Kaos, hız ve gizem: Eski çalışanı, OpenAI’ın sahne arkasını anlatıyor

Çeviri: Çiğdem Öztabak

"Şu anda geleceğin nereye gittiğine şahit olmak için inanılmaz bir zamandayız."

Bu sözler, dünyanın en değerli yapay zeka şirketinde 1 yıl çalışan Calvin French-Owen'a ait. Segment'in kurucu ortağı olarak şirketini 3,2 milyar dolara satan deneyimli girişimci, OpenAI'da geçirdiği dönemin hemen ardından kaleme aldığı bir mektupta en gizemli organizasyonunun sahne arkasını ilk kez bu kadar ayrıntılı ve samimi bir şekilde aktarıyor.

^{Calvin French-Owen}

Başarılı bir girişim kurduktan sonra sektörün en tartışmalı yapay zeka şirketine geçmesinin kattığı deneyim ve getirdiği zorluklar, French-Owen'ın gözlemlerini özellikle değerli kılıyor. OpenAI'a katıldığında şirketin 1.000 çalışanı varken 1 yıl sonra bu sayının 3.000’e çıktığını ve kendisinin kıdem bakımından ilk %30’a girdiğini vurgulayan French-Owen, bu astronomik büyümenin her alanda kırılmalara yol açtığını şu sözlerle vurguluyor: 

"Bu kadar hızlı büyüdüğünüzde her şey bozulur."

Geniş açı: OpenAI, Mart ayında tarihin en büyük yatırım turunu tamamlayarak SoftBank liderliğinde 40 milyar dolar finansman topladı. Bu yatırım, şirketin değerini 300 milyar dolara çıkardı. Böylece sadece 6 ay önce 157 milyar dolar seviyesinde olan değerleme, neredeyse iki katına çıktı. 

ChatGPT'nin de artık haftalık 500 milyon aktif kullanıcısı bulunuyor ve şirket bu yıl sonuna kadar gelirinin 12,7 milyar dolara ulaşarak üçe katlanmasını bekliyor. Fonların yaklaşık 18 milyar doları, ABD genelinde yapay zeka odaklı bir veri merkezi ağı kurmayı hedefleyen Stargate projesine ayrılacak.

Gözlemler: Massachusetts Teknoloji Enstitüsü (MIT) mezunu French-Owen, dünyanın en değerli yapay zeka şirketinin sahne arkasında yaşanan kaosun, günlük iş akışının ve şirket kültürünün yanı sıra şirketin güçlü yanlarını da açıklıkla kaleme alıyor. 

Deneyimli mühendisin şirketten ayrıldıktan sonra paylaştığı gözlemleri, Türkçe çevirisiyle sunuyoruz. Yazının orijinaline de buradan ulaşabilirsiniz. 

OpenAI üzerine düşünceler

15 Temmuz 2025

"Üç hafta önce OpenAI'dan ayrıldım. Şirkete 2024’ün Mayıs ayında katılmıştım.

Düşüncelerimi paylaşmak istedim çünkü OpenAI'da neler olduğu hakkında çok fazla konuşuluyor ve net olmayan söylemler var. Orada çalışmanın nasıl hissettirdiğine dair birinci elden çok az bilgi mevcut.

Nabeel Qureshi'nin 'Palantir Üzerine Düşünceler' başlıklı harika bir yazısı var ve yazıda Palantir'i özel kılan ayrıntıları paylaşıyor. Ben de deneyimlerim tazeyken OpenAI için benzer bir şey yapmak istedim. Burada ticari bir sır bulamayacaksınız; daha çok tarihin en büyüleyici organizasyonlardan birinin mevcut versiyonu hakkında son derece ilginç bir zamanda paylaştığım düşüncelerimi okuyacaksınız.

Açık söylemek gerekirse ayrılma kararımda kişisel bir drama yoktu ve aslında bu konuda çok da kararsızdım. Kendi işinizin kurucusu olmaktan 3.000 kişilik bir kurumsal yapının çalışanı olmaya geçmek zor. Şu anda da taze bir başlangıç arıyorum.

