- Yapay zeka ajanı tabanlı geliştirme, otomatik tamamlama düzeyinin ötesine geçip gerçek işleri yürütme aşamasına girerken, yazılım mühendisliğinin rolü ve giriş yapısı hızla sarsılıyor.
- Junior işe alımındaki azalma ve verimlilik odaklı organizasyonlar aynı anda ortaya çıkıyor; az sayıda deneyimli kişinin yapay zeka araçlarıyla daha fazla işi yürüttüğü yapı yaygınlaşıyor.
- Kodlamanın kendisinden çok doğrulama, tasarım ve muhakeme becerileri önem kazanıyor; yapay zeka çıktılarıyla çalışabilen insan yetkinliği temel farklılaştırıcı unsur olarak öne çıkıyor.
- T şeklinde yetenekler (derin uzmanlık + geniş uyum kabiliyeti) hızla değişen yapay zeka ortamında avantaj sağlıyor; bir alanda derinlik ile çok alanlı uyum yeteneğini aynı anda isteyen eğilim hızlanıyor.
- Geleneksel CS diploması merkezli yolun zayıflamasıyla birlikte portföy, bootcamp ve şirket odaklı eğitim gibi çok katmanlı öğrenme ekosistemleri yaygınlaşıyor.
1. Junior geliştirici sorunu
- Yapay zekanın giriş seviyesi işleri otomatikleştirmesiyle junior geliştirici işe alımında keskin bir düşüş yaşanırken, yazılımın tüm sektörlere yayılmasıyla talebin yeniden artması yönündeki eğilim aynı anda varlığını sürdürüyor.
- Harvard’ın 62 milyon çalışanı kapsayan araştırmasına göre, şirketler üretken yapay zekayı devreye aldığında junior geliştirici istihdamı yaklaşık %9-10 azalırken senior istihdamı neredeyse hiç etkilenmiyor.
- Big Tech şirketleri son 3 yılda yeni mezun işe alımını %50 azalttı.
- Bir mühendisin ifadesiyle: "AI coding agent maliyeti daha düşükken neden bir junior’a 90 bin dolar ödeyesiniz?"
- 2022 civarında faiz artışları ve pandemi sonrası düzeltme gibi makro etkenler, yapay zeka araçlarının yayılmasından önce etkisini göstermeye başlamıştı; ancak yapay zeka bu eğilimi hızlandırıyor.
- Yapay zeka desteğini kullanan tek bir senior mühendis, geçmişte küçük bir ekibin gerektirdiği iş hacmini karşılayabiliyor.
- İyimser senaryo: Yapay zeka, yalnızca teknoloji alanında değil sağlık, tarım, üretim ve finans gibi tüm sektörlerde geliştirici talebini patlayıcı biçimde artırabilir.
- Geliştiricilerin yerini almaktan çok, yapay zeka geliştirme işlerini daha önce hiç kodlayıcı istihdam etmemiş alanlara taşıyan bir güç çarpanı (force multiplier) görevi görebilir.
- "AI-native" geliştiricilerin belirli nişler için otomasyon ve entegrasyonları hızla kurduğu farklı türde giriş seviyesi roller artabilir.
- ABD Çalışma İstatistikleri Bürosu, 2024-2034 arasında yazılım mesleklerinde hâlâ yaklaşık %15 büyüme öngörüyor.
- Kötümser senaryodaki uzun vadeli risk: Bugünün junior’ları yarının senior mühendisleri ve teknik liderleri olduğundan, yetenek hattı tamamen kesilirse 5-10 yıl sonra liderlik boşluğu oluşabilir.
- Sektörün deneyimli isimleri bunu "yavaş çürüme (slow decay)" olarak tanımlıyor: halef yetiştirmeyi bırakan bir ekosistem.
-
Junior geliştiriciler için tavsiyeler
- Yapay zeka yetkinliği ve çok yönlülük kazanılmalı.
- Bir junior + yapay zeka kombinasyonunun küçük bir ekip düzeyinde çıktı üretebildiği kanıtlanmalı.
- Cursor, Antigravity, Claude Code, Gemini CLI gibi AI coding agent araçlarıyla daha büyük özellikler geliştirin; ancak kodun büyük kısmını anlayıp açıklayabiliyor olun.
- Yapay zekanın kolayca ikame edemeyeceği becerilere odaklanın: iletişim, problemi parçalara ayırma, alan bilgisi.
- QA, DevRel, veri analizi gibi komşu rolleri giriş noktası olarak değerlendirin.
- Yapay zeka API’lerini entegre eden projeleri de içeren bir portföy oluşturun.
- Stajyerlik, staj, sözleşmeli iş ve açık kaynak katkıları gibi farklı deneyim biçimleri edinin.
- "Eğitilmesi gereken bir yeni mezun daha" değil, hızla öğrenip hemen katkı sunabilen hemen kullanılabilir bir mühendis olun.
-
Senior geliştiriciler için tavsiyeler
- Junior sayısındaki azalma nedeniyle daha fazla basit iş ve tekrar eden görev senior’lara geri dönüyor.
- Günlük işlerde otomasyondan yararlanın, ancak her şeyi tek başınıza yapmayın.
- CI/CD, linter ve yapay zeka tabanlı testler kurarak temel sorunları erken aşamada engelleyin.
