Sysadminler için AI: 1 Saatlik İşleri 5 Dakikaya Düşürmek

1 saatlik sysadmin işini AI ile 5 dakikaya düşürmek bilimkurgu değil — artık neredeyse her gün yaptığım bir şey. Bir botun production sunucularımı yönetmesinden bahsetmiyorum. AI'ı tekrarlayan işler için hızlı bir asistan olarak kullanmaktan bahsediyorum: log parse etmek, boilerplate script yazmak, Nginx config taslağı oluşturmak ve yüz kere gördüğüm hata mesajlarını deşmek.

Şu dürüst kısmı: AI operatörün yerini almıyor. Çıktının ne anlama geldiğini, neyin güvenli çalıştığını ve production'ı neyin bozacağını hâlâ senin bilmen lazım. Ama modele hangi işleri devredeceğini akıllıca seçersen, kazandığın zaman gerçek ve ölçülebilir. Benim ortamımda bunu nasıl yaptığıma geçeyim.

Log Analizi: grep'i Bırak, Sormaya Başla

Muhtemelen en büyük kazanç bu. Saat 2'de bir service çöktüğünde ve 50.000 satır loga bakıyorsan, ilk içgüdün grep ve tail olur. İşe yarar — bazen. Ama birden fazla servise yayılmış karmaşık hatalarda, manual grep sadece pattern'i bulmak 20–30 dakika sürer.

Benim şimdi yaptığım: ilgili log dilimini döküyorum ve odaklı bir soruyla AI modeline veriyorum:

Analyze this Nginx error log. Find the top 3 error patterns, 
count occurrences, and tell me which upstream is failing most.

Log çıktısını yapıştırıyorum (sanitize edilmiş — IP yok, secret yok) ve saniyeler içinde yapılandırılmış bir döküm alıyorum. Model, belirli bir upstream timeout'ına bağlı intermittent 502'leri veya bir backend'de tekrarlanan SSL handshake failure'ları gibi pattern'leri yakalıyor.

Uyarı: Gerçek IP, API key veya müşteri verisi içeren production loglarını asla public AI aracına yapıştırma. Önce redact et ya da local model kullan.

Tekrarlayan Admin İşleri için Script Üretimi

Her sysadminin ayda bir yazdığı scriptler vardır: log rotate, 20 sunucuda disk alanı kontrolü, LDAP'den user report üretmek. Bunlar zor değil ama her seferinde 20–40 dakika yiyor, çünkü tam syntax'ı unutuyorsun ve Stack Overflow'da buluyorsun.

Şimdi task'ı plain English ile anlatıyorum ve model taslağı yazıyor:

Write a bash script that:
- SSHs into a list of servers from a file
- Checks disk usage on /
- Sends email if any server is above 85%
- Logs results to /var/log/disk-check.log

Çıktı her zaman mükemmel değil. Ama genelde %80–90 hazır oluyor ve sıfırdan 30 dakika yazmak yerine edge case'leri düzeltmekle 5 dakika harcıyorum. Daha önce production'da gerçekten kullandığım Linux terminal komutları hakkındaki yazımda (https://furkanikkan.com/urun/production-ortaminda-gercekten-kullandigim-15-linux-terminal-komutu-25) da belirttiğim gibi, araçlarını derinlemesine bilmek seni hızlı yapan şey — AI sadece yolu kısaltıyor.

Config Taslağı: Nginx, HAProxy, Docker Compose

Hafızadan config dosyası yazmak zaman kaybettiğim yer. Nginx rate limiting syntax'ı? Her seferinde bakıyorum. HAProxy ACL kuralları? Aynı şey. Proper health check ve restart policy'li Docker Compose? Dokümanları tekrar kontrol edeyim.

Bunun yerine ne istediğimi anlatıyorum:

Give me an Nginx config that:
- Proxies /api to upstream backend on 10.0.0.5:3000
- Rate limits /api to 10 req/s per IP
- Has a 30s connect timeout
- Returns custom 429 JSON body when rate limited

Model bana çalışan bir config bloğu veriyor. Review ediyorum, upstream adını düzeltiyorum, nginx -t ile test ediyorum ve deploy ediyorum. Toplam süre: 15–20 dakika yerine 3–4 dakika.

