dönüşeceğini iləri sürmektedir.

Ajanlar yazılım həyat dövrünün daha büyük bölümünü yürüttükçe insanda kalan işler şunlarda yoğunlaşabilir:

• Ne strukturlması gerektiğini belirlemek
• İş və sistem sınırlarını diaqnozmlamak
• Modelin bilmediği institusional kontekstı storlamak
• Birden fazla makul çözüm arasından doğru olanı seçmek
• Yüksek riskli değişiklikleri yoxlamak
• Üretim sonucunun sorumluluğunu taşmaak
• Paydaşlarla müzakere etmek

Bu insan kalıntistilik real fakat ənənəvi meslek diaqnozmından daha dardır. Yazarlar arxitektura tasarımın da bütünüyle korunactorını varsaymamaktadır. Birçok arxitektura kararın bilinen örüntülerin belirli konteksta uygulanması olduğunu və qurumun karar qeydlərina erişen agentlərin seçenek hazırlayabiləceğini bildirir. Buna karşılık agent seçimin hesabını vəremez və institusional sorumluluğunu taşıyamaz.

İnceleme tiyatrosu nədir?

İnceleme tiyatrosu, sorumlu insan təsdiqının proseste görünmeye devam etmesine rtormen değişikliğin real anlamda anlaşılmaması və doğrulanmamasıdır.

Yapay intellekt öncesinde kod yazmak yoxlamakten daha yavaş olabiliyordu. Yapay intellekt destekli sistemde isə tek bir mühəndis kısa sürede insan yoxlama tutumuni aşan sayıda və büyüklükte değişiklik üretebilir. Kod üretimi ölçeklenirken təcrübəli inceleyicinin zamanı və bilişsel tutumu aynı sürətda ölçeklenmez.

Yazarların aktardığı önceki kod yoxlama araşdırmaları, inceleyicilərin zamanının əhəmiyyətli bölümünü değişikliği anlamaya harcadığını; değişiklik insanın zihninde tutulamayacak kadar büyüdüğünde anlamsal yoxlamadan biçimsel kontrole kayıldığını göstərir. İnceleyici qalıq “bu mantık doğru mu?” sorusu yerine “kod düzgün görünüyor mu?” sorusuna cavab vərir.

Bu durumda:

• Pull request təsdiqlanır.
• Sorumlu kişinin adı qeydta bulunur.
• Denetim panosu yeşil görünür.
• Ancaq imzanın temsil ettiği yoxlama strukturlmamış ola bilər.

İnceleme tiyatrosu dramatik bir texnologiya arızası şeklinde görünmeyebilir. Asıl tehlikesi, sistem çalışıyor və teslimat sürətı artıyor gibi görünürken kontrol tutumunin sessizce boşalmasıdır.

Yapay intellekt çıktistiliknın testleri geçmesi niyə yeterli değildir?

Makale, kod agentlərinın storlanan testleri geçip asıl görevi anlamsal olaraq karşılamayan değişiklikler üretebildiğine ilişkin önceki araşdırmalara dayanmaktadır. Kaynakta aktarılan bir yeniden qiymətləndirməde, çözülmüş kabul edilən agent yamalarının yaklaşık beşte birinin güçlendirilmiş testler altında anlamsal olaraq yanlış olduğu; önde gelen bir agentın puanının yüzde 78,8’den yüzde 62,2’ye düştüğü belirtilmektedir.

Bu nəticə, testlerin yararsız olduğunu göstermez. Tersine, deterministik testler güvənilirlik sisteminin vazgeçilmez parçasıdır. Ancaq test kapsamı eksikse agent real gereksinimi değil, görünür qiymətləndirmə sinyalini optimize edebilir.

Yazarlar ayrıca insan doğrulayıcının kendi performansını olduğundan iyi dəyərlendirebiləceğine diqqət dartılmaktedir. Kaynakta aktarılan bir təcrübəde təcrübəimli açıq mənbə geliştiricilərinin kendi olgun kod tabanlarında süni intellektyla yaklaşık yüzde 19 daha yavaş çalıştığı, buna rtormen sürətlandıklarını düşündükleri qeyd edilmişdir. Başka bir tədqiqatda süni intellekt kullanan katılımcıların daha güvənsiz kod müəllifken kodlarının təhlükəsiz olduğuna daha fazla inandıkları aktarılmıştır.

Makalenin kurduğu risk zinciri şöyledir:

1. Ajan realte olduğundan daha güvənilir görünür.
2. İnsan realte olduğundan daha iyi yoxlama yaptığını düşünür.
3. Yapay intellekt çıktistiliknın hacmi yoxlama tutumuni aşar.
4. Yanlış fakat makul görünen değişiklik üretime geçebilir.

İlk çözüm: İnceleme birimi niyə küçültülmelidir?

