Yapay Zeka Veri Mesleklerini Nasıl Bölüyor: Kim Kazanıyor - Kim Kayboluyor?

600 kişilik bir veri organizasyonunun deneyimli bir Direktörü, yeni gerçeklik hakkında açıkça konuşuyor: Junior veri analistlerinin çoğu neredeyse hiç şans bulamıyor. Orta düzey uzmanlar baskı altında. Ancak doğru düşünenler kariyerlerinin en iyi yılını yaşıyor. Somut olarak neler yapabilirsiniz.

Rahatsız edici soru: Bir "insan-makine arayüzü" müüsünüz?

Son aylarda birçok veri ekibinin ruh halini değiştiren bir soru var. Basit ama sert bir soru: İş birimi bir metrik sipariş ettiğinde — talebi alırsınız, bir SQL ifadesi yazarsınız, sayıyı geri verirsiniz. Ne tür entelektüel bir katkıda bulundunuz? Cevap şudur: Hiç. Bir iş sorusu ile bir programlama dili arasında çevirmenlik yaptınız. Deneyimli bir veri direktörü bunu doğrudan şöyle ifade ediyor:

Eğer yapabildiğiniz tek şey buysa, üzgünüm. Geleceğinizi ciddi olarak düşünmelisiniz.

Bu sinik değil. Bu, organizasyonunda şu anda bir deney yürüten birinin ayık gözlemi: Yapay zeka ajanlarına karşı canlı analistler. Ve sonuç sizi şaşırtacak.

Her şeyi değiştiren test

Belirli bir iş problemi: Depo kiralama fiyatlandırması. Bu görevin özelliği bir püf noktası içeriyor — depo oranında dolduğunda, her ek satış neredeyse saf kâra dönüşüyor. Çünkü depo zaten boş duruyor. Ancak depo 0 dolduğunda, fiyatları yükseltmek gerekiyor. Başka bir deyişle: İlk öğrenmeniz gereken en önemli şey doluluk oranıdır. Her şey buna bağlı. Ne oldu? Sekiz analistten oluşan bir ekip bir hafta boyunca bu sorun üzerinde çalıştı. Akıllıca eylemler önerdiler: burada bir promosyon, orada bir indirim, şurada bir paket teklif. Direktör sordu: "Güzel ekip. Peki doluluk oranı ne durumda?" Cevap: "Hesaplamadık." Aynı anda yapay zeka ajanları aynı görev üzerinde çalıştı. Ve ilk işleri doluluk oranını hesaplamak oldu. Çünkü mantıksal olarak en önemli soru budur.

Nihai Skor: Yapay Zeka Ajanları 1 — İnsanlar 0.

Bu, ajanların daha akıllı olduğu anlamına gelmiyor. Analiz kaliteleri vasattı. Ancak doğru soruyu sordular ve takım bunu gözden kaçırdı.

Bu hikayenin gerçek anlamı ne

BT bugün tüm veri uzmanlarını iki kampa ayırıyor - ve sınır, beklenildiği gibi değil. Önemli olan ChatGPT'yi kullanıp kullanamamanız değil. Önemli olan entelektüel katma değer sağlayıp sağlamadığınızdır. Grup 1: İnsan-Makine Arayüzleri. Bu insanlar iş taleplerini alır ve bunları koda çevirir. Tüm düşünsel çalışma önceden iş tarafından yapılmış — metrik bilinir, kullanım nettir. Sadece yürütülmesi gerekir. Bu rol yüksek risk altında. Yapay zeka bunu zaten yapıyor, daha hızlı ve durmadan. 2. Kamp: Düşünürler. Bu insanlar önce şunu sorar: Bu sayıya neden ihtiyacımız var? Sonuçla ne olur? Ne gibi senaryolar var? Hangi soruyu gözden kaçırıyoruz? Bu rol daha değerli hale geliyor — daha az değil.

Dürüst bir soru sormalısınız: İşim entelektüel mi yoksa yarı entelektüel mi? Gerçek entelektüel pay düşükse - o zaman durum kötü demektir.

Basit bir öz analiz: Bütün gün aslında ne yaparsınız?

Bu pratik araç, basit olduğu kadar zahmetli de: Bir veya iki hafta boyunca oturup her gün yaptığınız şeyleri yazın. İş dünyasıyla mı konuşuyorsunuz? Kod mu yazıyorsunuz? Düşünüyor musunuz? Sistemler mi tasarlıyorsunuz? Toplantılar mı yapıyorsunuz? Sonra her bir madde için kendinize şunu sorun: Bunu bir yapay zeka şu anda gayet iyi yapmıyor mu? Engelinizi bulun. Daha hızlı olmanızı engelleyen nedir? Şimdiye kadar birçok kişi için engel kod yazmaktı. Bugün bu, yapay zeka ile çözülebilir — artık bu konuda takılmayacaksınız. Ama sonra ciddi bir soru ortaya çıkıyor: Geriye ne kalıyor? Kod ortadan kalktığında, ne yapacaksınız? Buna dürüst bir cevabınız yoksa — artık ne üzerinde çalışmanız gerektiğini biliyorsunuz.