İpucu: Reload etmeden önce her zaman nginx -t veya eşdeğer syntax kontrolünü çalıştır. AI doğru görünen ama ince syntax sorunları olan config'ler üretebilir.

Hata Mesajlarında Daha Hızlı Troubleshooting

Hepimiz oradaydık: bir komut çalıştırıyorsun, cryptic bir hata alıyorsun, Google'a yapıştırıyorsun ve 2017'den forum postları okuyarak 15 dakika harcıyorsun. Yarısı seni ilgilendirmiyor, ilgilenenler de farklı bir distro veya version varsayıyor.

Şimdi hatayı direkt context ile yapıştırıyorum:

Getting this error on Ubuntu 22.04 when running docker compose up:
"failed to start service: network bridge not found"
Docker version 24.0.7. What are the likely causes?

Model bana olası neden ve çözümlerin sıralı bir listesini veriyor. Her birini gerçek ortamımda hâlâ kendim verify ediyorum ama bu başlangıç noktası bana 10–15 dakikalık random aramadan tasarruf ettiriyor.

AI'nın Yetersiz Kaldığı Yerler: Sınırları Bil

AI'ya neyi devretmediğimi açıkça söyleyeyim:

• Security kararları — model asla firewall kurallarını veya access policy'lerini belirlememeli
• Production değişiklikleri — AI senin ortamını, dependency'lerini veya blast radius'unu bilmiyor
• Backup verification — daha önce test edilmemiş backup'ların sadece boşuna disk kapladığı hakkında yazdığım gibi (https://furkanikkan.com/urun/geri-yukleme-testi-olmayan-yedekleme-sadece-bosuna-disk-isgalidir-34), restore'ları kendin test etmen lazım
• Modelin sahip olmadığı context gerektiren her şey — doğru görünen ama uydurma cevapları kendinden emin bir şekilde üretecek

Pattern basit: AI typing ve ilk analizi yapıyor. Judgment ve execution'ı ben yapıyorum.

Benim Workflow'um: Pratikte Gerçekten Çalışan Şey

AI'ın bana en çok zaman kazandırdığı yerlerin hızlı bir özeti:

• Log parsing — 20 dakikadan 2 dakikaya
• Bash script boilerplate — 30 dakikadan 5 dakikaya
• Config file taslağı — 15 dakikadan 3 dakikaya
• Hata mesajı araştırması — 15 dakikadan 2 dakikaya
• Dokümantasyon yazımı — 20 dakikadan 5 dakikaya

Toplam hızlı ekleniyor. Yoğun bir günde 1–2 saat tekrarlayan işten tasarruf ediyorum. Bu zamanı gerçek engineering'e harcıyorum — architecture kararları, security review'lar, capacity planning.

Not: AI çıktısının kalitesi tamamen prompt'un kalitesine bağlı. Muğlak sorular muğlak cevaplar alır. OS'unu, version'larını, tam hata metnini ve şimdiye kadar ne denediğini spesifik belirt.

Operatörler için Özü

AI sysadminlerin yerini almıyor — sysadmin işlerinin sıkıcı kısımlarının yerini alıyor. Hâlâ her config'i sıfırdan yazıyorsan ve logları 30 dakika manual grep ediyorsan, zamanı çöpe atıyorsun. Kazanan operatörler, AI'ı bir araç olarak kullanırken kendi uzmanlıklarını safety net olarak tutanlar.

Küçük başla. Bu hafta tekrarlayan bir task seç, onu modele net şekilde anlat ve ne kadar zaman kazandığını gör. Sadece şunu unutma: production'a dokunmadan önce her şeyi review et.

Kapak görseli: ₡ґǘșϯγ Ɗᶏ Ⱪᶅṏⱳդ · CC0 (Openverse / kamu malı) · https://www.flickr.com/photos/148598741@N02/51973552248