Google Mühendisleri: Kodlama Ajanları Eski TODO Yorumlarına Takılınca Maliyet Artıyor

Google Developers Blog’da 6 Kasım 2026’da yayımlanan “Agent Distraction” yazısına göre kodlama ajanları, kod içindeki bug referanslı TODO ve FIXME yorumlarına istemeden yönelince oturum başına %70 daha fazla adım, %77 daha fazla token ve %105 daha fazla bekleme süresi oluşuyor; yazıda hangi ajan veya modelin incelendiği belirtilmiyor ve bu sayfa yalnızca yazıdaki bulguları aktarır.

Künye

Ne Bulundu?

Yazıya göre dosya okuma oturumlarının %13’ü (yaklaşık yedide biri) ajanı TODO(bug/...) veya FIXME(bug/...) biçiminde bir bug referansıyla karşılaştırdı. Bu karşılaşmaların %94’ünde ajan yorumu yok saydı; %6’sında ise o bug numarasını hedefleyen bir sonraki adımı attı.

Bu eylemlerin oturum bazında %83’ü kullanıcı istemeden gerçekleşti. İstenmeden yapılan sapmaların %41’i kapalı biletlere gitti: %32’si zaten düzeltilmiş veya doğrulanmış, %9’u geçersiz ya da düzeltilmeyecek, %2’si yinelenen veya kısıtlı biletlerdi. Sapmaların %57’si açık biletlerle ilgiliydi; bunların %61’i yalnızca inceleme, %39’u kod düzenlemesiydi.

Maliyet Ne Kadar?

Kontrollü bir regresyonda, istenmeden yapılan bug sapmaları oturum başına %70 daha fazla adıma, %77 daha fazla token kullanımına ve %105 daha uzun bekleme süresine yol açtı; üç sonuç için de p değeri 0,0001’in altında bildirildi.

Analiz; geliştirici, kod tabanı karmaşıklığı, görev türü, model kademesi, okunan dosya sayısı, istem uzunluğu ve referansın göründüğü adım için kontrol eden çok yönlü sabit etkili regresyonla yapıldı; standart hatalar geliştirici bazında kümelendi.

Önerilen Çözüm

Ekip, kod tabanını tarayıp düzeltilmiş veya geçersiz bug referanslarını bulan ajanlar kurdu. Silme kararı için TODO’nun geçmişi, dosya geçmişi ve kod değişiklikleri de inceleniyor; yalnızca amacı artık geçersiz olduğu doğrulanan TODO’lar için değişiklik öneriliyor. Yazı, son altı ayda binlerce geçersiz referansın kaldırıldığını ve insan gözden geçirenlerin %95’in üzerinde kabul oranı verdiğini söylüyor.

Okur için pratik sonuç yazıdaki yöntemin kendisidir: eski, çözülmüş bilet numaralı yorumlar ajanlar için gürültü kaynağı olabilir. Yazı bunun ürün duyurusu değil, bir iç veri analizi olduğunu da gösteriyor.

Yapay zekâ ajanlarına dair diğer haberler için Cognition SWE-2 Flash sayfamıza bakabilirsiniz.

Bu Sayfada Ne Yok?

• Hangi kodlama ajanı veya modelin incelendiği: yazıda belirtilmemiş.
• Tam örneklem sayısı: yazıda yalnızca “binlerce mühendis” ve “yüz milyonlarca adım” deniyor.
• Dış kuruluşlarla doğrulama: yok; analiz Google içi veridir.
• Ürün, fiyat veya erişim bilgisi: yok; yazı bir ürün duyurusu değildir.
• Türkiye’ye özgü bir bulgu: yok.
• Başka şirketlerin ajanlarında aynı sonuçların çıkıp çıkmayacağı: yazıda ele alınmıyor, burada da tahmin edilmedi.
• Oturum sayısına dair kesin rakam: kaynaktan doğrudan doğrulanamadığı için yazılmadı.

Sık Sorulan Sorular

Agent Distraction ne demek?

Yazının başlığıdır; ajanın görevi dışında kalan bir kod yorumuna yönelmesini, yani dikkatinin dağılmasını anlatır.

Ajanlar TODO yorumlarının çoğuna uyuyor mu?

Hayır. Karşılaşmaların %94’ünde ajan yorumu yok saydı, %6’sında bug numarasına yönelik adım attı.

Ek maliyet ne kadar?

İstenmeden yapılan sapmalarda oturum başına %70 daha fazla adım, %77 daha fazla token ve %105 daha uzun bekleme bildirildi.

Çözüm ne?

Geçersiz TODO referanslarını bulup temizleyen ajanlar; son altı ayda binlerce referans kaldırıldı ve kabul oranı %95’in üzerinde.

Hangi model incelendi?

Yazıda belirtilmiyor; yalnızca model kademesinin kontrol değişkeni olarak kullanıldığı söyleniyor.

Bu bulgular benim kod tabanım için de geçerli mi?

Bilinmiyor; bulgular Google’ın iç verisine dayanıyor ve genelleme yazıda yapılmıyor.

Kaynak ve kapsam: Bulgular Google Developers Blog’un 6 Kasım 2026 tarihli yazısından okunmuştur: developers.googleblog.com. İncelenen ürün adı ve bağımsız doğrulama kaynakta bulunmadığından yazılmamıştır. Veri tarihi: 9 Kasım 2026.