Yazarlar süni intellekt destekli her değişikliğin tek bir məsuliyyət taşıyan, küçük və btorımsız olaraq anlaşılabilir birimler hâlinde sunulmasını təklifktedir.

Küçük bir değişiklik:

• İnceleyicinin tüm kontekstı zihninde tutmasını kolaylaştırır.
• Hadiaqnozn hansı amaçla ilgili olduğunu görünür kılar.
• Geri alma işləməini basitleştirir.
• Test kapsamının belirli davranışla eşleştirilmesini kolaylaştırır.
• Kodun niyə değiştirildiğine ilişkin gerekçeyi daha açıq hâle gəlirlikr.

Küçük pull request önerisi yeni değildir. Makalenin yeni olduğunu iləri sürdüğü nokta, bu kuralın agent çıktistilik üzerinde teknik olaraq uygulanabilir hâle gelmesidir. İnsan geliştirici büyük bir değişikliği bölmek istemeyebilir; buna karşılık agent, tek məsuliyyətlu çıktı üretmeye zorlanabilir və sınırı aşan değişiklik otomatik qapıda reddediləbilir.

Bu yaklaşma süni intellektnın sürətını bütünüyle düşürmek zorunda değildir. Ajan aynı toplam işi üretebilir; yalnızca insanın realten inceleyebiləceği parçalar hâlinde sunar. Böylece makine üretim hacmi ilə insan doğrulanabilirliği arasındaki çatışma azaltılmaya çalışılır.

İkinci çözüm: İnceleme niyə sonuca göre kademelendirilmelidir?

Her kod değişikliğinin hata xərci aynı değildir. Düşük trafikli iç göstərici panelindeki geri döndürülebilir bir değişiklik ilə təhlükəsizlik sınırını, para hərəkətini, kişisəl vəriyi və ya geri döndürülemez vəritabanı keçidini etkiləyen değişiklik aynı yoxlama sürecine tabi tutulmamalıdır.

Yüksek nəticəlu değişikliklerde kollektiv yoxlamanin iki işlevi vardır. Birincisi, katılımcıların kararı sesli biçimde açıqlaması gerektiği üçün sessizce təsdiq vərme davranışını zorlaştırır. İkincisi, təcrübəli mühəndisin düşünme biçimini gənc mühəndisə görünür kılar və şagirdlik kanalını yeniden açar.

Genç mühəndis niyə yalnız gelecekteki təcrübəli değildir?

Tədqiqat gənc mühəndis üçün iki ayrı sav iləri sürmektedir:

1. Genç mühəndis geleceğin təcrübəli mühəndisidir və qurumun uzmanlık devamlılığı üçün gereklidir.
2. Genç mühəndis bugün de qurumun fərqli düşünme tutumune katkı vərir.

Kıdemli mühəndis güclü institusional bilgi taşır; ancaq aynı bilgi mevcut üsullare btorlanmasına niyə ola bilər. “Bunu daha önce denedik” və ya “burada böyle strukturlmaz” ifadelerinin bir bölümü dəyərli təcrübəimdir. Bir bölümü isə qalıq geçerli olmayan eski məhdudiyyətlardan mənbəlanan alışkanlıktır.

Büyük dil modeli de en mümkün və yaygın cevabı üretmek üzere eğitildiği üçün doğal olaraq uzlaşmaya yönelir. Makale, birden fazla model kullanmanın bu sorunu mutlaka çözmeyeceğini savunmakta; büyük modellerin ortak temsil biçimlerine yaxınnsayabiləceğine ilişkin teorik tədqiqatları aktarmaktadır.

Bu niyəle təcrübəli mühəndis ilə agentlardan oluşan çekirdek:

• Bilinen çözümleri sürətla kullanabilir.
• Mevcut sistemi etkili biçimde işletebilir.
• Ancaq uzlaşının dışında kalan çözümü fark etmekte zorlanabilir.

Genç mühəndis qurumun geçmiş kabullerini henüz tam olaraq içselleştirmediği üçün basit fakat kritik sorular sorabilir. Yıllar önce reddedilən bir çözümün başaristilikzlık niyəi qalıq ortadan kalkmış ola bilər. Makaleye göre bu tür ayrışma, gençliğin keçici və hoş bir yan etkisi değil; şüurli olaraq korunması gereken örgütsel girdidir.

Ayrışma iddiası ne kadar güclü sübuta dayanmaktadır?

Yazarlar bu konuda əhəmiyyətli bir sınırlama koymaktadır. Yapay intellekt yardımının fikir və metin çeşitliliğini azaltabildiğini gösteren tədqiqatların çoğu yazı və yaratıcı düşünme alanındadır. Kod önerilərinin benzerleşmesine ilişkin tapıntılar bulunmakla birlikdə mühəndislik ekiplerinin arxitektura kararlarının süni intellekt niyəiyle daraldığı birbaşa və kesin biçimde ölçülmemiştir.

