Unvanınız Ne İş Yaptığınızı Söylüyordu. Artık Söylemiyor.

Yıllarca unvanlar, en azından kabaca, bir insanın organizasyondaki yerini ve hangi işi üstlendiğini anlatıyordu.

Mühendislik, tasarım, analiz, ürün, satış…

Sınırlar hiçbir zaman kusursuz değildi ama okunabiliyordu. Bir kartvizite bakar, karşınızdaki kişinin şirkette neye yakın durduğunu az çok anlardınız.

Şimdi o sınırlar bulanıklaşıyor.

Çünkü yapay zekâ mesleklerin tamamını ortadan kaldırmıyor; ama onları tanımlayan görevlerin giderek daha büyük bir bölümünü üstleniyor.

Kod yazıyor. Analiz yapıyor. Taslak hazırlıyor. Veri tarıyor. Sunum oluşturuyor. Araştırıyor.

Kartvizit hâlâ aynı şeyi söylüyor.

Ama kartvizitin anlattığı iş değişiyor.

Geriye şu soru kalıyor:

Makine yapılabilir olanı devraldıkça, insanın değeri nerede oluşacak?

Son dönemde iki farklı gelişme bu soruya ilginç biçimde aynı yerden cevap veriyor.

Birinci işaret: Unvandan çok, getirdiğiniz hareket

Claude Code’un yaratıcısı Boris Cherny, kendi çalışma ortamına baktığında klasik meslek sınırlarının giderek anlamsızlaştığını anlatıyor.

Mühendislik, ürün, tasarım, veri bilimi…

İnsanlar yalnızca kendi kutularında çalışmıyor. Ürün tarafındaki biri kod yazabiliyor, teknik biri ürün kararının içine girebiliyor.

Buradan farklı bir çerçeve çıkarıyor.

İnsanları yalnızca unvanlarıyla değil, işe hangi tür hareketi getirdikleriyle düşünmek.

Beş arketip tanımlıyor:

Prototyper fikri hızla görünür hale getiriyor.

Builder onu çalışan, sağlam bir ürüne dönüştürüyor.

Sweeper karmaşıklığı temizliyor, sadeleştiriyor.

Grower ürünü pazarda büyütüyor.

Maintainer olgunlaşmış sistemi güvenli, hızlı ve sürdürülebilir tutuyor.

İlginç olan şu:

Bunların hiçbiri belirli bir mesleğe ait değil.

Bir tasarımcı Prototyper olabilir.

Bir mühendis Sweeper olabilir.

Bir ürün yöneticisi Builder gibi davranabilir.

Yani soru yavaş yavaş “Ne iş yapıyorsunuz?”dan başka bir yere kayıyor:

Bir işe girdiğinizde neyi hareket ettiriyorsunuz?

Bu küçük bir dil değişikliği değil.

Çünkü aynı insan, ürünün bir aşamasında olağanüstü değer yaratırken başka bir aşamasında yanlış kişi olabilir.

Bir prototip aşamasında sürekli ölçek, güvenlik ve kusursuzluk düşünmek işi yavaşlatabilir. Olgun bir sistemde ise tam da bu kaygılar sistemi ayakta tutar.

Yetenek değişmemiştir.

Bağlam değişmiştir.

Dolayısıyla değer yalnızca “iyi olmak”tan doğmuyor.

Doğru zamanda doğru tür katkıyı getirmekten doğuyor.

İkinci işaret: Masadan müşterinin içine

Aynı dönemde başka bir rol hızla görünür hale geliyor:

Forward Deployed Engineer — FDE.

Ne klasik danışman.

Ne satışçı.

Ne de yalnızca masasında ürün geliştiren bir mühendis.

Müşterinin gerçek probleminin içine giriyor. Veriyi görüyor, iş akışını anlıyor, sistemi entegre ediyor, çözümü kuruyor ve çalışır hale getiriyor.

Rol yeni değil. Palantir yıllar önce bu yaklaşımın öncülerinden biriydi.

Yeni olan, yapay zekâ çağında bu rolün neden yeniden bu kadar değerli hale geldiği.

Çünkü kurumsal AI, çoğu zaman klasik yazılım mantığındaki gibi “satın al, kur, kullan” kadar basit çalışmıyor.

Her şirketin verisi farklı.

İş akışı farklı.

İstisnaları farklı.

Yetki sınırları farklı.

Uyum ve güvenlik gereksinimleri farklı.

Modeli satın almak kolaylaşıyor.

Modeli gerçek işe bağlamak zorlaşıyor.

FDE’nin değeri tam burada ortaya çıkıyor.

Ürünü müşteriye bırakmıyor.

Ürünle müşterinin gerçek işi arasındaki boşluğu kapatıyor.

Model çalışıyor. Peki iş sonucu nerede?

MIT Project NANDA’nın 2025 tarihli kurumsal GenAI çalışması da benzer bir probleme dikkat çekti.

İncelenen girişimlerin büyük bölümünde ölçülebilir finansal etkinin ortaya çıkmadığı görüldü.

Bunun anlamı “AI çalışmıyor” değildi.

Daha rahatsız edici bir şeydi:

Teknolojinin çalışmasıyla şirketin bundan değer üretmesi aynı şey değil.

Bir model çok iyi metin üretebilir.

Çalışanın işini hızlandırabilir.

Bir pilot toplantıda etkileyici görünebilir.

