Mobil Mühendislik
Code Migration Assistant: Agentic Mimariyle Bankacılık Ölçeğinde Mobil Replatforming
Code Migration Assistant: Agentic Mimari ile Bankacılık Ölçeğinde Mobil Replatforming
Bankacılık ölçeğinde mobil replatforming, tek bir akıllı model yerine doğrulayıcılarla çevrili, insan onaylı, adım adım çalışan bir Agent hattıyla yönetilebilir; 2026 verisi de basit modüllerde hızın, karmaşık modüllerde doğrulamanın belirleyici olduğunu gösteriyor.
Agentic migrasyonda hız modelden değil doğrulama döngüsünden gelir; dar görevli Agent, makine testi ve insan onayı yoksa replatforming yalnızca riski hızlandırır.
Airbnb, Google, AWS ve 2026 akademik vaka çalışmaları aynı sonuca varıyor; tartışma kazancın karmaşık modüllerde ne kadar küçüldüğünde.
Zihinsel model
Agent hızlı ama ezberci bir çevirmendir: davranış envanteri sözlük, testler editör, Feature Flag kitabı bölüm bölüm basan matbaa.
Neden
- Derlenen kod doğru kod değildir; kodda gömülü iş kuralları yalnızca davranış eşdeğerliğini ölçen testlerle korunur.
- Her adım geçti/kaldı sonucu ürettiğinde hata çıktısı modele geri döner ve dönüşüm kendini tekrar tekrar düzeltir.
- Darboğaz inceleme yapan insanın zamanıdır; ekran başına küçük değişiklik incelemeyi, Feature Flag ise geri almayı mümkün kılar.
Kanıt
Airbnb'nin bir buçuk yıllık test migrasyonu tahmini, adımlı dönüştür-test et-tekrar dene hattıyla haftalara indi.
Airbnb Tech Blog 2025Coding agent'ın ürettiği kod, karmaşık özelliklerde eski davranışla ancak yüzde 47 oranında eşdeğer çıktı.
arXiv, Legacy System Modernization with Coding Agents 2026Google'da AI değişiklikleri normal kod incelemesinden geçti; darboğaz çoğu zaman model değil, inceleyen insanların zamanıydı.
Google, arXiv 2025Karşı görüş
Kalıplı, öngörülebilir dönüşümlerde OpenRewrite gibi deterministik kural motorları Agent'tan daha ucuz ve güvenilirdir; Agent'ın değeri kuralın yazılamadığı yerde başlar.
Kavramlar
Pratikte
- Her modül için davranış envanteri çıkar ve onu migrasyonun kabul kriteri yap.
- Test kapsamı zayıf modülde Agent'ı çalıştırmadan önce davranış testlerini yaz.
- Agent'ı ayrı dalda çalıştır; ödeme ve kimlik modüllerinde çift insan onayı ve prompt kaydı iste.
Büyük ve düzenlemeye tabi bir mobil kod tabanını bir platformdan diğerine taşımak (örneğin eski native ya da hibrit yapıdan modern bir UI çatısına) agentic mimariyle hızlandırılabiliyor, ama hızın kaynağı model değil. Bankacılık uygulamaları yüzlerce ekran, onlarca yıllık iş kuralı, sıkı güvenlik ve denetim gereksinimi taşıdığı için 'büyük patlama' yeniden yazımı yüksek riskli. Airbnb ve Google'ın 2025'te yayımladığı deneyim raporları LLM destekli migrasyonun aylarca süren işleri haftalara indirebildiğini gösterdi; 2026'da AWS Transform'un ilk yıl bilançosu ve coding agent'larla yapılan akademik vaka çalışmaları da aynı sonuca vardı: başarının anahtarı derleyici, test ve insan incelemesiyle kurulan geri besleme döngüsü. Ağustos 2026 tarihli bir vaka çalışmasında Claude Code tabanlı bir agent, düşük karmaşıklıktaki özelliklerde yüzde 92, yüksek karmaşıklıktakilerde yalnızca yüzde 47 davranış eşdeğerliği yakaladı. Konu şimdi önemli çünkü bu kalıp artık hazır araçlar ve agent eklentileriyle orta ölçekli ekiplerin de erişebileceği bir mühendislik pratiğine dönüştü; Türkiye'de BDDK'nın yapay zekâ yönetişimi gündemi de denetim izini daha da kritik hâle getiriyor.
