AI’ın her köşede bir “dönüşüm” vaat ettiği bu günlerde, 20 yıllık sistem mimarı olarak masadaki yerimin hala aynı olduğunu iddia etmek biraz cüretkar gelebilir. Ama inanın, durum tam da bu. Araçlarımız evriliyor, yetenek setlerimiz genişliyor, ancak çözmeye çalıştığımız temel sorunlar şaşırtıcı derecede tanıdık kalıyor.
Bir üretim ERP’sinde, AI ile üretim planlamayı entegre ederken yaşadığım ilk şok, teknolojinin gücünden çok, veri kalitesinin ve iş sürecinin karmaşıklığından kaynaklanan engellerdi. AI ne kadar akıllı olursa olsun, kirli veya eksik veriyle doğru çıktı üretmesi imkansızdı. İşte tam da bu noktada, sistem mimarının rolünün ne kadar kritik olduğunu bir kez daha anladım.
AI’ın Vaadi, Sahadaki Gerçekler ve Benim Deneyimim
AI’ın potansiyeli tartışılmaz, bunu ben de görüyorum. Kendi yan ürünümün finansal hesaplayıcılarında, büyük veri kümelerini analiz ederek kullanıcıya özel öneriler sunma yeteneği gerçekten etkileyici. Bir yandan, prompt engineering ile modelin çıktısını şekillendirmek, diğer yandan RAG (retrieval-augmented generation) desenleriyle doğru bilgi kaynağını beslemek yeni “API design” yöntemleri haline geldi.
Ancak pratikte AI’ın hala bir “magic box” olmadığını görüyorum. Gemini Flash, Groq, Cerebras gibi farklı sağlayıcıları OpenRouter üzerinden bir agent pattern ile bir araya getirip fallback mekanizmaları kursanız bile, bir modelin hallucinate etmesi veya beklenmedik bir çıktı üretmesi durumunda sistemi kimin denetleyeceği sorusu hala masada. AI destekli operasyonlarda, pipeline’ların reliability’sini sağlamak için hala geleneksel observability araçlarına ihtiyacımız var.
Mimarinin Değişmeyen Demirden Kuralları
Yapay zeka ne kadar ilerlerse ilerlesin, sistem mimarisinin temel taşları yerinde duruyor. Network segmentasyonu hala şirket ağlarındaki güvenliğin bel kemiği. VLAN tagging karmasası ya da routing flap gibi sorunlar, AI’ın otomatik ağ konfigürasyonu vaatlerine rağmen, insan eliyle çözülmesi gereken karmaşık durumlar olmaya devam ediyor. Geçen yıl bir müşteride MTU/MSS mismatches yüzünden VPN tünellerinin düzgün çalışmadığını bulmam, AI’ın değil, temel network prensiplerinin hala ne kadar önemli olduğunu bir kez daha gösterdi.
Veri bütünlüğü, performans ve reliability gibi konular da AI’dan bağımsızlığını koruyor. PostgreSQL WAL bloatını anlamak için hala pg_wal dizinine bakmak, connection pool tuning yapmak gerekiyor. Redis OOM eviction policy seçimleri, sistemin yük altında nasıl davranacağını doğrudan etkileyen kritik kararlar. Bunlar, AI’ın optimize edebileceği şeyler olsa bile, başlangıçtaki mimari tasarım ve insan müdahalesi olmadan doğru şekilde çalışmazlar. Journald rate limit veya cgroup memory.high gibi Linux sistem yönetimi detayları da, bir sistemin sağlıklı çalışması için hala kritik öneme sahip.
Sistem Mimarının Rolü: Evrim mi, Genişleme mi?
Bana kalırsa, sistem mimarının rolü evrimden çok bir genişleme yaşıyor. Artık sadece sistemin availability ve performance’ından sorumlu değiliz. AI modellerinin reliability, explainability ve ethical implications gibi konuları da bizim masamızda. AI destekli risk analizi gibi senaryolarda bile nihai kararı veren yine insan olur; AI sadece daha hızlı ve kapsamlı veri sunar.
Observability katmanları, AI’ın ürettiği tahminleri ve aksiyonları da izlemeli. CI/CD pipeline’larımız artık sadece kodun değil, modelin de version control’ünü, testini ve dağıtımını yönetmeli. Bu, blue-green ya da canary deploy stratejilerimizi AI modelleri için de düşünmemiz gerektiği anlamına geliyor. Feature flag ve dark launch gibi yaklaşımlar, AI destekli özelliklerin kontrollü bir şekilde devreye alınması için daha da önem kazandı. Bu yeni katmanlar, mevcut yeteneklerimizin üzerine inşa ediliyor, onları değiştirmiyor.
Geleceğin Mimarisi: İnsan + Yapay Zeka Ortaklığı
Kendi siteme yaptığım içerik üretiminde, AI taslakları hazırlasa da, son dokunuşları ve “Mustafa Erbay” sesini veren yine bendim. Bu, AI’ın bir “orta beyin” olarak çalıştığına dair güçlü bir örnek. Veri toplar, analiz eder, öngörülerde bulunur, ancak son kararı veren ve sorumluluğu alan hala biziz. Bir ERP’de AI ile optimize edilmiş stok seviyesi önerileri de aynı mantıkla çalışır: öneriyi değerlendirip son kararı veren insandır, çünkü pazar koşulları veya beklenmedik olaylar gibi AI’ın görmediği faktörler vardır.
Sistem mimarı olarak, AI’ın neyi iyi yaptığını ve neyi yapamadığını çok iyi anlamamız gerekiyor. Otomasyon güzel, ama eleştirel düşünme, karmaşık sistemleri baştan sona anlama ve trade-offları değerlendirme yeteneği hala en değerli varlığımız. SQL injection mitigation veya DDoS mitigation katmanları gibi güvenlik önlemlerinde AI, anomali tespiti için harika bir araç olabilir, ancak bu önlemleri tasarlayan ve uygulayan hala insan olmalı.
AI çağında sistem mimarı olmak, teknolojik enstrüman kutumuza yeni ve güçlü araçlar eklemek anlamına geliyor. Ancak bu araçları ustaca kullanmak, doğru senfoniyi çalmak, hala bizim yorumumuza ve deneyimimize bağlı.
Peki senin için AI çağında sistem mimarının en kritik yeteneği ne oldu, ya da ne olacak?