- Açık kaynakta veya başka departmanlardaki meslektaşlara koçluk yaparak gayriresmî mentorluk rolü üstlenin.
- Yönetime tamamı senior’dan oluşan ekiplerin uzun vadeli risklerini net biçimde anlatmak gerekir.
- Junior talebi yeniden artarsa diye, etkili onboarding ve yapay zeka destekli görev devri yapısı hazırlayın.
- Değeri kişisel üretkenlikte değil, tüm ekibin çıktısını ve etkisini büyütmede konumlandırın.
2. Beceri sorunu
- Günümüzde geliştiricilerin %84’ü yapay zeka destek araçlarını düzenli olarak kullanıyor.
- Bir bug ya da yeni özellikle karşılaşıldığında, kodu sıfırdan yazmak yerine prompt yazıp yapay zekanın ürettiği kod parçalarını birleştirme yaklaşımı yaygınlaşıyor.
- Giriş seviyesi kodlayıcılar "zor yolu" atlıyor: İkili arama ağacını sıfırdan kurmamış ya da bellek sızıntısını bizzat debug etmemiş olabilirler.
- Yetkinliğin odağı, algoritma uygulamaktan yapay zekaya doğru soruları sormaya ve çıktıyı doğrulamaya kayıyor.
- Bazı senior mühendisler, bu gidişatın bağımsız biçimde kod yazamayan bir nesil, yani beceri erozyonu yaratabileceğinden endişe ediyor.
- Yapay zekanın ürettiği kod, deneyimi az geliştiricilerin gözden kaçırabileceği ince hatalar ve güvenlik açıkları içerebilir.
-
Alternatif senaryo
- Yapay zeka tekrar eden ve rutin işlerin %80’ini üstlenirken, insanlar en zor %20’lik problemlere odaklanır.
- Mimari tasarım, karmaşık entegrasyonlar, yaratıcı tasarım, edge case yönetimi
- Yapay zekanın yaygınlaşması, derin bilgiyi değersizleştirmek yerine insan uzmanlığını daha da önemli hale getirir.
- Herkes AI coding agent araçlarına erişebildiğinde, üstün geliştiriciyi ayıran şey yapay zekanın ne zaman hatalı ya da optimum olmayan sonuç verdiğini bilmek olur.
- Bir senior mühendisin dediği gibi, "en iyi yazılım mühendisi en hızlı kodlayan kişi değil, yapay zekaya ne zaman güvenmemesi gerektiğini bilen kişidir."
-
Programlamadaki değişim
- Boilerplate yazımı azalıyor; yapay zeka çıktılarındaki mantık hataları, güvenlik kusurları ve gereksinim uyumsuzluklarını inceleme payı artıyor.
- Temel yetkinlikler: yazılım mimarisi, sistem tasarımı, performans ayarı, güvenlik analizi.
- Yapay zeka web uygulamalarını hızla oluşturabilir; ancak uzman mühendisler güvenlik en iyi uygulamalarına uyulup uyulmadığını ve race condition oluşma ihtimalini kontrol eder.
- 2025’te geliştirici topluluğunda tartışma ikiye ayrıldı.
- Neredeyse hiç elle kod yazılmadığı ve kodlama mülakatlarının da değişmesi gerektiği görüşü
- Temeller atlanırsa, yapay zeka çıktısı bozulduğunda çok daha fazla sorun çözmek zorunda kalınacağı görüşü
- Sektör genelinde, yapay zekanın hızını ve onu denetleyecek temel bilgelik düzeyini aynı anda taşıyan mühendis beklentisi oluşuyor.
-
Junior geliştiriciler için tavsiyeler
- Yapay zekayı bir bağımlılık aracı olarak değil, öğrenme aracı olarak kullanın.
- Yapay zekanın önerdiği kodun neden çalıştığını analiz edin ve olası zayıflıkları tespit edin.
- Düzenli aralıklarla yapay zeka yardımını kapatıp temel algoritmaları sıfırdan uygulayın.
- CS temel yetkinliklerine odaklanın: veri yapıları, algoritmalar, zaman/alan karmaşıklığı, bellek yönetimi.
- Projeleri iki kez uygulayın (yapay zekayla ve yapay zeka olmadan) ve karşılaştırın.
- Prompt tasarımı ve araç kullanımı becerilerini sistemli biçimde edinin.
- Sıkı test alışkanlıkları geliştirin: unit test yazın, hemen yapay zekaya sormadan stack trace okuyun, debugger kullanmaya alışın.
- Yapay zekanın kopyalayamayacağı tamamlayıcı becerileri güçlendirin: sistem tasarımı sezgisi, kullanıcı deneyimi içgörüsü, eşzamanlılık problemleri üzerine düşünme becerisi.
-
Senior geliştiriciler için tavsiyeler
- Kalite ve karmaşıklıktan sorumlu rol olarak kendinizi konumlandırın.
- Temel uzmanlığınızı güçlendirin: mimari, güvenlik, ölçeklenebilirlik, alan bilgisi.
- Yapay zeka bileşenleri içeren sistemleri modelleyin ve başarısızlık senaryolarını sürekli gözden geçirin.