Kariyer basamaklarına göre durum: dürüstçe

Yeni Başlayanlar İçin: Dürüst Sözler

“18 ile 20 yaşları arasında, şu anda iş hayatına atılmak zorunda olan çocuklarım olmadığı için mutluyum. Onlara verecek bir cevabım yok.”

Günümüzde büyük veri kuruluşlarında artık klasik anlamda "junior" pozisyonları neredeyse hiç açılmıyor. Stajyer alınıyorsa, bu sadece eskiden orta düzeyden beklenen seviyeye sahip olanlar için geçerli. Yaklaşık her yüz stajyerden biri bu yeni seviyeye ulaşıyor. Bu tek kişi, iş teklifleriyle boğuluyor. Diğer doksan dokuz kişi ise işe giremiyor. Bu tek kişiyi diğerlerinden ayıran nedir? O, bir sistem tasarlayabiliyor. Kendi projelerini hayata geçirmiş. İşe yarayan bir şey inşa etmiş. Birinin hemen bir web hizmeti oluşturmasını, birkaç yüz kullanıcı kazanmasını ve bununla çalışmasını engelleyen nedir? Hiçbir şey. Ancak bunu anlayan bin kişiden on ila yirmi tanesi bunu yapıyor. Mesele, kendi inisiyatifini kullanma olarak adlandırılan bir şey. İronik bir şekilde — yapay zeka ajanlarının çağında, şirketler kendi inisiyatifini kullanan insanları arıyor. Motivasyonu olan. Kimse "Bunu yap" demeden kendi başına bir şeyleri halledebilme yeteneği olan. Bu öğrenilebilen bir beceri değil — bu bir karakter özelliğidir. Ve sonuç, sert bir bölünmedir: küçük bir grup tekliflerle boğulurken, büyük kitle hiçbir şey bulamıyor.

Orta Kademe: Muhtemelen en çok etkilenen

Bu insanlar başardıklarını sandılar. İçerideler. Yerleştiler. Ve şimdi yapay zekanın ağır botu parmaklarına basıyor.

Orta seviye uzmanlar en tatsız görevle karşı karşıya: kendi çalışmalarını dürüstçe analiz etmek. Gerçekten zamanınızı nereye harcıyorsunuz? Bunun ne kadarı değerli? Büyük teknoloji şirketlerinden pek bilinmeyen bir olgu: Birçok mühendis neyin gerçekten önemli olduğunu anlamıyor. Ancak değerlendirildiklerini biliyorlar. Peki sonra ne yaparlar? Mantıksal olarak bakıldığında en iyi strateji: olabildiğince çok şey yapmak. Piyango ilkesi - değerli bir şey umuduyla çok sayıda çıktı üretmek. Bu tükenmişliğe yol açar. Ve daha iyi sonuçlara götürmez. Çözüm: dürüst öz analiz. Neden bunu yaptım? Değerli miydi? Gerçekten ne önemli? Kim beni engelliyor? Bu zor. Herkes bunu başaramaz. Başaran ödüllendirilir. Burada bir mentor veya dışarıdan bir danışman yardımcı olur - kendi içimizde görmektense bir başkasında problemleri daha kolay görürüz.

İleri Seviye: Hayat daha iyi oluyor

Gerçek üst düzey yöneticiler — yani her zaman bir sistem veya süreçten sorumlu, özerk birim olarak görev yapmış olanlar — bugün işleri daha kolay, daha zor değil. Eskiden üst düzey yöneticiler, görevleri alt ve orta kademe çalışanlara devrederdi — küçük parçalara bölünmüş, neredeyse bir ajana verilir gibi. Bugün bu görevler yapay zeka ajanlarına verilebilir. Kıdemli yöneticinin hayatı kolaylaştı. Eskiden imkansız olan — örneğin tüm hipotezlerin yirmide birini test edebilmek — bugün beşte birine indi. Bu önemli bir sıçrama. Ancak dikkat: Bunun sonucunda bir üst düzey yöneticinin üç kat daha fazla iş başardığına inanmak bir efsanedir. Bir üst düzey yöneticinin en büyük darboğazı, kapasitesi değil — iç bürokrasi ve büyük kurumsal süreçlerin absürtlüğüdür. AI bu konuda hiçbir şeyi değiştirmez.