İşin kalitesinin beni geri çekmesi mümkün. Yapay genel zeka (AGI) kadar etkili bir ürün inşa etmeyi hayal etmek zor ve büyük dil modelleri (LLM) şüphesiz ki son on yılın en büyük teknolojik yeniliği. Bazı gelişmeleri ilk elden gördüğüm ve aynı zamanda Codex’in tanıtımının bir parçası olduğum için de şanslı hissediyorum. 

Açıkçası bunlar şirketin görüşleri değil, benim gözlemlerim. OpenAI büyük bir yer ve bu, benim OpenAI’a açılan küçük pencerem. 

Kültür: OpenAI hakkında bilmeniz gereken ilk şey, ne kadar hızla büyüdüğü. Şirkete katıldığımda çalışan sayısı 1.000 kişiden biraz fazlaydı. 1 yıl sonra 3.000 kişinin üzerine çıktık ve kıdem bakımından ben ilk %30'daydım. Liderliğe baktığınızda ise neredeyse herkesin 2-3 yıl öncesine göre tamamen farklı bir iş yaptığını görüyorsunuz. 

Tabii ki bu kadar hızlı büyüdüğünüzde her şey bozulur: Şirket olarak nasıl iletişim kurulacağı, raporlama yapıları, ürün sevkiyatları, insan yönetimi, organizasyon, işe alım süreçleri… Ekipler kültür açısından önemli ölçüde farklılık gösteriyor. Bazıları sürekli tam hızla koşuyor, bazıları büyük çalışmaları bekliyor, bazıları çok daha tutarlı bir tempoda ilerliyor. Tek bir OpenAI deneyimi yok ve araştırma, uygulama ve pazarlama çok farklı zaman dilimlerinde çalışıyor.

OpenAI'ın alışılmadık bir yanı, her şeyin, yani gerçekten her şeyin Slack üzerinde yürümesi. E-posta yok. Orada bulunduğum süre boyunca belki en fazla 10 e-posta aldım. Organize değilseniz bunu inanılmaz dikkat dağıtıcı bulabilirsiniz. Kanallarınızı ve bildirimlerinizi düzenlerseniz de bu iletişimi oldukça işlevsel hâle getirebilirsiniz. 

OpenAI, inanılmaz derecede aşağıdan yukarıya bir hiyerarşiye sahip. Özellikle de araştırma departmanlarında… İlk geldiğimde gelecek çeyrek için yol haritası hakkında sorular sormaya başlamıştım. Aldığım cevap şuydu: 'Bu mevcut değil.' O an var olsa da… İyi fikirler her yerden gelebilir ve hangi fikirlerin en verimli olacağı genellikle gerçekten açık değildi. İlerleme, büyük bir ana plan yerine tekrarlarda ve yeni araştırmalarda ortaya çıkıyordu. 

Bu aşağıdan yukarıya kültür sayesinde OpenAI aynı zamanda çok meritokratik, yani liyakata bağlı. Bildiğiniz üzere meritokratik sistemlerde herkes eşit fırsata sahiptir ama sonuçlar bireysel başarıya göre değişir.

Şirketteki liderler, öncelikle iyi fikirler üretme ve bunları yürütme yeteneğine göre terfi veriyorlar. İnanılmaz yetenekli birçok lider, toplantılarda sunum yapma veya politik manevralar konusunda çok iyi değildi. Bu, OpenAI'da diğer şirketlerde olabileceğinden daha az önemli. En iyi fikirler genellikle kazanıyor. 

Güçlü bir eylem önyargısı var, sadece iş yapabilirsiniz... Benzer ama ilgisiz ekiplerin çeşitli fikirler üzerinde birleşmesi alışıldık bir durum. ChatGPT Connectors’a benzer ama dahili bir projede çalışmaya başladım. Lansman için ilerleme kararı vermeden önce etrafta 3-4 farklı Codex prototipi dolaşıyordu. Bu inisiyatifler, genellikle bir avuç insan tarafından izin istemeden alınıyor. Gruplar, umut vadeder hâle geldiğinde de genellikle etraflarında hızlıca bir ekip oluşuyor.

Codex’in lideri Andrey, bana araştırmacıları kendi 'mini yöneticileri' olarak düşünmem gerektiğini söylerdi. İyi araştırmacılar, inanılmaz derecede etkili ve aynı zamanda inanılmaz derecede sınırlı. En iyileri, birçok farklı araştırma arasında noktaları birleştirmeyi ve daha büyük bir model eğitimini biraraya getirmeyi başarıyor. Aynı şey, harika ürün yöneticileri için de geçerli.