Çıkarımlar
- Migrasyonun kabul kriteri ekranın görünümü değil, davranış envanteridir.
- Agent hattı dar görevli adımlardan ve her adımda makine doğrulamasından oluşmalı.
- Airbnb örneğinde 1,5 yıllık tahmin altı haftaya indi; 2026 vaka çalışmasında ise karmaşık özelliklerde eşdeğerlik %47'de kaldı. Hız basit modülde, risk karmaşık modülde.
- Test kapsamı düşükse önce test yaz; Agent'ın hızı hatayı da hızlandırır.
- Bankacılıkta denetim izi, iki insan onayı ve Feature Flag ile kademeli açılış pazarlık konusu değildir; BDDK'nın 2026 gündemi de bu yönde.
Alt başlıklar
Replatforming neden bankacılıkta ayrı bir zorluk
Replatforming, uygulamanın davranışını koruyarak altındaki teknoloji tabanını değiştirmek demek: UIKit'ten SwiftUI'a, Android View sisteminden Jetpack Compose'a, ya da eski bir hibrit çatıdan Kotlin Multiplatform veya React Native'in yeni mimarisine geçmek gibi. Bankacılıkta bu işin zorluğu kodun boyutundan çok kodun içinde gömülü olan kurallardan geliyor.
Bir para transferi ekranı yalnızca form değildir: limit kontrolleri, kur hesapları, mevzuat gereği gösterilmesi zorunlu metinler, ekran görüntüsü engelleme, session timeout ve analitik olayları içerir. Bunların bir kısmı dokümante edilmemiştir, yalnızca kodda yaşar. Anti-pattern, migrasyonu 'görünümü yeniden çizme' işi olarak planlamak ve bu gizli davranışları ilk sürümde kaybetmektir. Bu yüzden bankacılık ölçeğinde ilk iş, taşınacak her modül için davranış envanteri çıkarmak ve bunu migrasyonun kabul kriteri hâline getirmektir.
Ekim 2026 itibarıyla durum
Son on iki ayda agentic migrasyon deneme aşamasından ürünleşmiş araçlara geçti. AWS Transform Mayıs 2026'da ilk yılını 4,5 milyar satır işlenmiş kod ve yaklaşık 810 geliştirici-yılı tasarrufla kapattı; agent'ları Mayıs'ta MCP sunucusu ve eklentilerle Claude, Cursor, Codex ve Kiro içine taşındı, Haziran'da ise teknik borcu sürekli tarayan bir modernizasyon özelliği önizlemeye açıldı. Anthropic Mart 2026'da partner ağıyla birlikte bir Code Modernization başlangıç kiti duyurdu.
Kanıt tarafı da netleşti. Ağustos 2026'da yayımlanan bir vaka çalışmasında coding agent, VB6'dan C#'a taşınan 12 özellikte ortalama yüzde 70 davranış eşdeğerliğine ulaştı; ama basit özelliklerde yüzde 92 iken karmaşık özelliklerde yüzde 47'de kaldı ve token maliyeti altı kat arttı. Mobil tarafta React Native 0.87 (Ağustos 2026), sıkı TypeScript API'sine geçişi bir agent becerisiyle destekliyor. Düzenleme cephesinde Türkiye'de BDDK, Şubat 2026'da bankalarla yapay zekâ ve bulut çalıştayı yaptı; Haziran'da basına yansıyan bilgilere göre insan onayı, açıklanabilirlik ve dışa bağımlılık risklerini kapsayan bir yapay zekâ düzenlemesi üzerinde çalışıyor.