Yöneticiler: Yeni, rahatsız edici bir soru

Yöneticilerin görevi değişmedi — sonuçlardan onlar sorumludur. Ama yeni bir soru ortaya çıkıyor: Benden beklenen her şeyi 15 saatte yapabiliyorsam — neden kalan 25 saati boşuna çalışayım?

Haftada 15 saat çalışıyorum. Geriye kalan 25 saat ise aslında ücretsiz çalışıyorum. Çünkü benden beklenen her şey ilk 15 saatte bitmişti. Bazı insanlar "Hayır teşekkürler, bu bana yeter" der.

Bundan kaçınılmaz olarak şu sonuç çıkıyor: Performans değerlendirme sistemlerinin yeniden düşünülmesi gerekiyor. Eski model — "herkes aşağı yukarı aynı şeyi alıyor" — artık işe yaramıyor. En iyi performans gösterenler belirgin şekilde ödüllendirilmelidir. Bazı büyük şirketler zaten tepki veriyor: En iyi çalışanlar için maaşlarının 0'üne kadar ikramiye. Hissedar paketlerinde büyük artışlar. Ve orta düzey yöneticilik önemli ölçüde azaltılıyor. Eğer her üst düzey çalışan, ajanları olan son derece üretken ve bağımsız bir birimse — o zaman neden bu kadar çok yöneticiye ihtiyaç duyulur ki? Bazı şirketler "giga-manager" uygulamasını getiriyor: 5 doğrudan çalışana karşılık şimdi 10 veya 15. Artık haftalık birebir görüşme yok.

Ne sorulduğu — ve meta haline gelen şey

İşte net bir ayrım:

Emtia (herkes yapabilir): Kod yazmayı. Hala gerekli ama artık ayırt edici değil.
Eleştirel (çok az kişi bunu yapabilir): Sistem tasarlamak. Ödünleşimleri anlamak. Bütün bir mimariyi akılda tutmak. Düşünceleri net ifade etmek.

"Hangi teknolojileri öğrenmeliyim?" sorusu bugün göründüğünden daha az önemli:

Teknolojiler belirleyici değil. Bugün biri, yarın başka biri. Sorunları çözebilmek önemli. Herhangi bir web servisi kurun. 100 kullanıcıyı getirin. Onunla çalışın. Gereken teknolojileri yan yoldan öğrenirsiniz.

Bir şey zorunlu: Herhangi bir LLM'nin web ön yüzü (sohbet arayüzü) — bu standarttır. Ve bir aracı destekli geliştirme ortamı (günümüzde çeşitli araçlar mevcut) — bunu şimdi ustalaşmanız gerekiyor. Bu isteğe bağlı değil.

Şu anda gerçek paranın nerede kazanıldığı - klasik ML mi yoksa GenAI mi?

Kamuoyundaki tartışmalarda sıkça gözden kaçan önemli bir çıkarım:

“Paranın büyük bir kısmı hâlâ geleneksel makine öğrenimi ile kazanılıyor. Tüm AI ajanı ekonomisi tek bir fikre dayanıyor: Verimliliği artırıyoruz. Verimlilik artışı nedir? Aynı işi daha az insanla yapma yeteneğidir. Tüm GenAI ekonomisi, hepinizin işten çıkarılmasına dayanıyor.”

Somut Başarı Hikayesi: Büyük bir Avrupalı fintech, müşteri desteğinin dörtte üçünü yapay zekaya devretti. Ve destek gerçekten iyi seviyede çalışıyor — çoğu müşteri artık insan bir çalışana ihtiyaç duymuyor. Ancak bu, piyasanın beklediği her şeyi değiştiren bir devrim değil, sadece müşteri desteği. Tahmin: Acenteler 3 ila 5 yıl içinde büyük şirketlerin arka ofislerindeki on milyonlarca işi ortadan kaldıracak — özellikle Hindistan, Malezya ve benzeri merkezlerde. Ancak şirketlerde yapay zeka entegrasyonu yatırım getirisi bugün neredeyse sıfır ve gelecek yıl da sıfır olacak.