Birlikte çalıştığım ChatGPT yönetici mühendisleri Akshay, Rizzo ve Sulman, gördüğüm en havalı insanlardandı. Gerçekten her şeyi görmüş gibi hissettiriyorlardı. Çoğu nispeten müdahale etmezdi, ancak iyi insanları işe aldılar ve başarı için hazırlıklı olmaya odaklandılar. 

OpenAI yön değiştirme konusunda inanılmaz çevik. Bu, Segment'teyken de çok değer verdiğimiz bir şeydi. Yeni bilgiler edindikçe doğru olanı yapmak, sırf bir plan yaptınız diye aynı yolda ısrarla yürümekten çok daha iyidir. OpenAI gibi büyük bir şirketin hâlâ bu bakış açısını koruyor olması gerçekten etkileyici. Google bunu yapamıyor. OpenAI kararlarını hızlı alıyor ve bir yönü benimsediğinde o yolda tüm gücüyle ilerliyor. 

Şirketle ilgili çok fazla inceleme var. İşletmeden işletmeye (B2B) bir kurumsal geçmişten geldiğim için bu beni şok etti. Düzenli olarak henüz şirket içinde duyurulmamış haberlerin basında çıktığını görürdüm. İnsanlara OpenAI'da çalıştığımı söylerdim ve şirket hakkında önceden oluşmuş görüşlerle karşılaşırdım. Birçok X kullanıcısı, yakında OpenAI’ın yeni bir özellik tanıtıp tanıtmayacağını kontrol eden otomatik botlar çalıştırıyor. 

Sonuç olarak OpenAI çok gizemli bir yer. Üzerinde çalıştığım ürünleri kimseye ayrıntılarıyla anlatamıyordum. Çeşitli izinlere sahip bir avuç Slack çalışma alanı var. Gelir ve harcama rakamları çok daha gizli tutuluyor. 

OpenAI, aynı zamanda beklediğinizden daha ciddi bir yer. Çünkü riskler gerçekten yüksek. Bir tarafta AGI inşa etme hedefi var. Bu da doğru yapılması gereken çok şey olduğu anlamına geliyor. Diğer tarafta yüz milyonlarca kullanıcının tıbbi tavsiyeden terapiye kadar pek çok farklı amaçla kullandığı bir ürün inşa etmeye çalışıyorsunuz. Ve bir yandan şirket dünyadaki en büyük arenada rekabet ediyor. Örneğin Meta, Google ve Anthropic'te neler olduğunu yakından takip ederdik ve eminim hepsi de aynısını yapıyordu. Tüm büyük hükümetler bu alanı büyük bir ilgiyle izliyor. 

OpenAI, her ne kadar basında karalansa da orada tanıştığım herkes aslında doğru şeyi yapmaya çalışıyor. Şirket, tüketici odağı göz önünde bulundurulduğunda büyük yapay zeka laboratuvarlarının en görünür olanı ve sonuç olarak hakkında çok fazla iftira var.

Bununla birlikte: OpenAI'ı tek bir yapı olarak görmemelisiniz. OpenAI'ı Los Alamos gibi başlayan bir organizasyon olarak düşünüyorum. Şirket, bilimin sınırlarını araştıran bir grup bilim insanı ve araştırmacıdan oluşuyor. Bu grup, tesadüfen tarihteki en viral tüketici uygulamasını doğurdu ve sonra hükümetlere ve işletmelere satma noktasına getirdi. Farklı kademe ve bölümlerden insanlar, çok farklı hedeflere ve bakış açılarına sahip. Orada olduğunuz süre ne kadar uzunsa işleri o kadar 'araştırma laboratuvarı' ve 'kâr amacı gütmeyen kuruluş' merceğinden görüyorsunuz.

En çok takdir ettiğim şey, şirketin yapay zekanın faydalı taraflarını topluma sunma konusundaki sözünü tutması. Dünyanın herhangi bir yerindeki biri, e-posta ile giriş yapmamış olsa bile ChatGPT'ye girip yanıt alabiliyor. Kaydolup kullanabileceğiniz bir uygulama programlama arayüzü (API) var ve çoğu model hızla yeni kurulan şirketlerin kullanabileceği API'a dahil oluyor. Bugün içinde bulunduğumuzdan çok farklı işleyen alternatif bir sistem hayal edebilirsiniz. OpenAI, bunun için büyük bir övgüyü hak ediyor ve bu, şirketin DNA'sının kalbinde yer alıyor. 

