Bir ekip yapay zekâ aracına lisans dağıttığında ilk bakılan sayı genellikle “kaç kişi kullandı?” olur. Oysa bu sayı, aracın gerçekten işe yarayıp yaramadığını söylemez. GitHub’ın 11 Eylül 2026’da Copilot kullanım raporlarına eklediği VS Code Agents ölçümleri, özellikle ajan penceresindeki oturumları ayrı görmeyi sağlıyor. Bu ayrım önemli: editör içindeki Agent Mode ile özel VS Code Agents penceresi aynı kullanım türü değil.

Yeni alanlar yöneticilere benimsemeyi izlemek için daha temiz veri veriyor; fakat üretkenlik kanıtı sunmuyor. Doğru yaklaşım, kullanım miktarını teslim süresi, yeniden çalışma ve hata oranı gibi ekip sonuçlarıyla birlikte okumak. Aksi hâlde çok mesaj yazan ekip “başarılı”, kısa ve verimli çalışan ekip “geride” görünebilir.

11 Eylül 2026’da hangi ölçümler eklendi?

GitHub’ın resmî duyurusuna göre kuruluş ve işletme düzeyindeki 1 günlük ve 28 günlük toplu raporlara iki isteğe bağlı alan geldi. daily_active_vscode_agent_users, VS Code Agents penceresinde o gün etkin olan benzersiz kullanıcı sayısını; totals_by_vscode_agent ise oturum sayısı ile toplam kullanıcı mesajını gösteriyor. Kullanıcı düzeyindeki raporlarda ayrıca kişinin bu pencereyi kullanıp kullanmadığını belirten used_vscode_agent alanı bulunuyor.

Alanların “isteğe bağlı” olması teknik bir ayrıntı değil. İlgili veri yoksa değer sıfır olmak zorunda değil; alan hiç gelmeyebilir veya null olabilir. Raporlama betiği boş alanı otomatik olarak sıfıra çevirirse “kimse kullanmadı” ile “veri mevcut değil” durumları birbirine karışır. Türkiye’de birden fazla şirketi veya ekibi yöneten ajansların önce bu ayrımı veri modelinde koruması gerekir.

Bu sayılar neyi ölçmez?

Oturum sayısı çıktı kalitesi değildir

Çok sayıda oturum, ajanın yoğun kullanıldığını gösterebilir. Aynı zamanda yanlış yönlendirilmiş görevler, tekrarlanan denemeler veya yetersiz bağlam yüzünden işin uzadığını da gösterebilir. Benzer biçimde toplam kullanıcı mesajı arttığında bunun iyi bir keşif süreci mi, yoksa aracın aynı noktada dönüp durması mı olduğunu bu API tek başına açıklamaz.

Ajan penceresi tüm Copilot etkinliği değildir

GitHub özellikle bu metriklerin yalnızca özel VS Code Agents penceresini kapsadığını belirtiyor. Editör penceresindeki Agent Mode ayrı kalıyor; genel kullanım toplamlarıyla aynı kabul edilmemeli. Bu nedenle panoda “Copilot toplam kullanımı” başlığı altında bütün değerleri gelişigüzel toplamak çift sayım veya eksik sayım üretebilir.

Türkiye’deki ekip için anlamlı bir ölçüm tasarımı

İlk hedef çalışanları sıralamak değil, darboğazı bulmak olmalı. Kullanıcı düzeyindeki raporlar yetkili rollere açık olsa bile, kişisel performans karnesine dönüşürse ekipler ölçümü oyunlaştırır. Oturum sayısını şişirmek kolaydır; iyi bir kod değişikliğini güvenli ve hızlı teslim etmek ise daha zor ama değerlidir.

Dört haftalık küçük bir pilotta üç veri katmanı kullanın:

  • Benimseme: etkin ajan kullanıcısı, oturum ve mesaj sayısı.
  • Akış: işin açılmasından pull request’e, incelemeden birleşmeye kadar geçen süre.
  • Kalite: geri alınan değişiklik, üretim hatası, güvenlik bulgusu ve yeniden çalışma oranı.