- Yapay zeka tarafından üretilen kodda sık görülen güvenlik açıkları ve sorun tipleri konusunda güncel farkındalığı koruyun.
- Mentor ve reviewer rolünü üstlenin: yapay zeka kullanımının sınırlarını ve manuel incelemenin zorunlu olduğu alanları (ödeme ya da güvenlik kodu gibi) tanımlayın.
- Tekrarlayan API bağlama işlerini junior + yapay zeka kombinasyonuna bırakın; hangi API’nin tasarlanacağına karar veren yaratıcı ve stratejik role odaklanın.
- İletişim becerileri ve alanlar arası anlayış gibi soft skill’lere yatırım yapmayı sürdürün.
- İnsan geliştiricileri vazgeçilmez kılan unsurlara odaklanın: sağlam muhakeme, sistem düzeyinde düşünme, mentorluk.
3. Rol sorunu
- Geliştirici rolünün AI tarafından üretilen kodu denetleyen sınırlı bir denetçiye daralması ya da AI odaklı sistemleri tasarlayan ve koordine eden temel bir orkestratöre dönüşmesi gibi iki olasılık bir arada bulunuyor
- Uç senaryo 1:
- Geliştiricilerin yaratıcı sorumluluğu azalır ve yazılım geliştirmekten çok AI çıktılarının denetimi ve gözetimine odaklanır
- Üretimden AI sistemleri (veya no-code platformları kullanan "vatandaş geliştiriciler") sorumlu olur; insan geliştiriciler ise otomatik üretilen kodu inceler, hata·önyargı·güvenlik sorunlarını kontrol eder ve dağıtıma onay verir
- Üretici, denetçiye dönüşür; kod yazmanın keyfi yerini risk yönetimi kaygısına bırakır
- Bazı mühendisler, sıfırdan kod yazmaya harcadıklarından daha fazla zamanı AI tarafından üretilen pull request'leri değerlendirmeye ve otomasyon pipeline'larını yönetmeye harcıyor
- Bir mühendisin sözleriyle: "AI'ın önüme attıklarını temizleyen bir kod temizlikçisi olmak istemiyorum"
-
Alternatif gelecek: üst düzey orkestratör
- Geliştirici, teknik, stratejik ve etik sorumluluğu birleştiren bir üst düzey orkestratöre evrilir
- AI "worker"ları sayesinde insan geliştiriciler mimar veya genel yüklenici rolünü üstlenir:
- Tüm sistemin yapısını tasarlamak
- Hangi işin hangi AI'a ya da yazılım bileşenine verileceğine karar vermek
- Çeşitli bileşenleri bir araya getirerek çözüm oluşturmak
- Agentic geliştirme ortamlarında mühendis, AI agent'ları ve servislerden oluşan bir ansamblı yöneten bir besteciye daha yakın bir rol üstlenir
- Tüm kodu bizzat yazmaz, ama mimari·arayüzler·agent etkileşimlerinden oluşan melodiyi tanımlar
- Yazılım mühendisi, sistem mimarı ve ürün stratejistinin rollerinin birleştiği bir yapı
- İyimser bakış açısı: AI tekdüze işleri üstlendikçe geliştirici rolü kaçınılmaz olarak yüksek değerli faaliyetlere kayar. İş daha ilgi çekici hale gelebilir
- Hangi yöne gidileceği, organizasyonların AI'ı nasıl entegre ettiğine bağlıdır
- AI'ı emek ikamesi olarak gören şirketler: geliştirme ekiplerini küçültür, kalan mühendislere otomasyonu sürdürme görevi verir
- AI'ı ekip çarpanı olarak gören şirketler: kadroyu korur ama her mühendisin daha büyük sorunlara ve daha iddialı projelere yönelmesini sağlar
-
Junior geliştiriciler için tavsiyeler
- Rolü yalnızca kod yazmanın ötesine taşımaya çalışın
- Test case yazma, CI pipeline kurma, uygulama izleme gibi denetçi·yönetici niteliğindeki yetkinlikler edinin
- Kişisel projelerle doğrudan üretme deneyimini sürdürerek yaratıcı motivasyonu koruyun
- Sistemsel düşünme biçimi geliştirin: bileşenlerin nasıl iletişim kurduğunu anlayın, iyi tasarlanmış bir API'nin özelliklerini öğrenin
- Engineering blog'ları ve sistem tasarımı vaka çalışmalarını düzenli olarak takip edin
- Kod üretiminin ötesinde, orkestrasyon framework'leri ve AI API'leri dahil otomasyon araçlarının genelini anlayın
- Dokümantasyonu, başka birine açıklıyormuş gibi açık yazma alışkanlığı edinin
- Senior'lara “kod çalışıyor mu”nun ötesinde “önemli bir şeyi atlamadık mı” diye sorun
- Sadece bir kodlayıcı değil, doğrulayıcı·tasarımcı·iletişimci olarak gelişmeye hazırlanın
-
Senior geliştiriciler için tavsiyeler
- Liderliği ve mimari sorumluluğu aktif biçimde üstlenin
- AI ve junior'ların izleyeceği standartları ve framework'leri tanımlayın
- Kod kalite checklist'leri ile etik AI kullanım politikalarını belirleyin
- AI tarafından üretilen yazılımla ilgili uyumluluk·güvenlik sorunları konusunda güncel kalın
- Sistem tasarımı ve entegrasyon uzmanlığına odaklanın; servisler arası veri akışını haritalayın ve olası hata noktalarını önceden belirleyin