Tek prompt değil, adımlı Agent hattı
Airbnb'nin yaklaşık 3.500 React test dosyasını Enzyme'den React Testing Library'ye taşıdığı çalışma iyi bir referans. Ekip işi tek bir büyük istekle değil, her dosya için sıralı adımlarla kurdu: dönüştür, testleri çalıştır, linter'ı geçir, tip kontrolünden geçir. Her adım başarısız olursa hata çıktısı modele geri verildi ve dosya yeniden denendi. Dosyaların yüzde 75'i ilk dört saatte geçti, dört günün sonunda oran yüzde 97'ye ulaştı; ekibin bir buçuk yıllık tahmini altı haftaya indi.
Mobil migrasyonda aynı kalıp şöyle uyarlanabilir: bir planlayıcı Agent modülleri bağımlılık sırasına koyar, dönüştürücü Agent tek bir ekranı ya da bileşeni çevirir, doğrulayıcı adımlar derleme, birim testi, snapshot testi ve lint çalıştırır. 2026'da bu rol ayrımı hazır araçlara da girdi: Claude Code'un sub-agent'ları ve toplu değişiklik komutları, AWS Transform'un agent eklentileri aynı kalıbı paketliyor. Önemli olan, her Agent'ın dar bir görevi olması ve her adımın makine tarafından doğrulanabilir bir 'geçti/kaldı' sonucu üretmesi.
Bağlam mühendisliği: modele ne verilir
Bir dosyayı doğru taşımak için model yalnızca o dosyayı değil, onun çevresini de görmeli. Airbnb örneğinde prompt'lar 40 ile 100 bin token arasına çıktı; içlerinde ilgili 50'ye yakın dosya, elle yazılmış örnek dönüşümler ve aynı projeden geçen test dosyaları vardı. Google'ın kod migrasyonu raporunda ise hangi dosyaların değişeceği önce kod arama ve sembol analiziyle bulundu, model ancak ondan sonra devreye girdi; bir yılda 39 migrasyonda üretilen düzenlemelerin yaklaşık yüzde 70'i LLM kaynaklıydı.
Bankacılık uygulamasında bağlam paketi genellikle şunları içermeli: hedef mimarinin referans ekranı, tasarım sistemi bileşen eşlemesi (eski buton sınıfı hangi yeni bileşene karşılık geliyor), ağ ve güvenlik katmanının arayüzleri ve modülün davranış envanteri. Bu paketi her seferinde yeniden yazmak yerine depo kökündeki AGENTS.md ya da CLAUDE.md ve tekrar kullanılabilir skill dosyalarında tutmak 2026'da yaygın pratik oldu. Anti-pattern, modele tüm depoyu yükleyip kendi bulmasını beklemek. Hedefli bağlam hem maliyeti düşürüyor hem de halüsinasyon riskini azaltıyor.
Doğrulama katmanı: neyin geçtiğine kim karar veriyor
Agent'ın ürettiği kodun derlenmesi, doğru olduğu anlamına gelmez. Migrasyonda asıl güvence, davranış eşdeğerliğini ölçen testlerden gelir. Birim testleri iş kurallarını, snapshot ya da ekran görüntüsü testleri görsel tutarlılığı, UI otomasyon testleri ise kritik kullanıcı yolculuklarını korur. Eski ve yeni ekranın aynı girdiyle aynı analitik olaylarını ürettiğini karşılaştıran bir test de bankacılıkta çok işe yarar.
2026 verisi bunun neden şart olduğunu sayıyla gösteriyor: Ağustos 2026 tarihli VB6'dan C#'a vaka çalışmasında agent'ın tek seferde ürettiği kod, karmaşık özelliklerde ancak yüzde 47 oranında eski davranışla eşdeğerdi. Google'ın raporunda da AI değişiklikleri normal kod incelemesinden geçti ve darboğaz çoğu zaman model değil, inceleme yapacak insanların zamanıydı. Bu yüzden aynı anda üretilen değişiklik sayısını sınırlamak gerekiyor. Mobil ekip için pratik çıkarım: önce test kapsamını artır, sonra Agent'ı çalıştır. Test kapsamı yüzde 30'un altında olan bir modülde Agent'ın hızı, hatayı daha hızlı üretmek anlamına gelir.