Buna görə “təcrübəli + agent ekibi struktursal olaraq ayrışma eksikliği yaşar” təklifi tədqiqatın kabul ettiği üzere bir hipotezdir. Şu bulgu bu iddiayı zayıflatabilir:

Yapay intellekt kullanan mühəndislik ekiplerinin ürettiği çözüm, arxitektura və ürün çeşitliliğinin süni intellekt kullanmayan ekiplerden daha aştorı olmadığını gösteren güclü və tekrarlanabilir vərilər.

Tədqiqatnın bu sınırı açıqça belirtmesi əhəmiyyətlidir. Makale yönetim riski bulunduğunu savunmakta, ancaq bu riskin qurum səviyyəinde kesin olaraq ölçüldüğünü iləri sürmemektedir.

Yapay intellekt dörütubətinde hansı performans göstəriciləri bıraxınlmalıdır?

Kod üretimi ucuzladığında kod satırı, commit, pull request, hikâye puanı və ham teslimat sürətı dəyərle gevşek btorını kaybedebilir. Bir kişi çok fazla süni intellekt çıktistilik üreterek panfokusi bütün üretim meyarlerini artırabilir; ancaq aynı zamanda yoxlama tutumuni aşındırabilir.

Tədqiqatnın 13. sayfasındaki Tablo 4, ölçmə sisteminin şu şəkilde değiştirilmesini təklifktedir:

Bu göstəricilərin hiçbiri qüsursuz değildir. Özellikle ayrışmayı sayısallaştırmak zordur və “varsayılan çözümden ayrılma” her zaman iyi nəticə anlamına gelmez. Makale bunları kesin institusional standartlar değil, kıt hâle gelen dəyərləri izləmək üçün uygulanabilir vəkil meyarler olaraq təklifktedir.

Yeni şagirdlik modeli necə kurulmalıdır?

Makale, gənc mühəndisleri şablon kod müəllifı olaraq korumayı təklifmektedir. Eski görevlerin süni intellekt tarafından daha sürətli strukturlabildiğini kabul etmektedir. Önerilən yeni başlangıç rolü, agent əsaslı sistemlerin yönetmeni və ya yönlendiricisi biçimindedir.

Genç mühəndis:

• İş amacını və sınırları diaqnozmlamayı öğrenir.
• Ajanın büyük bir görevi küçük və doğrulanabilir değişikliklere bölmesini storlar.
• Test və qiymətləndirmə düzeneklerini kurar.
• Üretilən değişikliklerin kökenini və gerekçesini kaydeder.
• Kıdemli mühəndisle yüksək nəticəli yoxlamalare katılır.
• Modelin ilk cevabını sorğular və kənar durumlarını arar.
• Kurumsal qoruma qaydalarını öğrenir və günceller.

Bu modelde şagirdlik qalıq genç çalışanın yaptığı ucuz üretim işinin yan ürünü değildir. Ayrı zaman, büdcə, mentorluk və performans meyarü gerektiren şüurli bir institusional invəstisiya hâline gelir.

Kurumsal “yara izi” niyə yazılı kurala dönüştürülmelidir?

Yazarların “yara izi” olaraq adlandırdığı bilgi, qurumun geçmiş hatalarından və üretim olaylarından öğrendiği fakat çoğu zaman belgelenmemiş təcrübəimdir.

Örneğin:

• Belirli bir vərilənlər bazası naxışi geçmişte kilitlenme oluşturmuş ola bilər.
• Belirli bir kimlik yoxlama yaklaşmaı düzenleyici yoxlamade reddedilmiş ola bilər.
• Bir bulud hizmetinin xərc davranışı beklenenden fərqli çıkmış ola bilər.
• Bir vəri şeması keçidi müşteri sistemlerinde geri döndürülemez hata yaratmış ola bilər.

Bu bilginin yalnız təcrübəli çalışanların hafızasında kalması iki risk yaratır. Çalışan ayrıldığında bilgi kaybolur və süni intellekt agentı aynı hatayı yeniden önerebilir. Makale bu niyəle geçmiş təcrübəimlerin sübuta əsaslanan, açıq və makine tarafından uygulanabilir qoruma qaydalarına çevrilmesini təklifktedir.

Bu kurallar çift işlev görür:

• Ajanın belirli tehlikeli davranışları üretmesini və ya uygulamasını sınırlar.
• Yeni çalışanlara qurumun niyə belirli üsullarden kaçındığını öğretir.

Kurumsal vəri hattı örneği nə göstərir?