- Orkestrasyon platformlarına (Kubernetes, Airflow, serverless framework'ler, agent orkestrasyon araçları) aşina olun
- Teknik mentorluk rolünü güçlendirin: daha fazla code review, tasarım tartışması ve teknik kılavuz sağlayın
- Başkalarının (veya bir şeyin) yazdığı kodu hızla değerlendirip üst düzey geri bildirim verebilme becerisini geliştirin
- Ürün ve iş sezgisi geliştirin: bir özelliğin neden yapıldığını ve müşterilerin neye önem verdiğini anlayın
- Prototipler, hackathon'lar ve yeni teknoloji keşifleriyle yaratıcı enerjinizi koruyun
- Kod yazan kişiden sistemi yöneten kişiye geçiş yapın
4. Uzman mı genelci mi sorunu
- Yalnızca dar bir alanda uzmanlaşmış kişiler, kendi nişlerinin otomatikleştirilmesi veya hızla değerini yitirmesi riskiyle karşı karşıya
- Hızla değişen yapay zeka ortamında T-şekilli mühendisler (geniş uyum kabiliyeti + bir veya iki alanda derin teknik uzmanlık) avantajlı
- Modellerin, araçların ve framework'lerin hızla yükselip gözden düştüğü bir ortamda kariyeri tek bir teknoloji yığınına bağlamak riskli
- Legacy framework uzmanları için, yeni yapay zeka araçları aynı işi minimum insan müdahalesiyle yapmaya başladığı anda talebin keskin biçimde düşmesi mümkün
- Yalnızca belirli bir stack, framework veya ürün alanında dar uzmanlaşan geliştiriciler, o alan gerilediğinde veya gereksiz hale geldiğinde yönünü kaybedebilir
- COBOL geliştiricileri, Flash geliştiricileri veya sektör yön değiştirdiğinde geçiş yapmayan mobil oyun motoru uzmanları gibi
- Geçmişten farkı yaratan şey değişimin hızı; yapay zeka otomasyonu belirli programlama işlerini bir anda sıradanlaştırıp bu işlere odaklı rolleri zayıflatabilir
- Yalnızca tek bir şey bilen uzmanlar (SQL sorgularında ince ayar yapmak, Photoshop tasarımlarını HTML'e dilimlemek), yapay zekanın bu işlerin %90'ını yaptığı bir durumla karşılaşabilir
- İşe alım piyasası en yeni nişlerin peşinden gider: birkaç yıl önce bulut altyapısı uzmanları aranırken bugün AI/ML mühendisi talebi hızla artıyor
- Dünün teknolojilerine dar biçimde uzmanlaşmış kişiler, nişin cazibesi ortadan kalktıkça kariyer durgunluğunu hissetmeye başlar
-
T-şekilli geliştirici: alternatif sonuç
- Çok yönlü uzman ya da T-şekilli geliştirici: bir veya iki alanda derin uzmanlık (dikey çizgi) + pek çok başka alana geniş aşinalık (yatay çizgi)
- Bu mühendisler çok disiplinli ekiplerde bir "yapıştırıcı" görevi görür: farklı uzman tipleriyle iletişim kurar ve gerektiğinde boşlukları doldurur
- Şirketler, fazla yüzeysel ya da fazla dar odaklı geliştiriciler yerine güçlü bir çekirdek yetkinliğe sahip ve stack'in geneline dokunabilen kişileri tercih ediyor
- T-şekilli mühendisler, devir teslim beklemeden sorunları uçtan uca çözebilir ve böylece verimliliği artırır
- Farklı alanlardaki bilginin birleşmesiyle yenilik potansiyeli de büyür
- Yapay zeka araçları aslında genelcileri daha fazla güçlendiriyor: tek bir kişi birden fazla bileşeni daha kolay ele alabiliyor
- Bir backend mühendisi, yapay zeka yardımıyla temel UI uygulayabilir
- Bir frontend geliştirici, yapay zekayla sunucu boilerplate kodu üretebilir
- Yapay zekanın bol olduğu bir ortamda, tek bir kişinin daha geniş bir kapsamı üstlenmesi kolaylaşır
- Buna karşılık yalnızca derin uzmanlığa sahip kişiler için, nişleri kısmen otomatikleştirildiğinde ölçeklenme yolu sınırlı kalabilir
- Günümüzde mühendislik pozisyonlarının yaklaşık %45'i çoklu alan yetkinliği gerektiriyor
- Programlama + bulut altyapısı bilgisi
- Frontend + temel ML anlayışı
-
Junior geliştiriciler için tavsiyeler
- Kariyerin başında bilinçli şekilde geniş bir temel oluşturun
- Belirli bir rol için işe alınsanız bile, o silo dışındaki alanları düzenli olarak izleyin
- Mobil geliştiriciler backend temellerini, frontend geliştiriciler ise basit sunucu geliştirme deneyimini edinmeli
- Docker, GitHub Actions gibi deploy ve operasyon araçlarını öğrenin
- Kişisel olarak ilgi duyduğunuz bir veya iki alan seçip derinlemesine inerek dikey uzmanlık oluşturun
- Hibrit bir kişisel marka inşa edin
- Örneğin: bulut güvenliğine odaklanan bir full-stack geliştirici
- Örneğin: UX uzmanlığına sahip bir frontend geliştirici
- Yeni alanları hızlı öğrenmek için yapay zeka araçlarından yararlanın