Güvenlik sistemleri geliştirmek için çalışan çok sayıda insan var. OpenAI'ın doğası göz önüne alındığında zeka patlaması ve güç arayışı gibi teorik olanlardan ziyade nefret söylemi, taciz, siyasi önyargıları manipüle etme, biyolojik silah üretme ve kendine zarar verme gibi pratik risklere daha fazla odaklanıldığını gördüm. Bu, hiç kimsenin ilki üzerinde çalışmadığı anlamına gelmiyor; kesinlikle teorik risklere odaklanan insanlar da var. Ancak benim bakış açıma göre odak noktası bu değil. Yapılan işlerin çoğu yayımlanmıyor ve OpenAI'ın bunları duyurmak için daha fazlasını yapması gerekiyor.

Her kariyer fuarında hediyeler dağıtan diğer şirketlerin aksine OpenAI, yeni çalışanlarına bile çok fazla hediye vermiyor. Bunun yerine stokta olan ürünleri sipariş edebileceğiniz drop'lar oluyor. 

GPU maliyetine kıyasla neredeyse her şey ufak paralara mâl oluyor. Bir fikir vermesi için şunu söyleyebilirim: Codex ürününün bir parçası olarak inşa edilen niş bir özellik, Segment'in tüm altyapısıyla aynı GPU maliyetine sahipti. ChatGPT ile aynı ölçekte değildi ama iyi bir trafik aldı. 

OpenAI, belki de gördüğüm en korkutucu hırsa sahip organizasyon. Gezegendeki en iyi tüketici uygulamalarından birine sahip olmanın yeterli olabileceğini düşünebilirsiniz ama esasında düzinelerce alanda rekabet etme arzusu var: API ürünü, derin araştırma, donanım, kodlama araçları, görüntü üretimi ve henüz duyurulmamış başka projeler… Fikirleri alıp hayata geçirmek için gerçekten verimli bir zemin.

X odağı: Şirket, X’i dikkatle takip ediyor. OpenAI ile ilgili viral olan bir şey paylaşırsanız birinin bunu okuyup üzerine düşünme ihtimali çok yüksek. Bir tüketici şirketi olarak belki de bu o kadar yanlış değil. Kullanım sayıları, kullanıcı büyümesi ve tutundurma etrafında hâlâ çok fazla analitik var ama o havayı korumak da eşit derecede önemli. 

OpenAI'daki ekipler, başka yerlerde olabileceğinden çok daha akışkan. Codex'i tanıtmadan önce lansman tarihimizi belirlemek için birkaç deneyimli ChatGPT mühendisinden yardım almaya ihtiyaç duyduk ve ChatGPT’nin yönetici mühendisleriyle buluştuk. Ertesi gün yardım etmeye hazır iki harika insan vardı. Üç aylık planlamayı bekleme veya personel sayısını yeniden düzenleme gibi ayrıntılar yoktu. Çok hızlı hareket ettik. 

Liderlik oldukça görünür ve liderler, yoğun şekilde ortama dahiller. Devamsızlık yapan lider yok. 

Kod: OpenAI çoğunlukla Python programlama dilinde dev bir monorepo kullanıyor. Ağ proxy'leri gibi ayrıntılar için serpiştirilmiş Rust servisleri ve bir avuç Golang servisi olsa da… Python yazmanın çok fazla yolu olduğu için oldukça garip görünen çok sayıda kod var. Hem 10 yıllık eski Google çalışanlarının ölçeklendirme için tasarladığı kütüphanelerle hem de yeni doktora mezunlarının Jupyter notebook'larıyla karşılaşacaksınız. Hemen hemen her şey, API oluşturmak için FastAPI ve doğrulama yapmak için Pydantic etrafında çalışıyor. Ama geniş çapta uygulanan stil kılavuzları yok.