Tədqiqatnın 14-16. sayfaları, ümumi tezi institusional vəri mühəndisliyi üzerinden somutlaştırmaktadır. Veri hatları bu örnek üçün seçilmiştir; çünki SQL, strukturlandırma, şema, vəri soy toracı və kalite kontrolleri gibi süni intellekt tarafından işlenebilir struktursal öğeler içerirken aynı zamanda kişisəl vəri, mali raporlama, səhiyyə vərisi və düzenleme riski taşıyabilir.

Geleneksel iş bölümünde təcrübəli mühəndis:

• Platform və arxitekturayi,
• Şema sözleşmelerini,
• Veri kalitesi çerçevəsini,
• Olay yönetimini,
• Üretim təsdiqını üstlenmektedir.

Genç mühəndis isə:

• Dönüşüm mantığını,
• SQL və Spark işlerini,
• Testleri,
• Şablon orkestrasyonu,
• Dokümantasyonu,
• Geriye dönük vəri doldurma işləməlerini yürütmektedir.

Bu ikinci grup, agentlərin en sürətli devralabiləceği işlerdir. Böylece vəri mühəndisliyindeki şagirdlik kanalı birbaşa hedef hâline gelmektedir.

Tablo 5 geleceğe ilişkin kesin bir tahmin midir?

Hayır. Yazarlar Tablo 5’teki nisbətların ölçülmüş vəri, doğrulanmış tahmin və ya kesin tarihli iş gücü öngörüsü olmadığını xüsusilikle bildirir. Değerler müəlliflərın tənzimlənən büyük vəri platformlarındaki təcrübəimlerine dayanan yön gösterici senaryolardır.

Bu nisbətlar fərqli şirketler, texnologiyaler və yıllar üçün real performans dəyəri olaraq kullanılmamalıdır. Makalenin esas mesajı rakamlar değil, görevlerin istiqamətidür: agentlərin en sürətli aldığı işler gənc mühəndislerin geçmişte öğrenme təcrübəimi kazandığı uygulamalı işlerdir; insanda kalan işler isə nisbəttistilikz biçimde yargı və hesap vərebilirlik içermektedir.

Doğrulama maruziyeti necə tahmin edilmektedir?

Tədqiqatnın 16-18. sayfalarında, bir süni intellekt değişikliğinin yeterince doğrulanmama riskini öngörmek üçün beş davranışsal unsur təklif olunur:

17. sayfadaki Şekil 2, istifadə disiplinini yatay eksende və yoxlama sıkılığını dikey eksende bir araya getirerek dört örnek istifadəçi tipi göstərir:

• Belirt və doğrula: Açık gereksinim, küçük kapsam və otomatik qiymətləndirmə kullanan aştorı maruziyetli tip
• Temellendirilmiş güvənen: İyi kontekst storlayan və çıktıyı okuyan, ancaq otomatik yoxlama döngüsü kurmayan orta maruziyetli tip
• Hisset və kabul et: Büyük, yeterince temellendirilmemiş çıktıyı makul göründüğü üçün kabul eden yüksək maruziyetli tip
• Hacim istifadəçisı: Tek değişiklikte kabul ediləbilir görünse de ekip yoxlama tutumuni aşan toplam hacim üreten tip

Şekil ölçülmüş çalışan gruplarını göstermemektedir. Kabarcıkların mövqeu və boyutu açıqlayıcıdır. Yazarlar beş unsurun btorımsız olduğunu və ya basit toplamla güvənilir tek puan üreteceğini iləri sürmemektedir.

Doğrulama maruziyeti kıdemle aynı şey midir?

Hayır. Tədqiqatnın əhəmiyyətli təkliflerinden biri, yoxlamanın unvan değil uygulama olduğudur.

Bir gənc mühəndis:

• İşi ayrıntılı diaqnozmlıyor,
• Küçük değişiklikler üretiyor,
• Gerçek kod tabanıyla temellendiriyor,
• Modeli sorğuluyor,
• Güçlü qiymətləndirmə döngüleri kuruyorsa

aştorı yoxlama maruziyetine sahip ola bilər.

Buna karşılık təcrübəimli bir mühəndis, unvanına güvənerek büyük və yeterince sınanmamış agent çıktistiliknı kabul ederse yüksək maruziyet oluşturabilir. Yazarlar hansı grubun ortada daha iyi olduğunu gösterecek vəri bulunmadığını və təcrübəlilərin otomasyon yanlılığına karşı btorışık olduğunun varsayılamayactorını bildirir.

Makaledeki institusional commit müşahidəi nə göstərir?

Yazarlar tek bir büyük mühəndislik təşkilatunda, süni intellekt kod yardımcılarının commit geçmişinde görünmeye başlamasından önceki çok yıllık dörütubət ilə sonraki birkaç aylık dörütubəti karşılaştıran bir örnek aktarmaktadır.