- Backend'e yeni başlarken yapay zekayla temel API kodu üretip yapıyı anlayın
- Sürekli yeniden beceri kazanmayı günlük bir alışkanlık haline getirin
- Hackathon'lara veya çapraz fonksiyonlu projelere katılarak kendinizi genelci role doğru genişlemeye zorlayın
- Yöneticinize projenin başka alanlarına da katkı vermek istediğinizi söyleyin
- Kariyerin erken döneminde uyum kabiliyetinin kendisi en güçlü rekabet avantajıdır
-
Senior geliştiriciler için tavsiyeler
- Kendi beceri haritanızı net biçimde çıkarın
- Derinliğe sahip olduğunuz uzmanlık alanları
- Yalnızca yüzeysel temas ettiğiniz komşu alanlar
- Komşu alanlardan bir veya ikisini seçip üzerine konuşabilecek düzeye getirin
- Bir veritabanı uzmanıysanız, modern frontend framework'lerine aşina olun veya ML pipeline temellerini öğrenin
- Yapay zeka desteğini kullanarak zayıf olduğunuz alanlarda küçük deneysel projeler yapın
- Mevcut uzmanlığınızı yeni bağlamlarla ilişkilendirin
- Web uygulaması performansı uzmanıysanız, bu becerinin ML inference optimizasyonuna nasıl uygulanabileceğini araştırın
- Rolünüzü daha çapraz fonksiyonlu olacak şekilde tasarlayın ya da böyle pozisyonları aktif biçimde önerin
- Birden çok alanın iç içe geçtiği projelerde entegrasyon sorumlusu rolüne gönüllü olun
- Başkalarına mentorluk yaparak becerilerinizi aktarın, aynı zamanda onlardan yeni bakış açıları ve yeni şeyler öğrenin
- Özgeçmişinizi, çok yönlülüğünüz ve ölçeklenebilirliğiniz açıkça görülecek şekilde güncelleyin
- Birikmiş deneyiminize dayanarak tekrar eden kalıpları ve aktarılabilir bilgileri düzenleyin
- T-şekilli bir rol model olun: uzmanlık alanınızda derinliğe sahip olun (otorite ve özgüven sağlar) ama yatayda da aktif biçimde genişleyin
5. Eğitim sorunu
- Bilgisayar bilimi (CS) diplomasının altın standart olarak kalıp kalmayacağı ya da bootcamp’ler, online platformlar ve işveren odaklı eğitim gibi daha hızlı öğrenme yollarının bunun yerini alıp almayacağı belirsiz
- Sektörün birkaç ayda bir değişen hızına üniversitelerin ayak uydurmasının zor olduğu bir yapının ortaya çıkması da mümkün
-
Senaryo 1: Üniversiteler hâlâ önemli ama güncel kalmakta zorlanıyor
- Diploma temel yeterlilik olarak kalıyor, ancak müfredatın yavaş yenilenme döngüsü ve bürokratik onay süreçleri nedeniyle değişim hızının gerisinde kalıyor
- Öğrenciler ve işverenler, akademinin sektörle bağının koptuğunu ve iş becerilerine dönüşmeyen teori ya da eski uygulamalar öğrettiğini düşünüyor
- Yeni mezunlar, diploma programlarında cloud computing, modern DevOps ve AI araçları hakkında hiçbir şey öğrenmediklerini bildiriyor
- Üniversiteler yüksek zaman ve maddi yatırım isteyip düşük ilgiliğe sahip eğitim sunarsa, pahalı bir kapı bekçisi gibi görülme riski taşıyor
- Birçok şirket ataletle lisans diplomasını hâlâ şart koştuğu için, yük öğrencilerin üstüne kalıyor ve açık bootcamp’ler, online kurslar ve kendi kendine geliştirilen projelerle kapatılıyor
- Öğrenci kredisi borcu çok büyük ve şirketler, işte gerekli beceriler eksik olduğu için yeni mezunların eğitimi için milyarlarca dolar harcıyor
- Üniversiteler AI etiği dersleri ya da cloud computing seçmelileri ekleyebilir, ancak bunlar gerçekten uygulandığında sektörde kullanılan araçlar çoktan değişmiş olabilir
-
Senaryo 2: Geleneksel eğitim giderek yeni sistemlerle yer değiştiriyor
- Kodlama bootcamp’leri, online sertifikalar, kendi kendine oluşturulan portföyler ve işverenlerin kurduğu eğitim akademileri
- Google ve IBM gibi büyük şirketler, belirli teknik roller için diploma şartını kaldırıyor
- 2024 itibarıyla şirketlerin yaklaşık %45’i bazı pozisyonlarda lisans diploması şartını kaldırmayı planlıyor
- Bootcamp’ler olgunluk aşamasına girerken, CS mezunlarıyla birlikte üst düzey şirketlerde işe alınan yetenekler yetiştiriyor
- Bu programlar daha kısa (12 haftalık yoğun) ve pratik becerilere odaklı: güncel framework’ler, cloud servisleri, ekip çalışması
- İşe alım kriterleri diplomadan çok gerçek portföy, mikro sertifikalar ve doğrulanmış becerilere kayıyor
- Güçlü bir GitHub portföyü ya da saygın bir sertifika, diploma şartını aşmanın bir yolu olarak işliyor
- İşveren odaklı eğitim büyüyor: şirketler kendi eğitim hatlarını kuruyor veya bootcamp’lerle doğrudan ortaklık geliştiriyor