OpenAI, her şeyi Azure üzerinde çalıştırıyor. Bunun komik yanı, güvenilir olarak değerlendireceğim yalnızca üç servis var: Azure Kubernetes Service, CosmosDB ve BlobStore. Dynamo, Spanner, Bigtable, Bigquery Kinesis veya Aurora'nın gerçek eşdeğerleri yok. Otomatik ölçeklendirme birimlerinde çok fazla düşünmek biraz daha nadir görülen bir durum. Kimlik ve erişim yönetimi (IAM) uygulamaları, Amazon Web Services’dan (AWS) alabileceğinizden çok daha sınırlı. Ve kurum içi uygulamaya yönelik güçlü bir önyargı var. 

Personel söz konusu olduğunda—en azından mühendislikte—çok güçlü bir Meta-OpenAI hattı var. Birçok açıdan OpenAI, Meta'nın erken dönemini andırıyor: Etkili bir tüketici uygulaması, yeni altyapı ve gerçekten hızlı hareket etme arzusu. Meta ve Instagram'dan getirilen altyapı yeteneği güçlü. Bunları biraraya getirdiğinizde Meta'yı anımsatan çok sayıda altyapı öğesi görüyorsunuz.

Sohbet, gerçekten derin bir yapıya sahip. ChatGPT yaygınlaştığından beri kod tabanının büyük bir kısmı, sohbet mesajları ve konuşmalar etrafında yapılandırılmış durumda. Bu ilkel unsurlar, artık o kadar yerleşik ki muhtemelen kendi inisiyatifinizle onları görmezden gelmelisiniz. Codex'te bu yapıdan biraz saptık, API'dan edindiğimiz bilgilere daha fazla odaklandık ancak önceki birçok teknolojiden de yararlandık. 

Kod her zaman kazanır. Merkezî bir mimari veya planlama komitesi yerine kararlar, tipik olarak işi yapmayı planlayan ekip tarafından alınıyor. Sonuç, güçlü bir eylem önyargısı ve genellikle kod tabanının birkaç kopya parçası. Sıra yönetimi veya yapay zeka ajanı döngüleri gibi ayrıntılar için yarım düzine kütüphane görmüşümdür. 

Hızla ölçeklenmiş bir mühendislik ekibine sahip olmanın ve çok fazla araç olmamasının sorun yarattığı birkaç alan vardı. SA-server, biraz çöplük gibiydi. Sürekli entegrasyon (CI), beklentimizden çok daha sık bozuldu. GPU’ların paralel olarak çalışan ve destek dosyalarının alt kümesini çarpanlara ayıran test vakalarını çalıştırması 30 dakika sürebiliyordu. Bunlar çözülemez problemler değildi ama bu tür problemlerin her yerde var olduğunu ve süper hızlı büyüdüğünüzde daha da kötüleşme olasılığı bulunduğunu hatırlatıyor. Dahili ekiplerin takdire şayan bir şekilde bu hikayeyi iyileştirmeye yönelik çok fazla çalışması var. 

Öğrendiğim diğer şeyler: Büyük bir tüketici markası nasıl görünür? Codex üzerinde çalışmaya başlayana kadar bunu gerçekten içselleştirmemiştim. Her şey 'profesyonel abonelikler' üzerinden ölçülüyor. Codex gibi bir ürün için bile katılımın ekiplerden ziyade bireysel kullanımla ilgili olduğunu düşündük. Ağırlıklı olarak B2B bir geçmişim olduğu için bu durum biraz kafamı karıştırdı. Bir düğmeye basıyorsunuz ve ilk günden itibaren trafik alıyorsunuz.

Büyük modeller üst düzeyde nasıl eğitilir? Deneyden mühendisliğe kadar uzanan bir yelpaze var. Çoğu fikir, küçük ölçekli deneyler olarak başlar; sonuçlar umut verici görünüyorsa daha sonra büyük bir çalışmaya dahil edilir. Deney, veri karışımını ayarlamak ve sonuçları dikkatle incelemek gibi temel algoritmaları da ayarlamakla ilgiliydi. Büyük ölçekte bir çalışma yapmak, neredeyse devasa dağıtık sistem mühendisliğine benzer. Garip uç durumlar ve beklemediğiniz şeyler olacaktır. Bunları ayıklamak size kalmış.