Aktarılan müşahidəlere göre:

• Toplam haftalık commit hacmi yaklaşık 2,5 kat artmıştır.
• Birleştirme commitleri çıkarıldığında insan mənbəlı hacim yaklaşık 1,8 kat artmıştır.
• Ham commit sayistilik real iş artışını yaklaşık üçte bir nisbətında abartabiləcek görünüm oluşturmuştur.
• Pull request birleştirmelerinin payı iki kattan fazla artmıştır.
• Commit ilə iş kaydı arasındaki izlenebilirlik yaklaşık dörtte bir nisbətında düşmüştür.
• Test içeren commitlerin mutlak sayistilik korunurken toplam üçündeki payı azalmıştır.
• Açık bir yeniden işləmə sıçraması görülmemiştir.
• Yapay intellekt işareti taşmaayan kontrol kod tabanında benzer değişimler görülmemiştir.

Bu müşahidə anonim tek bir təşkilattan gelmektedir. Yapay intellekt istifadəının başlangıç tarihi yalnız commitlerde görünür hâle geldiği dörütubətle tahmin edilmiş və səbəbiyyət kurulmamıştır. Yazarlar örneği yoxlama çerçevəsinin sübutı değil, mümkün öncü göstəricilərin pratikte necə görünebiləceğini anlatan bir betimleme olaraq sunmaktadır.

İnceleme tiyatrosu ilə mənimsəmə teatrı arasındaki fark nədir?

İnceleme tiyatrosu, insan təsdiqının görünüşte devam edip real yoxlamanın kaybolmasıdır.

Mənimsəmə tiyatrosu isə qurumun süni intellekt istifadəını dəyər və nəticə yerine tüketimle ölçmesidir. Örneğin:

• Kullanılan token sayistilik
• Satın alınan lisans sayistilik
• Yapay intellekt tarafından yazılan kod yüzdesi
• Aracı kullanan çalışan nisbətı

Bu göstəricilər süni intellektnın güvənilirlik, kalite və ya istifadəçi sonucu oluşturduğunu göstermez. Makaleye göre mənimsəmə teatrı iki olumsuz sonuca götürebilir:

1. Kurum yalnız istifadə ölçtüğü üçün dəyər göremez və texnologiyayi bütünüyle başaristilikz sayar.
2. Kullanım arttığı üçün başarılı olduğunu sanır və çıktıyı güvənilir kılan insan doğrulayıcıları azaltır.

Teknolojik güvənilirlik sınırlaması necə ele alınmaktadır?

Tədqiqat süni intellektda qabiliyyət ilə güvənilirliği ayırmaktadır.

Kapasite, modelin en iyi koşullarda yapabildiği iştir. Güvənilirlik, aynı görevi yüzlerce və ya binlerce gxülasəimsiz çalıştırmada ne kadar tutarlı və doğru yaptığıdır.

Yazarlar dil modelinin mümkünlıksal bir sistem olduğunu və vərilən her kuralın belirli sıklıkta ihlal ediləbiləceğini savunmaktadır. Bu niyəle yalnız təbii dil talimatıyla təhlükəsizlik storlanamaz.

Önerilən yaklaşma, güvənilmez parçalardan güvənilir sistem kurma disiplinidir:

• Tip denetimi
• Şema yoxlaması
• Birim, entegrasyon və xüsusilik testleri
• Güvənlik taramaları
• Politika qapıları
• Otomatik geri alma koşulları
• İnsan təsdiqı

Model güvənilirliği belirli bir səviyyəde durursa otomasyonun iləri mərhələləri yavaşlayabilir. Makaleye göre bu durum insan yoxlaması ihtiyacını ortadan kaldırmaz; tam tersine yoxlama darboğazını daha əhəmiyyətli hâle gəlirlikr.

Düzenleme insanı proseste tutar mı?

Makale finans, səhiyyə və təhlükəsizlik açistilikndan kritik sistemlerde düzenlemenin insan gxülasəimini daha uzun süre koruyactorını qiymətləndirməktedir. Ancaq insanın yalnız biçimsel olaraq proseste bulunması yeterli değildir. Otomasyon yanlılığı, insanın makine önerisine gereğinden fazla güvənmesi tehlikesidir.

Bu niyəle tənzimlənən sistemlerde esas soru “insan təsdiqı var mı?” değil, şu sorular olmalıdır:

• İnsan değişikliği realten anlayabiliyor mu?
• İnceleme üçün yeterli zaman və kontekst storlanıyor mu?
• İmza sahibinin kararı reddetme yetkisi var mı?
• Otomatik testlerin kapsamadığı nəticələr tartışılıyor mu?
• İnceleme sübutı denetlenebilir biçimde kaydediliyor mu?

Makalenin yanlış çıkabiləceği koşullar nelerdir?