- Bazı big tech şirketleri, geleneksel olmayan yetenekler için şirket içi eğitim programları başlatıyor
- AI’nin kendisi yeni öğrenme yöntemleri sunuyor: AI eğitmenleri, etkileşimli kodlama sandbox’ları ve üniversite dışında sunulan kişiselleştirilmiş öğrenme ortamları
- Modüler öğrenme ekosistemi, yüksek maliyetli 4 yıllık diplomalara göre erişilebilirlik ve esneklikte üstünlük sağlıyor
- Güçlü bir CS üniversitesi olmayan ülkelerdeki öğrenciler, Silikon Vadisi’ndeki biriyle aynı Coursera derslerini alıp aynı portföyü oluşturabiliyor
-
Adaylar / junior geliştiriciler için tavsiyeler
- Geleneksel bir CS programında olsanız bile tek başına bunun yeterli olduğunu varsaymayın
- Dersleri gerçek projelerle destekleyin: web uygulaması geliştirin, açık kaynağa katkı verin
- Stajları veya üniversite-sanayi iş birliği programlarını aktif biçimde değerlendirin
- Müfredatta eksik kalan güncel konuları online platformlarla tamamlayın
- GCP, AWS, Azure gibi sektör sertifikaları alarak pratik yetkinliğinizi net biçimde sinyalleyin
- Kendi kendine öğreniyor ya da bootcamp’teyseniz, ikna edici bir portföye odaklanın: iyi dokümante edilmiş en az bir somut proje
- Geliştirici topluluklarında aktif olun: açık kaynağa katkı yapın, teknik yazılar yazın
- LinkedIn, meetup’lar ve geliştirici etkinlikleri üzerinden network kurun
- Deneyimli geliştiricilerden referans ve güven kazanın
- Sürekli öğrenmeyi temel varsayım olarak benimseyin: teknik becerilerin raf ömrü kısadır
- AI’yi kişisel eğitmen olarak aktif biçimde kullanın
- Becerilerinizi somut yollarla kanıtlayın: portföy, sertifikalar ve yaptığınız işler hakkında entelektüel olarak konuşabilme becerisi kapıları açar
-
Senior geliştiriciler ve liderler için tavsiyeler
- Geçmişte alınmış sertifika veya diplomalarla sonsuza kadar ayakta kalınamaz
- Sürekli eğitime yatırım yapın: online kurslar, atölyeler, konferanslar, sertifikalar
- Becerileri yeni yollarla doğrulayın; gerçek problemler üzerinden mevcut yetkinliği ölçen mülakatlara hazırlanın
- Yeni teknolojileri kullanan yan projeleri sürdürün
- İş gereksinimlerini yeniden değerlendirin: Gerçekten CS diploması mı gerekiyor, yoksa belirli beceriler ve öğrenme kapasitesi mi?
- Beceri odaklı işe alımı teşvik ederek yetenek havuzunu genişletin
- Şirket içi eğitim programlarını veya çıraklık benzeri rolleri destekleyin
- Resmî geçmişi olmayan junior geliştiriciler için mentorluk çevrelerini destekleyin
- Akademi ve alternatif eğitimlerle etkileşim kurun: danışma kurulları, konuk konuşmalar, müfredat boşluklarına dair geri bildirim
- Bunu kendi kariyer gelişiminize de yansıtın: gerçek çıktı ve sürekli öğrenme, ek diplomalardan daha önemlidir
Alttan alta geçen ana fikir
- Sunulan senaryolar birbirini dışlamıyor; gerçekte gelişmeler her senaryonun unsurlarının karışımı şeklinde ilerleyecek
- Bazı şirketler junior işe alımını azaltırken, diğerleri yeni alanlarda geliştirici kadrolarını büyütüyor
- AI gündelik kodlamayı ne kadar otomatikleştirirse, insanların doğrudan ele aldığı kod için kalite standardı o kadar yükseliyor
- Geliştiricilerin sabah AI’nin ürettiği çıktıları gözden geçirip öğleden sonra yüksek seviyeli mimari tasarladığı bir iş akışı da mümkün
- Genel bağlamı belirleyen düşünce, değişimin tek değişmeyen unsur olduğu fikri
- Teknoloji trendlerini ve onlara yönelik şüpheci bakışı birlikte korudukça, aşırı beklentiye ya da karamsarlığa kapılma olasılığı azalır
- Teknolojinizi sürekli güncel tutup yetkinliklerinizi genişlettikçe ve yaratıcılık, eleştirel düşünme, iş birliği gibi insana özgü güçlü yönlere odaklandıkça akışın dışında kalmazsınız
- İster kodlamanın rönesansı gelsin ister kodun kendi kendini yazdığı bir çağ başlasın, bütünü görebilen, sürekli öğrenen ve teknolojiyi gerçek sorunları çözmek için uygulayan mühendislere her zaman ihtiyaç olacak
- Geleceği öngörmenin en iyi yolu, onu aktif biçimde mühendislik etmektir
10 yorum
Fortran gidip, C++ çıksa da Java çıksa da Next.js çıksa da, SWE’nin CS bilmesi gerektiği gibi, yapay zeka ortaya çıksa da CS’e dair temel bilginin vazgeçilmez olduğunu düşünüyorum. Sonuçta değişen sadece araçlar; öz aynı kalıyor.. IT sektöründe olduğumuz sürece sürekli öğrenmek de kaderimiz..