Güvenlik, uyum ve denetim izi
Bankacılıkta kodun bir AI aracından geçmesi kendi başına bir uyum sorusudur. Kaynak kodun hangi ortamda işlendiği, modelin veriyi eğitimde kullanıp kullanmadığı ve hangi değişikliği kimin onayladığı belgelenmelidir. Pratikte bu, kurum içinde barındırılan ya da veri saklamama taahhüdü olan bir model uç noktası, gizli anahtarların ve test verilerinin bağlamdan otomatik olarak ayıklanması ve her Agent çıktısının bir değişiklik kaydına bağlanması anlamına gelir.
Düzenleyici zemin de hareketli. AB'de Avrupa Bankacılık Otoritesi Kasım 2025'te AI Act ile mevcut bankacılık mevzuatı arasında çelişki görmediğini, ikisinin birlikte uygulanacağını açıkladı. Türkiye'de BDDK Şubat 2026'da bankalarla yapay zekâ ve bulut çalıştayı düzenledi; Haziran 2026'da basına yansıyan bilgilere göre kritik kararlarda insan onayını, açıklanabilirliği ve dış sağlayıcıya aşırı bağımlılığın sınırlanmasını öne çıkaran bir düzenleme hazırlığı var. Somut bir kural seti örneği: Agent yalnızca ayrı bir dalda çalışır, ana dala doğrudan yazamaz; kimlik doğrulama, şifreleme ve ödeme modüllerindeki her değişiklik iki insan onayı ister; Agent'ın kullandığı prompt ve bağlam, değişiklik isteğine ek olarak saklanır.
Artımlı geçiş: strangler fig ve feature flag
Bankacılık uygulaması kapatılıp yeniden açılamaz; milyonlarca kullanıcı her gün kullanır. Bu yüzden migrasyon genellikle strangler fig (boğan incir) kalıbıyla yapılır: yeni platform eski uygulamanın içine yerleştirilir, ekranlar birer birer yeni tarafa taşınır ve eski kod yavaşça budanır. iOS'ta SwiftUI ekranları UIHostingController ile, Android'de Compose ekranları ComposeView ile mevcut yapının içine gömülebilir; React Native tarafında da brownfield entegrasyon 2026'da finans uygulamalarında yaygınlaştı.
Her taşınan ekran bir feature flag arkasına konur ve kullanıcıların küçük bir yüzdesine açılır; örneğin önce çalışanlara, sonra yüzde 1'e, sonra yüzde 10'a. Çökme oranı, işlem tamamlama oranı ve destek talepleri eski ekranla karşılaştırılır. Agent hattı bu modelde ekran başına bir değişiklik isteği üretir, böylece geri alma da ekran düzeyinde mümkün olur. Büyük patlama yaklaşımının aksine risk, her adımda küçük ve ölçülebilir kalır.
Son gelişmeler
Ekim 2026 itibarıyla
Önce kendi cevabını düşün, sonra aç.
Bu kadar test ve onay gerekiyorsa agent gerçekten zaman kazandırıyor mu?
Kazandırdığı yer mekanik dönüşüm emeği; bir ekranın iskeletini çevirmek, bileşenleri eşlemek, testleri uyarlamak. İnceleme ve doğrulama süresi kalıyor ama Google ve Airbnb raporlarında toplam sürenin yarıya ya da daha azına indiği görülüyor. 2026'daki vaka çalışmaları kazancın basit modüllerde çok büyük, karmaşık modüllerde ise sınırlı olduğunu gösteriyor; kazanç, test altyapısı hazır olan ekiplerde çok daha büyük.
Banka kaynak kodunu bir bulut modeline göndermek nasıl savunulur?
Savunulabilir hâle getirmek için kurum içi barındırma ya da veri saklamama sözleşmesi olan kurumsal uç nokta, bağlamdan gizli bilgilerin otomatik temizlenmesi ve her çağrının kaydı gerekir. Bazı kurumlar hassas modülleri tamamen dışarıda bırakıp yalnızca UI katmanını Agent'a açıyor. Türkiye'de BDDK'nın veri egemenliği ve dışa bağımlılık vurgusu, yerli bulut ve kurum içi model seçeneklerini de masaya getiriyor. Karar hukuk ve güvenlik ekibiyle birlikte, modül bazında verilmeli.