GPU matematiği nasıl yapılır? Codex lansmanının bir parçası olarak yük kapasitesi gereksinimlerini tahmin etmemiz gerekiyordu ve bunu yapmak, herhangi bir GPU'nun performansını ölçmek için zaman harcadığım ilk seferdi. İşin özü, bir GPU'nun neyi destekleyebileceğine dair aşağıdan yukarıya bir analiz yapmak yerine, aslında toplam gecikme süresi, belirteç sayısı ve ilk belirtece ulaşma süresi gibi ihtiyaç duyduğunuz gecikme gereksinimlerinden başlamanız gerektiğidir. Her yeni model yinelemesi, yük örüntülerini büyük ölçüde değiştirebilir. 

Büyük bir Python kod tabanında nasıl çalışılır? Segment, çoğunlukla Golang ve Typescript'ten oluşuyordu ve her iki mikro servisin de bir birleşimiydi. OpenAI'ın sahip olduğu kod genişliğine sahip değildik. Bir kod tabanını, ona katkıda bulunan geliştirici sayısına göre nasıl ölçeklendireceğim konusunda çok şey öğrendim. 'Varsayılan olarak çalışır', 'Ana bileşeni temiz tutar' ve 'Kötüye kullanımı zor' gibi ayrıntılar için çok daha fazla sınırlama koymanız gerekiyordu.

Codex'i kullanıma sunma: OpenAI'daki son üç ayımın büyük bir kısmını Codex'i piyasaya sürmek için geçirdim. Kariyerimin tartışmasız en önemli olaylarından biriydi. 

2024’ün Kasım ayında OpenAI, 2025 hedefi olarak bir kodlama aracı piyasaya sürmeyi belirlemişti. Bu yılın Şubat ayına gelindiğinde modelleri etkili olarak kullanan birkaç dahili aracımız vardı ve kodlama odaklı bir araç piyasaya sürme baskısı hissediyorduk. Modellerin, kodlama için gerçekten kullanışlı hâle geldiği açıkça görülüyordu. Özellikle de piyasadaki yapay zeka destekli kodlama araçlarının büyük bir popülarite kazandığını gördüğümüzde…

Codex lansmanına katılmak için babalık iznimden erken döndüm. Döndükten bir hafta sonra iki ekibin biraz kaotik bir biçimde birleşmesiyle çılgın bir koşuşturma başladı. Tüm ürün, ilk kod satırlarının yazılmasını da kapsayan başlangıç aşamasından bitişe kadar sadece 7 haftada geliştirildi.  

Codex sprint'i, muhtemelen 10 yıldır çalıştığım en zor sprint’ti. Çoğu gece 23.00’e veya gece yarısına kadar uyanık kalıyordum. Her sabah 05.30'da yeni doğmuş bir bebekle uyanıyordum ve sabah 07.00’de tekrar ofise gidiyordum. Çoğu hafta sonu çalışıyordum. Hepimiz bir ekip olarak çok çalışıyorduk, çünkü her hafta önemliydi. Bana Y Combinator ekosistemine geri döndüğümü hatırlattı.

Bu hızın ne kadar inanılmaz olduğunu anlatmak zor. Büyük veya küçük hiçbir kuruluşun bu kadar kısa bir sürede bir fikri tamamen ücretsiz olarak kullanıma sunulmuş bir ürüne dönüştürebildiğini görmedim. Kapsam da küçük değildi. Bir veri ortamı oluşturduk, depo indirmelerinde optimizasyonlar yaptık, kod düzenlemeleriyle başa çıkmak için özel bir model üzerinde ince ayar yaptık, her türlü Git işlemini yönettik, yepyeni bir yüzey alanı sunduk, internet erişimini etkinleştirdik ve sonuçta genel olarak kullanımı keyifli bir ürün ortaya çıkardık.

Ne derseniz deyin, OpenAI hâlâ o lansman ruhunu taşıyor. 

İyi haber şu ki doğru kişiler sihir yapabilir. Sekiz mühendis, dört araştırmacı, iki tasarımcı, iki go-to-market yöneticisi ve bir ürün müdüründen oluşan kıdemli bir ekiptik. Bu grup olmasaydı sanırım başarısız olurduk. Kimsenin fazla yönlendirmeye ihtiyacı yoktu ama yeterli koordinasyona ihtiyacımız vardı. Codex ekibinden herhangi biriyle çalışma fırsatı bulursanız hepsinin harika olduğunu bilin. 