Çok iyi. Junior'dan senior'a kadar herkesin okuması gereken bir yazı.
Bence geçen yıldan gelecek yıla kadar olan dönem, yazılım mühendisliğindeki en büyük dönüşüm dönemi olacak.
Burada çağın akışını kaçırırsanız epey geride kalabilirsiniz.
Ben de bazen aynı şeyi düşünüyorum. Sonu yok.
"Bazen yazılım geliştirmeyi seçmenin yanlış bir karar olup olmadığını düşünüyorum
Senior olsan bile hâlâ sürekli öğrenmen ve yan projeler yapman bekleniyor
Ne zaman hobiye ya da sosyal hayata vakit ayırabileceğimi bilmiyorum"
Şu anda yapay zekayı işinize yeterince entegre edemiyorsanız, FOMO hissetmeniz de gayet anlaşılır görünüyor.
Bunun gerçekten içgörü dolu bir yazı olduğunu düşünüyorum.
23 yıllık deneyime sahip, sahada çalışan kıdemli bir geliştiriciyim; 2024’ün ikinci yarısından beri LLM ile geliştirme ve vibe coding’i son sınırına kadar zorlayarak kullanıyorum. AOS/iOS, web servis full-stack, batch işler, model fine-tuning’e kadar gerçekten çok çeşitli alanlarda kullanıyorum ve yaklaşık 5 agent çalıştırarak iş yapıyorum.
Zamanın nasıl geçtiğini anlamadan geliştirme yapıp uyuyakaldığım günleri, 2000’lerin başından sonra ilk kez yeniden yaşayacağımı hiç düşünmemiştim haha.
Lafı uzatmadan, son dönemdeki düşüncem şu: geliştirme alanı artık herkesin yapabileceği bir şey haline geldi.
Coding agent’ların gelişimi daha da hızlanacak ve geliştirme çok daha kolay, çok daha rahat hale gelecek. Excel ya da Word belgesi hazırlamak kadar sıradan bir seviyeye inecek.
Andrej Karpathy’nin dediği gibi en iyi programlama dili "İngilizce"dir; buna katılıyorum.
Kişisel olarak, daha fazla AI makalesi okumaya ve mantıklı biçimde ifade edebilmek için daha çok yazı yazmaya çalışıyorum. (AI ile daha çok konuşmaya da gayret ediyorum.)
Gerçekten heyecan verici günlerden geçiyoruz.
Çeviri yazısı olduğu için paylaşıyorum.
https://rosetta.page/post/…
Oldukça içgörülü bir yazı; okumaya devam ediyor, dönüp dönüp yeniden okuyorum.
Architecture ve QA Engineer'ın ayakta kalacağı bir dönem olacak. Bunun doğru olup olmadığını değerlendiren....
Hacker News görüşleri
Dürüst olmak gerekirse şu an her şey dev bir kumar gibi hissettiriyor
Teknoloji, eğitim, çevre ya da iş; bunların hiçbiri hayatta istikrarlı bir temel garantilemiyor
Borcunu kapatmış, ev almış ve aile kurmuş biri gelecekteki rahatlığını ortaya koyarak kumar oynuyor; öğrenci kredisi ve kırılgan bir sosyal zemine sahip yeni mezun ise adeta hayatının tamamını ortaya koyuyor
Şimdi ailem olduğu için kolayca taşınamıyorum ya da aşırı tasarruf modunda yaşayamıyorum, bu yüzden çok daha kaygılıyım
Programcı olsun olmasın, herkes yakında yerinin doldurulacağı korkusuyla yaşıyor
ABD ekonomisi de berbat durumda, şu an yaşamak için zor bir dönem
Bu kısmen finansal, ama aynı zamanda sosyal beceriler zayıf olsa da sahip olunabilen istikrarlı bir işi kaybetme korkusu
4,5 yıl sonra temel düzeyde finansal bağımsızlığa ulaşabilirim; o zaman nasıl hissedeceğimi merak ediyorum
25 yaşındaysan yeniden başlamak mümkün ama 42 yaşında ve aile sahibiysen bu gerçekten stresli olurdu
En iyi zaman kariyerin başıydı, ikinci en iyi zaman ise tam şu an
Benim deneyimimde LLM'ler kodlamayı otomatikleştirmekten çok hızlandıran araçlar
İstenen çözümü zihnimde canlandırıp LLM'e blok blok anlatarak kodu kademeli biçimde kuruyorum
En büyük artısı, kütüphane fonksiyonlarını ya da sözdizimini arama ihtiyacını azaltması
Sorun, kötü kodun da çoğu zaman yeterince kârlı olması
Prototip ya da kavram kanıtı için uygun olabilir ama bakımı yapılabilir kod için uygun değil
Bankla baraj benzetmesindeki gibi, herkes bir bank yapabilir ama baraj yapamaz