Bir Sonraki İşiniz İçin Hazırlanma - Üç Adımda

Büyük veri organizasyonlarında, üst düzey pozisyonlar için bir işe alım süreci bugün genellikle şu şekildedir:

Kod Mülakatı. İki format var. Ya inceleme için kod alırlar: "Nesi iyi, nesi kötü, neyi değiştirirdiniz?" Ya da ML algoritması uygulamakla görevli bir kod parçası. Google ve hatta LLM'ler destek için kullanılabiliyor - ama tamamen yazmak için değil. Adayın sorunlara nasıl yaklaştığı gözlemlenir.
Sistem Tasarımı. İki format da var. "Greenfield" - sıfırdan bir sistem tasarlayın. "Brownfield" - inşa ettiğiniz bir sistemden ve bugün onu nasıl değiştireceğinizden bahsedin.
Davranışsal. Belirli durumlarda nasıl davranıyorsunuz? Deneyimlerinizden nasıl bahsedersiniz?

Adayların en sık yaptığı hata, kimse sorduğunda fikrini değiştirmek yerine nihai cevabı düşünmemek: "Bu gerçekten nihai cevabınız mı?" Sorun yanlış cevap değil. Sorun, adayın kendisini eleştirel bir şekilde sorgulamamış olmasıdır.

Bugün nasıl öne çıkarsınız

Önemli bir farkındalık var: En üst yüzde beşe girmek için dahi olmaya gerek yok. Rehber basit: Analiz et. Başarılı insanların nasıl yaptığını izle. Gerekiyorsa bir danışman veya mentordan yardım al. Ayarla. Uygula. Tekrarla.

Şaşırtıcı bir şekilde birçok insan bilinçli olarak kendini geliştirmemek için her şeyi yapar. Bu açıklamadan sonra bile 100 kişiden 5'i bunu uygulayacaktır. Ve eğer 20 kişi olsaydı - rekabet dört kat daha zor olurdu.

Somut olarak bu şu anlama gelir—pazarda öne çıkmak şunlarla yapılabilir:

En üst düzey veri bilimi yarışmaları
Olimpiyatlar
Anlamlı Açık Kaynak Katkıları
Yayınlar, Sunumlar
Gerçek kullanıcılarla kendi projeleriniz

İçerik önemli değil. Kanıtı şu: bu insan bir şeye takılıp kalır ve onu sonuca ulaştırır.

Bugün mesleğe atılır mıydınız?

Deneyimli bir Veri Direktörüne sorulan bu soru, dikkate değer derecede dürüst bir yanıt ortaya çıkarıyor:

Dürüst olmak gerekirse, bugün veri bilimine girip girmeyeceğimden emin değilim. Tam bir kan gölü. Ölüm gibi.

O zamanlar ne farklıydı? O zamanlar işe girmek kolaydı, bol para, daha önce yaptığı işten çok daha iyiydi. Bugün koşullar farklı. Peki onun yerine nereye giderdi? Dürüst bir cevap: bilmiyor. "Kariyerinin başındaki bir insanın klasik sorunu."

En güvenli veri alanı hangisidir?

Senaryo analizi ve risk üstlenimi. Yapay zeka risk üstlenimi eksiltmez.

Risk, sorumluluktur. Ve sorumluluk insana aittir - makinelere değil. Kredi vermeye kim karar verir? Bir sigortayı ödemeye? Bir ilacı onaylamaya? Bir yatırım yapmaya? Eğer karar yanlışsa yasal, etik, kişisel sonuçlara kim katlanır? Bu sorular makineler tarafından yanıtlanmaz. Makineler tarafından yanıtlanmayacaktır.

Sonuç: Yeni araçlar değil, yeni bir düşünce şekli söz konusu.

Bu piyasa gözleminden çıkarılan en önemli dersler:

KI, veri uzmanının yerini almaz. İşletme ve kod arasındaki çevirmenin yerini alır. Bundan daha fazlasını yapan, her zamankinden daha güvendedir.
Araçlar ikincildir. Hangi kütüphane, hangi framework — neredeyse fark etmez. Önemli olan: sorunları tanımak, sistem tasarlamak, ödünleşimleri anlamak, doğru soruyu sormak.
Bugünün en önemli adımı: dürüst öz-analiz. Gerçekten ne yapıyorum? Bunların hangisinin entelektüel getirisi var? Engelim ne?
Ve bir şeyler inşa etmek. Konuşmak değil, planlamak değil — inşa etmek. Bir web servisi. Küçük bir araç. Gerçek sonuçları olan bir veri analizi.

Önce kendinize kanıtlayın, bir şeyi bitirebildiğinizi. Bu kadar hızlı değişen bir pazarda en değerli sinyal bir sertifika değil. Kendi kendine düşünebildiğinizin kanıtıdır. Editörün Notu: Bu makale, uluslararası bir grupta veri ve yapay zeka alanında uzun yıllara dayanan deneyime sahip bir yönetici ile yapılan bir uzman görüşmesine dayanmaktadır. Aktarılan değerlendirmeler ve gözlemler, uzmanın kişisel görüşlerini yansıtmaktadır.