Yazarlar tezlerini zayıflatabiləcek üç əsas nəticəsi açıqça bildirir:

• Ajan sistemleri, yüksək nəticəli görevlerde btorımsız denetimle doğrulanmış və uzun süre sürdürülen neredeyse qüsursuz güvənilirliğe ulaşırsa insan yoxlama darboğazı büyük ölçüde çözülür.
• Otomasyon amaçlı süni intellekt istifadəı derinleşirken başlangıç seviyesi işe alımları yeniden güclü biçimde yükselirse gənc mühəndis yerinden edilmesi təklifi zayıflar.
• Yapay intellekt destekli mühəndislik, qurumların ürettiği çözüm və ürün çeşitliliğini azaltmıyorsa ayrışma savı güç kaybeder.

Bu nəticələrin realleşip realleşmeyeceği incelenen tədqiqat tarafından ölçülmemiştir. Makale bunları gelecekte tezinin sınanabiləceği açıq koşullar olaraq sunmaktadır.

Tədqiqatın dəstəklədiyi əsas nəticələr nelerdir?

• Üretken və agent əsaslı süni intellekt, gənc mühəndislerin ənənəvi olaraq yürüttüğü sınırlı, test ediləbilir və aştorı nəticəlu görevlerde güclüdür.
• Bu görevler aynı zamanda gənc mühəndislerin mesleki yargı geliştirdiği şagirdlik kanalının əhəmiyyətli bölümünü oluşturmuştur.
• Kod üretim hacmi insan yoxlama tutumunden daha sürətli büyüdüğünde real yoxlama darboğazı oluşabilir.
• Büyük değişiklikler insanın anlamsal yoxlama tutumuni azaltabilir.
• Kod yoxlamasi yalnız hata bulma değil, sistem bilgisinin aktarılması işlevini de taşmaaktadır.
• Küçük və tek amaçlı değişiklikler insan yoxlamasini sürdürülebilir kılabilir.
• Yüksek nəticəlu değişikliklerde sinxron yoxlama hem hesap vərebilirliği hem çıraklığı destekleyebilir.
• Kod miktarı gibi çıktı göstəriciləri süni intellekt dörütubətinde dəyəri yanlış temsil edebilir.
• Genç mühəndis yetiştirme hattı ayrı institusional invəstisiya hâline gelmektedir.

Tədqiqat hansı nəticələri sübut etmir?

• Yapay intellektnın bütün yazılım şirketlerinde gənc mühəndis məşğulluqını aynı nisbətda azalttığı sübutlanmamıştır.
• Başlangıç seviyesi geliştiricilər üçün vərilən məşğulluq düşüşleri tədqiqatın kendi vərisi değildir.
• Bütün təcrübəli mühəndislerin süni intellekt çıktılarını yetersiz doğruladığı gösterilmemiştir.
• İnceleme tiyatrosunun yaygınlığı birbaşa və standart bir ölçməle belirlenmemiştir.
• Genç mühəndislerin her durumda təcrübəli çalışanlardan daha ıraksak və ya yaratıcı olduğu sübutlanmamıştır.
• Kıdemli mühəndis, gənc mühəndis və süni intellekt üçlüsünün daha iyi institusional nəticə vərdiği kontrollü təcrübəle gösterilmemiştir.
• Tablo 5’teki süni intellekt iş payları real gelecek iş gücü nisbətları değildir.
• Şekil 2’deki yoxlama maruziyeti tipolojisi doğrulanmış psikometrik və ya mühəndislik ölçmə aracı değildir.
• Önerilən yönetim hamlelerinin finansal gəlirliksi hesaplanmamıştır.
• Türkiyə yazılım sektörüne ait ölçmə və ya təcrübə strukturlmamıştır.

Tədqiqatnın temel məhdudiyyətləri nelerdir?

• Kaynak rəyçi qiymətləndirməsi doğrulanmamış bir perspektiv tədqiqatsıdır.
• Yeni və geniş örneklemli birincil araşdırma sunmamaktadır.
• Dayandığı sübutlar kontrollü təcrübə, ön baskı, sektör raporu, müşahidəsel vəri və teorik tədqiqatları birlikdə içermektedir.
• Aktarılan araşdırmaların görev, təcrübəim səviyyəi və tədqiqat ortamları birbirinden fərqlidır.
• Yazı və yaratıcı düşünme tədqiqatlarından yazılım arxitekturası çeşitliliğine çıkarım strukturlmaktadır.
• Kurumsal commit örneği tek bir organizasyona ait və korelasyoneldir.
• Doğrulama maruziyeti çerçevəsi gelecekteki üretim hatalarıyla doğrulanmamışdır.
• Gelecek vəri mühəndisliyi iş payları müəllif görüşüdür.
• Önerilən meyarlerin necə standardize ediləceği və ya karşılaştırılactorı ayrıntılı biçimde sınanmamıştır.
• Küçük pull request sayistiliknın artmasının toplam koordinasyon xərci ayrıca ölçülmemiştir.
• Genç mühəndisleri yetiştirmenin birbaşa xərci və gəlirliksi sayısallaştırılmamıştır.

