Yapay zekâ çağında herkesin kod yazması gerekmiyor: yüzde 1 ayrıntısı

Yapay zekâ çağında gerekli becerilerin başında herkes için kodlama gelmiyor. Çoğu çalışan; yapay zekâ araçlarını görevine uygun kullanmaya, veriyi yorumlamaya, çıktıyı doğrulamaya ve sonucu açık biçimde aktarmaya öncelik vermeli. İleri programlama ve model geliştirme ise yalnızca belirli rollerin gereksinimi.

Bu nedenle kariyer planındaki temel soru “Kod öğrenmeli miyim?” değil, “İşimde yapay zekâyı hangi derinlikte anlamam gerekiyor?” olmalı. Yanıt; model geliştirmek, veriye dayalı karar vermek, hazır bir araç kullanmak veya insanlar ve sonuçlar için sorumluluk taşımak arasındaki konumuna bağlı.

Yüzde 1 ayrıntısı ne anlatıyor?

OECD’nin Haziran 2026 politika özeti, programlama veya model geliştirme gibi ileri düzey yapay zekâ becerilerine çalışanların yüzde 1’inden azının ihtiyaç duyacağını belirtiyor. Daha geniş çalışan kitlesi içinse dijital beceriler ile veriyi kullanma, analiz etme ve yorumlama yeteneğinin önemi artıyor; problem çözme, yaratıcılık ve yönetsel beceriler de gerekli kalıyor.

Bu bulgu, teknik bilginin gereksiz olduğu anlamına gelmiyor. Model mühendisi, makine öğrenmesi uzmanı, veri bilimci veya yapay zekâ altyapısından sorumlu geliştirici; programlama, istatistik, veri mühendisliği, güvenlik ve model değerlendirmesinde derinleşmek zorunda. Satış, insan kaynakları, finans, hukuk, operasyon veya pazarlama çalışanının aynı eğitim paketine ihtiyacı olduğu ise söylenemez.

Bu ikinci gruptaki teknik eşik farklıdır: kullanılan sistemin hangi işi yapabildiğini, hangi veriye dayandığını ve nerede yanılabileceğini anlamak. Hassas bilgileri kontrolsüz paylaşmamak, üretilen yanıtı doğrulamadan kabul etmemek ve yüksek etkili sonuçları yetkili insan denetiminden geçirmek araç kullanımının parçasıdır; bunlar model geliştirme becerisi değildir.

Yapay zekâya maruz kalmak otomasyonla aynı şey değil

Bir meslekte yapay zekânın çok sayıda göreve dokunması, o mesleğin bütünüyle otomatikleşeceğini göstermez. OECD’nin Temmuz 2026 çalışması, yapay zekâya en fazla maruz kalan işlerin mutlaka en yüksek otomasyon riskini taşımadığını; etkinin sektör, bölge ve beceri düzeyine göre değiştiğini vurguluyor.

Bir uzman rapor taslağını, toplantı özetini veya ilk veri sınıflandırmasını yapay zekâya bırakabilir. Buna karşılık hangi sorunun önemli olduğuna karar verme, eksik bağlamı fark etme, sonucu kurum kurallarıyla karşılaştırma ve nihai sorumluluğu üstlenme görevleri insanda kalabilir. Kariyer açısından değerli olan yalnızca aracı hızlı kullanmak değil, aracın çıktısını mesleki ölçütlerle değerlendirebilmektir.

Dört seviyeli öz değerlendirme matrisi

Aşağıdaki matris OECD’nin resmî bir sınıflandırması değil, araştırma bulgularını iş rollerine uyarlayan bir öz değerlendirme çerçevesidir. Seviyeler kıdem sıralaması oluşturmaz ve birbirini dışlamaz; gerekli bileşim, işin ürettiği sonuca göre değişir.