Agent hatalı ama derlenen bir kod üretirse nasıl yakalanır?
Derlenme yalnızca ilk kapı. Davranış eşdeğerliğini ölçen birim testleri, eski ve yeni ekranın analitik olaylarını karşılaştıran testler ve kademeli açılışta izlenen işlem tamamlama oranı bu hataları yakalar. Yakalanamayanlar için ekran düzeyinde geri alma, flag ile saniyeler içinde mümkün olmalı.
Neden doğrudan sıfırdan yeniden yazmıyorsunuz, AI ile bu da hızlı değil mi?
Sıfırdan yazım, dokümante edilmemiş iş kurallarını kaybetme riskini en üst düzeye çıkarır ve geçiş günü tek bir büyük risk noktası yaratır. Artımlı migrasyonda her ekran ayrı ayrı doğrulanıp ölçülür. AI hızı, büyük patlamanın riskini azaltmıyor; sadece riskin daha erken gelmesini sağlıyor.
Notun kaynakları
- InfoQ: Airbnb Uses LLMs to Accelerate Test Migration
- How is Google using AI for internal code migrations? (arXiv 2501.06972)
- The Decoder: Amazon's AI assistant saves 4,500 years of development time
- arXiv 2608.28972: Legacy System Modernization with Coding Agents: A Case Study
- AWS: One year. 4.5 billion lines of code. 1.6 million hours saved.
- AWS: AWS Transform continuous modernization (Preview)
- Anthropic: Claude Partner Network ve Code Modernization starter kit
- Bağımsız Denetim Türkiye: Bankacılıkta 'yapay zekâ' düzenlemesi yolda
- FinTech İstanbul: BDDK ve KKB Yapay Zeka ve Bulut Teknolojileri Çalıştayı
- EBA: AI Act implications for the EU banking and payments sector
- React Native 0.87 sürüm notu
Sunum stili
12 slayt. Tıklarsan sunum o slayttan başlar.
Slayt notları
Temel soru: yüzlerce ekranlı, düzenlemeye tabi bir uygulamayı AI ile nasıl güvenle taşırız?
Migrasyonu 'görünümü yeniden çizmek' diye planlamak en sık anti-pattern. Kabul kriteri ekranın görüntüsü değil, davranış envanteri.
Bunların bir kısmı hiçbir dokümanda yok, yalnızca kodda. Taşınacak her modül için bu envanter önce çıkarılmalı.
Airbnb, Google ve AWS deneyimlerinde ortak nokta: başarıyı model değil, derleyici, test ve insan incelemesiyle kurulan geri besleme döngüsü getirdi.
Her Agent'ın dar bir görevi var ve her adım makine tarafından doğrulanabilir bir sonuç üretiyor.
Bir adım kalırsa hata çıktısı Context'e eklenip dosya yeniden deneniyor. Kalitenin motoru bu döngü.
Referans vaka. Hız, tekrar deneme döngüsü ve hedefli Context ile geldi; tek bir akıllı prompt ile değil.
Airbnb'de prompt'lar 40-100 bin token'a çıktı. Tüm depoyu yükleyip modelin bulmasını beklemek hem pahalı hem halüsinasyona açık.
Derlenen kod doğru kod değil. Davranış eşdeğerliğini ölçen testler yoksa Agent'ın ürettiği şey hızlı üretilmiş belirsizlik.
Guardrail'ler: Agent ayrı branch'te çalışır, ana dala yazamaz; prompt ve Context Pull Request'e eklenip saklanır. Strangler fig ile her ekran Feature Flag arkasında önce çalışanlara, sonra %1'e açılır.
Ağustos 2026 vaka çalışması: Claude Code tabanlı Agent, 12 özelliği tek seferde taşıdı. Karmaşık özelliklerde token maliyeti de ~6 kat arttı. Hız basit modülde, risk karmaşık modülde.
Bu kalıp artık hazır araçlar ve agent eklentileriyle orta ölçekli ekiplerin de erişebileceği bir mühendislik pratiği; başlangıç noktası yine davranış envanteri.