Takım boyutları farklıysa ham sayılar yerine oran kullanın. Örneğin etkin kullanıcıyı lisans atanmış kullanıcı sayısına bölmek, 8 kişilik bir takımla 80 kişilik birimi karşılaştırırken daha adildir. Kur farkı nedeniyle yazılım lisanslarının dikkatle izlendiği Türkiye’de “kullanılmayan lisans” ile “az ama yüksek değerli kullanım” da ayrılmalı.

10 dakikalık veri doğrulama testi

  1. Copilot ölçüm politikasının etkin olduğunu ve raporu alan hesabın gerekli görüntüleme yetkisine sahip olduğunu doğrulayın.
  2. Aynı kuruluş için 1 günlük ve 28 günlük raporu alın.
  3. Yeni alanları üç durumla saklayın: sayı, null ve alan yok.
  4. VS Code Agents penceresinde kontrollü bir deneme oturumu açın; ertesi raporlama döneminde yalnız ilgili alanların değişip değişmediğine bakın.
  5. Editör içindeki Agent Mode’da ayrı bir test yapın; bunun VS Code Agents metriğine karışmadığını doğrulayın.
  6. Ham kullanıcı verisini paylaşmadan önce toplulaştırın ve küçük ekiplerde kimlik çıkarımını önleyecek eşik belirleyin.

Bu test, API’nin çalıştığını kanıtlar; üretkenlik artışını değil. Verimlilik için daha önce yayımladığımız AI ajan verimliliği testi ile birlikte bir başlangıç ölçümü alın ve dört hafta sonra aynı işi tekrar ölçün. Görev türleri değiştiyse sonucu doğrudan karşılaştırmayın.

Kırmızı bayraklar

  • Eksik alanları otomatik olarak sıfır kabul etmek.
  • Mesaj sayısını “üretilen kod” veya “kazanılan saat” gibi sunmak.
  • VS Code Agents verisini Agent Mode ile aynı sayaçta birleştirmek.
  • Kullanıcı düzeyindeki veriyi bağlam vermeden performans değerlendirmesine taşımak.
  • Hız artarken hata, geri alma ve güvenlik bulgularını izlememek.

En iyi pano en çok grafiği gösteren değil, yanlış yorumu zorlaştırandır. Kullanım verisi “araç açıldı mı?” sorusuna cevap verir. “İşi daha iyi yaptık mı?” sorusu için aynı dönemde teslim süresi ve kaliteyi de ölçmeniz gerekir.

Örnek haftalık karar tablosu

Etkin kullanıcı oranı yükselirken teslim süresi kısalıyor ve yeniden çalışma sabit kalıyorsa araç muhtemelen akışa yerleşiyordur. Kullanım yükselip teslim süresi değişmiyorsa görev seçimi, eğitim veya depo bağlamı incelenmelidir. Teslim hızlanırken üretim hataları artıyorsa kazanılan süre kalite borcuna dönüşüyor olabilir. Kullanım düşük ama belirli bir görev türünde güçlü sonuç varsa lisansları herkese açmak yerine o senaryoyu belgeleyip kontrollü genişletmek daha mantıklıdır.

Panoya haftalık kısa bir açıklama alanı ekleyin. Tatil, sürüm dondurma, büyük taşıma veya yeni ekip katılımı sayıları değiştirebilir. Böylece üç ay sonra grafiğe bakan yönetici, yükselişi otomatik olarak verimlilik artışı sanmaz. Ölçümün amacı insanları gözetlemek değil, hangi işlerde ajanın fayda veya sürtünme yarattığını bulmaktır.

Kaynaklar

İlgili rehber: Copilot Auto katmanlarında maliyet ve kaliteyi birlikte karşılaştırma.