Amazon’un AI Birimi 10 Bin Kullanıcıya Ulaşan Amazon Quick ile Küçük Takımlarla Hızlanıyor

Swami Sivasubramanian, Amazon Web Services (AWS) agentic AI başkan yardımcısı, Aralık ayında gerçekleştirilen AWS re:Invent etkinliğinde sahnedeydi. Amazon, “geriye doğru çalışma” süreciyle tanınıyor; müşteri sorunuyla başlayıp, sorunun çözüldüğü geleceği hayal etmek, basın bülteni ve SSS taslağı hazırlamak, metin üzerinde titizlikle çalışmak ve ardından bunu gerçeğe dönüştürmek bu sürecin temelini oluşturuyor. Ancak geçen yıl, Sivasubramanian yeni kodlama araçlarının demo geliştirmeyi, klasik altı sayfalık Amazon “PRFAQ” yazmaktan daha kolay hale getirdiğini fark etti ve ekipleri prototiple başlamaya yöneldi.

Sivasubramanian, geçen hafta yaptığı bir röportajda, “Düşüncemizi kanıtlamak istediğimiz düşük riskli bir bahisse, önce demoyu yapalım ve sonra yineleyelim” dedi. Bu yaklaşım, agentic AI araçlarının iş yerindeki geleneksel uygulamaları nasıl yeniden şekillendirdiğine dair bir örnek teşkil ediyor. AWS agentic AI ekibi, şirketin köklü normlarından ayrılarak, bazı açılardan da köklerine dönüyor. Amazon CEO’su Andy Jassy, şirketin dünyanın en büyük startup’ı gibi çalışmasını istediğini belirtiyor. Bu doğrultuda, Sivasubramanian’ın bölümü, pratikte bunun en yakın örneği olarak görülüyor.

Küçük Takımlar ve Hızlı Projeler

AWS agentic AI bölümü, “iki pizzayla beslenebilecek” büyüklükte onlarca küçük takıma ayrıldı. Amazon’un erken dönemlerinde benimsediği bu prensip, şirket 1.5 milyon çalışanlı devasa bir yapıya dönüşünce büyük ölçüde terk edilmişti. AWS CEO’su Matt Garman, geçen yıl agentic AI’yı ayrı bir bölüm olarak oluşturduğunda, Sivasubramanian küçük takımlarla çalışma fikrini benimsedi. AI çağının yeni gerçekliği de bunu destekliyor; eskiden 30-40 kişilik ekiplerin üstesinden geldiği projeler artık 6-8 kişilik takımlarla yapılabiliyor.

Örnek olarak, Amazon Quick masaüstü uygulaması gösteriliyor. Bu uygulama, kullanıcının e-posta, takvim, Slack, belgeler ve diğer uygulamalarını tek bir çalışma alanında birleştiriyor, AI yardımıyla arama yapıyor, soruları yanıtlıyor ve görevleri yerine getiriyor. Anthropic, Microsoft, Google ve OpenAI gibi devlerin ilgi odağı olduğu bu pazarda Amazon’un yerini alıyor. Sivasubramanian’a göre, Ocak ayı sonunda modeller yeterince gelişti ve eksik olan ana unsur, onları insanların iş yaptığı sistemlere bağlamak oldu. Yaklaşık altı mühendisten oluşan bir ekip kuruldu ve altı hafta içinde 200 Amazon çalışanı uygulamayı kullanmaya başladı. On hafta sonra bu sayı 10.000’e yükseldi. Ürün beta aşamasındayken PRFAQ yazımı tamamlandı ve 28 Nisan’da lansmanı yapıldı. Önceki yöntemle, PRFAQ yazmak ve onay süreçleri ürün geliştirme ve teslim süresi kadar zaman alabiliyordu.

Benzer başarı hikayeleri bölüme yayılıyor. Örneğin, Sivasubramanian’ın ekibinden biri sabah 7’de fikrini ilettiği Strands adlı AWS yazılım geliştirme kiti için hızlıca karar verildi ve birkaç gün içinde açık kaynak olarak paylaşıldı. Kiro adlı AI kodlama aracı, küçük bir ekip tarafından Kiro kullanılarak geliştirildi. Bir mühendis, karmaşık bir bildirim özelliğini dört haftalık iş tahminine rağmen bir buçuk günde tamamladı. AWS’nin AI modelleri için altyapı sağlayan Bedrock platformundaki çıkarım motoru, altı mühendis tarafından 76 günde yeniden inşa edildi; bu proje orijinal olarak 30 geliştirici ile 12-18 ay sürmesi bekleniyordu.