Tədqiqatnın Yöntemi və Bulguları

Tədqiqatnın üsulsel struktursı

Tədqiqatdaki görsel və cədvəllar nə göstərir?

Kanıtların gücü aynı mıdır?

Hayır. Tədqiqatdaki təklifler fərqli sübut səviyyəlerine sahiptir.

Makalenin önerdiği uygulanabilir yönetim planı nədir?

22. sayfadaki Tablo 6, yönetim önerilərini altı hərəkətte toplamaktadır:

1. Birimi küçültün: Ajanların atomik, tek məsuliyyətlu və gerekçesi belirtilmiş değişiklik üretmesini zorunlu kılın.
2. İncelemeyi kademelendirin: Rutin değişikliklerde agent ilk kontrolü yapabilsin; yüksək nəticəli değişiklikleri təcrübəli liderliğinde kollektiv yoxlamaye yönlendirin.
3. Skor cədvəlsunu değiştirin: Kod və istifadə hacmi yerine yoxlanmış nəticə, üretime kaçan hata, btorımsız yargıya ulaşma süresi və ayrışmayı ölçün.
4. Genç mühəndis almaya devam edin: Onları yalnız kod müəllifı değil, təcrübəli mentorluğu altında agent sistemlerinin yöneticisi olaraq yetiştirin.
5. Geçmiş hataları yazılı hâle gəlirlikn: Kurumsal təcrübəimi agentləri sınırlandıran və yeni çalışanları eğiten açıq kurallara dönüştürün.
6. İki tiyatroyu izleyin: Gerçek yoxlaması olmayan insan təsdiqını və real iş sonucu olmayan süni intellekt istifadəını ayrı ayrı denetleyin.

Kurumsal uygulama üçün örnek kontrol göstəriciləri

Türkiyədəki yazılım ekiplerine necə uyarlanabilir?

Türkiyədə uygulama üçün məqalədeki ümumi önerilər yerel örgütsel və düzenleyici koşullarla birlikdə ele alınmalıdır.

Düzenlemeye tabi sektörlerde:

• Bankacılık, ödeme, sigorta, səhiyyə, savunma və kamu sistemlerinde yüksək nəticəli değişiklik sinifları açıqça diaqnozmlanmalıdır.
• Yapay intellekt tarafından üretilən kodun kökeni, modeli, kullanılan kontekstı və test sübutları kaydedilmelidir.
• İnsan imzasının yalnız prosedürel değil, real yoxlamayi temsil ettiği denetlenmelidir.

Genç mühəndis yetiştirmede:

• Stajyer və gənc mühəndisler yalnız küçük bilətleri tamamlayan çalışanlar olaraq görülmemelidir.
• Ajan çıktistiliknı parçalama, yoxlama, test etme və açıqlama beceriləri təhsil programına eklenmelidir.
• Yüksek riskli değişiklik yoxlamalarine müşahidəçi değil, gerekçe sunması gereken aktif katılımcı olaraq alınmalıdır.

Performans yönetiminde:

• Yapay intellekt istifadə nisbətı hedef strukturlmamalıdır.
• Çıktı hacmi tek başına terfi və ya başarı göstəricisi olmamalıdır.
• Üretim kalitesi, olay azaltma, müşteri etkisi, dokümante edilmiş karar gerekçesi və mentorluk katkistilik birlikdə dəyərlendirilmelidir.

Yerel yoxlama üçün gerekli vərilər:

• Yapay intellekt kullanan və kullanmayan ekiplerde üretime kaçan hata nisbətları
• Pull request büyüklüğü və yoxlama süresi
• Genç mühəndis işe alım və iç terfi eğilimleri
• Olay çözüm süresi və geri alma nisbətı
• Yapay intellekt istifadəından önce və sonra test kapsamı
• Genç çalışanların btorımsız teknik sorumluluğa ulaşma süreleri

Genel üsulsel nəticə

Tədqiqat, “süni intellekt geliştiricilərin yerini alacak mı?” sorusundan daha dar və yönetiləbilir bir soru təklifktedir: Yapay intellekt hansı görevleri devralıyor və bu görevlerin üretim dışındaki institusional işlevi neydi?

Şablon kod yazmak ekonomik olaraq dəyərsizleşebilir; ancaq şablon kodun yoxlama, hata yapma, düzəliş və kontekst öğrenme süreci uzman yetiştiriyorsa, yalnız üretim xərcine baxınlarak ortadan kaldırılması uzun vadeli qabiliyyət kaybı doğurabilir.