LLM'ler düşük kaliteli kod üretmeyi kolaylaştırıyor ama yüksek kaliteli koda hâlâ ihtiyaç var
Ama HN'de sadece “vibecoding” gibi abartılı şeyler konuşulduğu için gerçek tartışma yapmak zorlaşıyor
LLM'ler giderek daha otonom çalışabilecek şekilde gelişiyor ama bu hız kademeli
Asıl değişimin, geliştirici olmayanların ilk kez kendi işlerini otomatikleştirebilmesi olduğunu düşünüyorum
Bu birçok sektörü büyük ölçüde etkileyecek ve sonuçta bilgisayarların asıl amacına daha da yaklaşacağız
AI ile kod satırı sayısını artırmak bir başarı değil; aksine teknik borç biriktirmek demek
Rust özellikle yardımcı oluyor
Sistem büyüdükçe geliştirme işinin kolaylaşması gibi paradoksal bir deneyim yaşadım
AI junior işlerini otomatikleştirirse, bu sadece ‘junior tanımının’ değişmesi demektir
Junior'lar ortadan kalkmaz, rolleri değişir
2024'te 14 olan stajyer sayısı 2025'te 4'e düştü — bütçede %60-70 kesinti
Eskiden ekibin yarısı yeni başlayanlardan oluşurdu, şimdi ise tamamen senior ekip oldu
AI'nın her sektörde geliştirici talebini patlayıcı biçimde artıracağı senaryosuna katılıyorum
Ama bu rolün ille de ‘geliştirici’ olması gerektiğini düşünmüyorum
Her sektördeki mevcut işler, AI'yı iyi kullanacak şekilde evrilecek
Sonuçta önemli olan, belirli bir alan bilgisini öğrenirken aynı anda AI'dan yararlanma becerisi kazanmak
Ama CTO'lar SaaS'ın yerini alabileceklerini fark ettiği anda, kurum içi çözüm geliştirme patlaması yaşanacak
AI'nın kodu bizim yerimize yazdığı bir dönemde asıl mesele doğrulama hızı
Kodu kendin yazdığında anlama seviyen yükseliyor ve doğrulama için de anlayış gerekiyor
Sonuçta hız ile doğruluk arasındaki trade-off'u kabul etmek gerekiyor
Kod bir anda yığılıyor ve yüksek hıza dair FOMO yüzünden inceleme kalitesi düşme riski taşıyor
Aracın UX'i bile başlı başına dikkatsizliğe teşvik ediyor
AI'nın her sektörde geliştirici talebini artıracağı iddiasına şüpheyle yaklaşıyorum
Yazılım zaten tüm sektörlerin derinliklerine işlemiş durumda ve geriye kalan tek şey tam otomasyon
Ama buradaki darboğaz teknik değil, politik ve pratik sorunlar
Otomobil devrimi gibi yeni meslek grupları oluşturmuyor
Yazılım bağımlılığından çıkmak gerekiyor ve özellikle Almanya'nın artık ciddi biçimde bilgisayar kullanması lazım
Orijinal gönderinin yazarı, AI ile ilgili temel soruları yeterince anlamıyor gibi görünüyor
Örneğin, “uzmanlar otomasyon riski altında” sözü tersine çevrilmiş bir ifade
Uzmanlar araçları denetler, uzman olmayanlar ise aracın talimatlarını izler
Üniversite için de aynı şey geçerli; teoriyi bilen kişi makineyi kontrol eder
Ah, sadece her şeyden vazgeçmek istediğine dair bir şaka yapmış
Komik olan şu ki, yazar COBOL'dan bahsetmişti ve benim komşum da hâlâ bankada COBOL ile çalışıyor
14 yıl önce de öyleydi, şimdi de aynı
Bazen yazılım geliştirmeyi seçmenin yanlış bir karar olup olmadığını düşünüyorum
Senior olsan bile senden hâlâ sürekli öğrenmen ve yan projeler yapman bekleniyor
Hobilerime ya da sosyal hayata ne zaman vakit ayırabileceğimi bilmiyorum
JS framework'leri her değiştiğinde kariyerim bir kumar gibi geliyordu
Angular'a yüklenip sonra her şeyin React'e kaydığını görünce, neye yatırım yapmam gerektiğini hep sorguladım
Sonuçta ömür boyu kaygı içinde bahis oynuyormuşum gibi hissettirdi
Ama mükemmellik istiyorsan ek çaba gerekir
İkisi de meşru seçimler
Şirketlerin amacı kâr etmek olduğuna göre, insan kendi hayatını kendisi korumalı
İstikrarlı bir şirkette yavaş yavaş öğrenerek çalışabilirsin ya da trendleri kovalayıp hızla büyüyebilirsin
Sonuçta mesele kendi hedeflerin ve değerlerin
Ama amaç paraysa ve buna ulaştıysan sorun yok
Yine de en iyisi olmak istiyorsan, işin kendisini sevmen gerekir
Çok yardımcı oldu 👍👍