Teknoloji Sektöründe Küçülme ve Yeniden Yapılanma

Amazon’un agentic AI bölümündeki gelişmeler, teknoloji sektöründeki genel bir eğilimin parçası: daha küçük takımlar ve daha yatay organizasyonlar. Microsoft’un 2026 Work Trend Index araştırması, AI’nın iş yerindeki gerçek etkisinin bireysel yetenekten çok organizasyonların yeni teknolojilere göre yapılandırılmasıyla ilgili olduğunu ortaya koydu. OpenAI uygulamalar CTO’su Vijaye Raji, şirketin işe alım hızının hedeflerin gerisinde kaldığını ancak işe alınan profilin değiştiğini belirtti. OpenAI, AI araçlarını doğal olarak kullanan mühendisleri arıyor ve bu kullanıcılar, diğerlerine kıyasla yaklaşık 100 kat daha fazla AI token kullanıyor.

Bu gelişmeler iş gücünü nasıl etkiler sorusu gündemde. Amazon, Andy Jassy’nin bürokrasiyi azaltma çabaları kapsamında 2025 sonundan itibaren yaklaşık 30.000 kurumsal çalışanı işten çıkardı. Jassy, AI’nın zamanla kurumsal iş gücünü küçülteceğini öngörüyor. Meta, Block ve LinkedIn gibi diğer teknoloji devleri de benzer küçülme hamleleri yapıyor; sadece pozisyonları değil, toplam çalışan sayısını da yeniden değerlendiriyorlar.

Değişen Roller ve Yeni Yönetim Yaklaşımları

Sivasubramanian, kendi bölümünde aynı sayıda kişinin daha büyük hedeflere yöneldiğini söylüyor. Yeni yapı sayesinde daha fazla projeyi daha hızlı gerçekleştirebiliyorlar; haftalar içinde tamamlanan işler eskiden çok daha uzun sürüyordu. Takımların içindeki roller de değişiyor; ürün yöneticileri giderek daha fazla kod yazarken, mühendisler ürün kararları alıyor. Örneğin, Kiro ekibinde bir ürün yöneticisi, Kiro’yu kullanarak maliyet analiz panosunun ilk versiyonunu oluşturdu.

Bu durum liderlerin çalışma biçimlerini de farklılaştırıyor. Sivasubramanian, seyahat halindeyken bile hangi kararların onayına ihtiyaç duyulduğunu dikkatle takip ediyor. Çünkü dört-beş günlük gecikme, bir ekibin teslim süresine %10 ek maliyet getirebiliyor. Ayrıca, bölüm AI token harcamalarını diğer işletme giderleri gibi izlemeye başladı. Şu ana kadar token maliyetleri yönetilebilir seviyede; Kiro gibi araçlar, kod üretmeden önce gereksinimleri netleştirip bağlamı doğru şekilde toparlayarak verimli token kullanımı sağlıyor. En yoğun kullanıcılar bile aylık birkaç bin dolar harcıyor. Ancak zamanla şirketlerin yalnızca çalışan sayısını değil, AI ajanlarının maliyetlerini de içeren tam işletme gideri tablosuna ihtiyaç duyacağı öngörülüyor.

Ürün Geliştirme ve Test Süreçlerinde Yenilikler

Sivasubramanian, “Darboğaz, bir şeyi inşa etmek için geçen zaman değil; doğru spesifikasyonları, testleri, ürün ve müşteri deneyimini oluşturmak” dedi. Geçen hafta yayımladığı blog yazısında, AI ile iş akışlarını yeniden düzenleyen ekiplerin ortalama 4.5 kat, bazılarının ise 10 katın üzerinde verimlilik artışı yaşadığını belirtti. Sadece AI araçlarını mevcut çalışma biçimlerine ekleyenler aynı sonuçları alamadı. Kodlama ve test süreçleri de bu dönüşümden nasibini aldı. Artık ekipler, başarı kriterlerini önceden tanımlamazsa, AI ajanlarının başarılı olma şansı azalıyor. Amazon, testleri aşamalı olarak değil, kodlama anında yaparak ajanların kendi işlerini kontrol etmelerini sağlıyor.

Sivasubramanian, bu yaklaşımı bizzat deneyimledi. Bu yılın başında Hindistan seyahatinde uykusuz kaldığı bir gece, 20 yıl önce el ile geliştirdiği AWS altyapısının bir parçası olan çoğaltma motorunu Kiro kullanarak yeniden inşa etmeye karar verdi. Orijinal proje, kendisi ve Amazon’un ilk seçkin mühendislerinden Allan Vermeulen tarafından dört ay sürmüştü. Ancak AI ajanı hızlı iş çıkaramadı; dört gece boyunca her adımı yakından takip etmek zorunda kaldı. Beşinci gecede sorunun, ajan için kendi çıktısını test etme araçları sağlamaması olduğunu fark etti. Doğru spesifikasyonu yazıp test ortamını kurduktan sonra iş yaklaşık iki saatte tamamlandı. Yeniden inşa ettiği motoru ne yaptığı sorulduğunda Sivasubramanian gülerek, “Belki göndermeliydim” dedi ve ekledi: “Doğru ekip ve iki pizza ile belki hâlâ yapabilirim.”

Haberi Yazan: Emre Aladağ

SpaceX’in 75 Milyar Dolarlık Halka Arzı Sonrası Piyasa Değeri 2,94 Trilyon Dolara Ulaştı İçeriği görüntüle