• İleri teknik uzmanlık: Model geliştiren, uyarlayan, test eden veya yapay zekâ altyapısını yöneten roller. Programlama, istatistik, makine öğrenmesi, veri hatları, güvenlik ve performans ölçümü bu gruptadır.
• Veri okuryazarlığı: Analiz, raporlama veya karar desteği üreten roller. Veri kaynağını sorgulama, temel istatistikleri yorumlama, korelasyon ile nedenselliği ayırma, kalite sorunlarını fark etme ve belirsizliği açıklama gerekir.
• Araç kullanımı: Yapay zekâdan taslak, özet, araştırma veya sınıflandırma desteği alan roller. Görevi açık tanımlama, yeterli bağlam sağlama, çıktıyı güvenilir malzemeyle karşılaştırma, veriyi koruma ve gerektiğinde işi insana devretme öne çıkar.
• İnsani ve yönetsel beceriler: Müşteri, ekip veya karar sorumluluğu taşıyan roller. Problem tanımlama, eleştirel düşünme, yaratıcılık, iletişim, müzakere, empati ve hesap verebilirlik belirleyicidir.

Örneğin bir finans analisti veri okuryazarlığında güçlü, araç kullanımında dikkatli ve sonucu anlatmada yetkin olmalıdır; ileri model geliştirme bilgisi ancak görev tanımı bunu gerektiriyorsa öncelik kazanır. Dünya Ekonomik Forumu’nun küresel işveren araştırması da analitik düşünmeyi temel becerilerin başında gösterirken teknolojik okuryazarlık, yaratıcı düşünme, dayanıklılık ve sürekli öğrenmenin önemini koruduğunu bildiriyor.

Rolün hangi derinliği gerektiriyor?

Önce sorumluluğundaki kritik çıktıyı belirle: müşteri kararı, bütçe tahmini, hukuki görüş, üretim planı veya işe alım değerlendirmesi olabilir. Yapay zekâ yalnızca ilk taslağı hazırlıyorsa araç kullanımı, alan bilgisi ve doğrulama iyi bir başlangıçtır. Sonuç sayısal verilere dayanıyorsa veri okuryazarlığı daha büyük ağırlık kazanır.

Modelin davranışı, performansı, güvenliği veya üretim ortamındaki sürekliliği senin sorumluluğundaysa ileri teknik seviyeye geçmen gerekir. İş tanımında model eğitimi, özellik mühendisliği, MLOps, model değerlendirme veya veri hattı kurma gibi görevler bulunuyorsa kodlama yardımcı bir beceri değil, işin doğrudan gereğidir.

Türkiye’deki bir çalışan küresel beceri listelerini hazır bir kurs listesi olarak görmemeli. Sektörün kuralları, kurumun veri politikası, kullanılan dil, müşteri beklentileri ve mevcut sistemler hangi becerinin önce öğrenileceğini değiştirir. Aynı meslek unvanı altında bile veriyle çalışan, hazır araç kullanan ve teknik altyapı kuran kişilerin ihtiyaçları farklı olabilir.

Öğrenme önceliğini iş çıktısıyla sınırla

1. Tek bir görev seç: Haftalık rapor hazırlama, müşteri mesajlarını sınıflandırma veya toplantı notlarını eylem listesine dönüştürme gibi sınırları belli bir iş belirle.
2. Kalite ölçütünü tanımla: Doğruluk, kaynakların izlenebilirliği, tamamlanma süresi veya insan düzeltmesi ihtiyacı gibi gözlenebilir bir ölçüt kullan. Hassas ya da yüksek etkili kararlarda kurum kuralları ile insan onayını koru.
3. Asıl açığı ayır: Sorun görev tanımındaysa araç kullanımına, veriyi anlamaktaysa veri okuryazarlığına, sonucu savunmaktaysa iletişim ve alan bilgisine yönel. Görev gerçekten model kurmayı gerektiriyorsa programlama ve istatistikte derinleş.

Amaç kodlamadan kaçınmak değil, ihtiyaç duyulan beceriye doğru derinlikte yatırım yapmaktır. Çoğu rol için meslek bilgisi, yapay zekâ okuryazarlığı, veri muhakemesi ve insan sorumluluğunun birleşimi önceliklidir; ileri teknik uzmanlık ise onu gerçekten gerektiren küçük fakat kritik rol grubuna aittir.