Lansmandan önceki gece beşimiz ana yapının kurulumu için sabah 04.00’e kadar uyanık kaldık—ki bu saatler süren bir iş. Ardından 08.00'deki lansman duyurusu ve canlı yayın için ofise döndük. Bayrakları açtık ve trafiğin nasıl arttığını görmeye başladık. Bir ürünün sadece sol taraftaki kenar çubuğunda görünmesiyle bu kadar hızlı bir şekilde popülerlik kazandığını hiç görmemiştim, ama işte ChatGPT'nin gücü bu…

Ürün şekli açısından tamamen asenkron bir form faktöründe karar kıldık. Cursor ve Claude Code gibi araçlardan farklı olarak kullanıcıların görevleri başlattığı ve daha sonra yapay zekanın kendi ortamında çalışmasına olanak tanıyan bir yapı hedefledik. Bahsimiz şuydu: Uzun vadede kullanıcılar bir kodlama ajanını bir iş arkadaşı gibi görmeli, ona bir mesaj gönderip biraz zaman tanımalı, ardından ajan bir pull request (PR) ile geri dönmeli. 

Bu biraz da kumardı. Bugün geldiğimiz noktada modeller iyi ama henüz harika değil. Dakikalarca çalışabiliyorlar ama henüz saatlerce değil. Kullanıcıların modelin yeteneklerine duyduğu güven oldukça değişken. Ve aslında bu modellerin gerçek sınırlarının ne olduğu konusunda da net değiliz. 

Zaman içinde yazılım geliştirme süreçlerinin çoğunun Codex’e benzer bir hâle geleceğine inanıyorum. Bu süreçte farklı ürünlerin nereye doğru evrildiğini görmek ilginç olacak. 

Belki de şaşırtıcı olmayan şekilde Codex, büyük kod tabanlarında çalışmak ve bu yapılar içinde gezinmek konusunda oldukça iyi. Diğer araçlara kıyasla en büyük farkı, aynı anda birden fazla görevi başlatabilmesi ve çıktılarını karşılaştırabilmesi. 

Yakın zamanda farklı LLM ajanlarının oluşturduğu PR’lara dair kamuya açık veriler gördüm. Sadece bu verilere bakıldığında bile görülüyor ki Codex şimdiye dek 630 bin PR üretmiş. Bu, lansmandan sonraki 53 günde mühendis başına üretilen ortalama 78 bin halka açık PR anlamına geliyor. Özel PR’larla bu sayının katlanacağını tahmin edebilirsiniz. Hayatım boyunca bu kadar etkili bir şey üzerinde çalıştığımı sanmıyorum.

Ayrılık düşünceleri: Doğrusunu söylemek gerekirse başlangıçta OpenAI'ya katılma konusunda endişeliydim. Özgürlüğümü feda etmenin, bir patrona sahip olmanın, çok daha büyük bir makinenin daha küçük bir parçası olmanın nasıl bir şey olacağından emin değildim. Uygun bir aday olmama ihtimaline karşı OpenAI’a katıldığımı da oldukça gizli tuttum.

Bu deneyimden üç şey çıkarmak istedim: Modellerin nasıl eğitildiği ve yeteneklerinin nereye gittiği konusunda bir sezgiye sahip olmak, harika insanlarla çalışarak yeni şeyler öğrenmek ve harika bir ürün piyasaya sürmek.

Yılı değerlendirdiğimde bunun şimdiye kadar yaptığım en iyi hamlelerden biri olduğunu görüyorum. Başka bir yerde daha fazlasını öğrenebileceğimi hayal etmek zor. 

Eğer bir kurucuysanız ve girişiminizin hiçbir yere varamayacağını düşünüyorsanız ya daha fazla isabetli atış yapmanın yollarını derinlemesine yeniden değerlendirmelisiniz ya da büyük laboratuvarlardan birine katılmalısınız. Şu an girişiminizi geliştirmek için harika bir zaman. Ama aynı zamanda geleceğin nereye gittiğine bakmak için de harika bir zaman. 

Bana göre AGI’a giden yol şu anda üç atlı bir yarış: OpenAI, Anthropic ve Google. Bu kuruluşların her biri, DNA'larına bağlı olarak oraya ulaşmak için farklı bir yol izleyecek. Bunlardan herhangi birinde çalışmak da göz açıcı bir deneyim olacak."