Ama şirketin gelirine, maliyetine, nakit akışına, riskine veya karar kalitesine dokunmuyorsa kurumsal değer başka bir yerde kayboluyor demektir.

Çoğu zaman o kayıp modelin içinde değil.

Model ile gerçek iş arasındaki mesafede.

Veri entegrasyonunda.

İş akışında.

Geri bildirim mekanizmasında.

Sahiplikte.

Ve insanın nerede devreye gireceğinin tasarlanmamasında.

İki ayrı gelişme, aynı şeyi söylüyor

Cherny’nin arketipleri içerideki ekibe bakıyor.

FDE müşterinin içine bakıyor.

İlk bakışta farklı dünyalar.

Ama ikisinin söylediği şey şaşırtıcı biçimde benzer:

Makine işi yaptıkça, insanın değeri yaptığı görevden çok işi ileri taşıma biçiminde yoğunlaşıyor.

Sorunu kim tanımladı?

Dağınıklığı kim sadeleştirdi?

İki ayrı dünyayı kim birbirine bağladı?

Nerede insan muhakemesi gerektiğini kim gördü?

Çözümün gerçekten işe yaradığını kim takip etti?

Ve sonuç çıkana kadar kim işi sahiplendi?

Bunların hiçbiri tek başına bir unvan değil.

Kartvizit ve parmak izi

Belki meseleye şöyle bakmak daha kolay.

Unvan bir kartvizite benziyor.

Basılabilir.

Standartlaştırılabilir.

Aynı sektörde binlerce kişide bulunabilir.

Ne yaptığınız ise daha çok bir parmak izi gibi.

Ancak eylemden doğuyor.

Bir problemi nasıl gördüğünüzde.

Neyi diğerlerinden önce fark ettiğinizde.

Karmaşık bir şeyi nasıl sadeleştirdiğinizde.

Bir işi nereden alıp nereye taşıdığınızda ortaya çıkıyor.

Yapay zekâ çağında kartvizit ortadan kalkmayacak.

Ama parmak izi daha değerli hale gelecek.

Çünkü standartlaştırılabilen görevlerin maliyeti düştükçe, kolay kopyalanamayan taraf önem kazanıyor.

Muhakeme.

Bağlam.

Sahiplik.

Problem seçimi.

Birleştirme becerisi.

Sonuca bağlama kapasitesi.

Kurumlar açısından mesele daha büyük

Bu değişim yalnızca çalışanların kariyerini ilgilendirmiyor.

Şirketlerin insanları nasıl örgütlediğini de değiştiriyor.

Bugün hâlâ birçok organizasyon önce kutuları çiziyor:

Finans.

IT.

Pazarlama.

Ürün.

Operasyon.

Sonra insanları o kutulara yerleştiriyor.

Fakat AI giderek fonksiyonların arasındaki sınırları deliyor.

Bu durumda yönetimin sorusu da değişmek zorunda.

“Bu kişinin unvanı ne?” yerine:

“Bu problemin bu aşamasında hangi tür insan katkısına ihtiyacımız var?”

Belki hızlı prototip kuracak birine.

Belki sistemi sağlamlaştıracak birine.

Belki müşterinin içine girip teknolojiyle gerçek problemi birbirine bağlayacak birine.

Belki de bütün bunların nerede ve hangi sırayla yapılacağını tasarlayacak birine.

İşte burada teknoloji meselesi, karar mimarisi meselesine dönüşüyor.

Kimin nerede devreye girdiği.

AI’ın neyi yaptığı.

İnsanın neyi üstlendiği.

Hangi kararın otomatikleştiği.

Hangi kararın insan doğrulamasından geçtiği.

Ve bütün bu yapının gerçek bir iş sonucuna bağlanıp bağlanmadığı.

Kartvizitin arkası

Bir gün birine kartvizitinizi uzattığınızda karşınızdaki yine unvanınızı okuyacak.

Ama o unvan muhtemelen sizin hakkınızda eskisi kadar çok şey söylemeyecek.

Asıl hikâye kartvizitte yazmayan tarafta olacak.

Hangi karmaşık problemi çözdünüz?

Hangi noktada oyuna girdiniz?

Neyi başkalarının göremediği biçimde gördünüz?

Hangi işi sonuna kadar sahiplendiniz?

Ve siz ayrıldıktan sonra geride ne kaldı?

Belki de yapay zekâ çağında kariyer için en zor soru artık şu:

Makine yapılabilir olanı devraldığında, geriye sizden kalan iz ne?

Eğer cevap yalnızca unvanınızsa, sorun tam da orada başlıyor.

Kaynaklar

• Boris Cherny / Claude Code — Prototyper, Builder, Sweeper, Grower ve Maintainer arketipleri; AI çağında klasik fonksiyon sınırlarının bulanıklaşmasına ilişkin değerlendirmeleri.

• MIT Project NANDA — The GenAI Divide: State of AI in Business 2025 — kurumsal GenAI uygulamalarında ölçülebilir iş etkisi, öğrenme açığı ve iş akışına entegrasyon sorunları.

• Aishwarya Srinivasan (2026) — AI şirketlerinde Forward Deployed Engineer rolünün yeniden yükselişi ve ürün ile müşterinin gerçek iş problemi arasındaki entegrasyon ihtiyacı.

• Palantir — Forward Deployed Engineer yaklaşımının erken ve kurumsallaşmış örneklerinden biri.