Makalenin yönetim mesajı, eski tədqiqat biçimini korumak değil; süni intellekt üretimini insanın öğrenebiləceği və realten doğrulayabiləceği yeni bir sistem üçünde düzenlemektir.

Kaynak və Yöntem Notu

• Tədqiqatnın tam özgün adı: Who Trains the Next Senior? Managing Software Engineering When AI Makes Code Cheap
• Yazarlar: Gajendra Babu Thokala, Sairam B. Krishnan
• Yazar sıralaması: Gajendra Babu Thokala birinci, Sairam B. Krishnan ikinci müəllifdır.
• Eş katkı beyanı: Bulunmamaktadır.
• Sorumlu müəllif: Tədqiqatda sorumlu müəllif işareti və ya açıq rabitə müəllifı beyanı yoxdur.
• Yazar unvanı 1: Gajendra Babu Thokala, Senior Engineering Leader; Fellow, British Computer Society
• Yazar unvanı 2: Sairam B. Krishnan, Senior Engineering Leader; Wharton Executivə MBA
• Kurumsal btorlılık: Resmî ünivərsite və ya şirket btorlılığı belirtilmemiştir. Yazarlar görüşlerini kişisəl sıfatlarıyla sunduklarını və görüşlerin herhansı bir işvəreni temsil etmediğini açıqlamıştır.
• DOI:10.2139/ssrn.7083078
• Resmî tədqiqat btorlantistilik:SSRN rəsmi qeyd sayfası
• Yayın platformu: SSRN
• Yayın tarihi: 24 Temmuz 2026
• Yayın yılı: 2026
• Sayfa sayistilik: 24
• Dergi: Belirli bir rəyçili dergi bilgisi yoxdur.
• Yayınevi: Btorımsız bir yayınevi və ya dergi yayınevi belirtilmemiştir.
• Kaynak türü: Mevcut araşdırma, sektör tapıntıları və mesleki təcrübəime dayalı perspektiv və mühəndislik yönetimi tədqiqatsı
• Hakemlik durumu: Tamamlanmış rəyçi qiymətləndirməsi və ya rəyçili dergi yayını doğrulanmamışdır.

Bu türk dili açıqlama, tədqiqatın bütün ana metni, cədvəlları, iki şekli, vəri mühəndisliyi örneği, risk qiymətləndirməsi, nəticələri, mənbəçası və müəllif beyanları incelenerek hazırlanmıştır. Bilimsel və yönetsel içerik yalnızca incelenen tədqiqatın sunduğu savlara, sayılara və sınırlandırmalara dayanmaktadır. Dış mənbə kontrolü yalnızca SSRN kaydı, DOI və paylaşma tarihinin bibliyoqraf doğrulanması amacıyla istifadə edilmişdir.

Tədqiqat yeni empirik ölçmə raporu değildir. Kaynakta geçen yüzde 13 və yaklaşık yüzde 20 məşğulluq değişimleri, yüzde 55,8 sürət artışı, yaklaşık yüzde 26 görev artışı, yüzde 19 yavaşlama və diğer nicel nəticələr müəlliflərın dayandığı önceki tədqiqatlardan aktarılmıştır. Bu dəyərlər incelenen məqalənin kendi örneklemiyle üretilmemiştir.

Tablo 5’teki geleceğe dönük iş payları müəlliflərın strukturlandırılmış mesleki yargistilikdır; ölçülmüş vəri, kesin tahmin və ya belirli tarihte realleşmesi beklenen nisbətlar değildir. Şekil 2’deki yoxlama maruziyeti tipolojisi de doğrulanmış bir puanlama sistemi değildir. Yazarlar, çerçevənin gelecekte üretime kaçan hatalar və olay vəriləriyle sınanması gerektiğini bildirir.

Tədqiqatdaki anonim institusional commit müşahidəi tek bir organizasyonla sınırlıdır, korelasyoneldir və süni intellekt istifadəının real başlangıç tarihini kesin olaraq belirlememektedir. Bu müşahidə ümumi sektör etkisi və ya niyəsel nəticə olaraq yorumlanmamalıdır.

Yazarların generativ süni intellekt beyanına göre Anthropic Claude; metnin müəlliflərın belirlediği üslup və talimatlarla hazırlanması və düzenlenmesi, mənbəların derlenip biçimlendirilmesi və Şekil 1’in üretilmesi amacıyla istifadə edilmişdir. Yazarlar tezi, analizi və esas içeriği kendilərinin geliştirdiğini; bütün iddiaları, vəriləri və mənbəları btorımsız biçimde doğruladıklarını və tədqiqatın sorumluluğunu üstlendiklerini belirtmiştir.