Alan Uzmanlığı: Yazılım Geliştirmenin Gerçek Gücü
Software development has traditionally been about deeply understanding a domain and then translating that understanding into code. For example, building a payroll system required intricate knowledge of garnishments, pre-tax deductions, and handling rate changes across pay periods. Similarly, a transit app demanded understanding GTFS feeds and the distinctions between trips and routes. The code was merely a transcription of this acquired domain understanding; the real challenge was always gaining that understanding.
Agentic AI’ın Paradigma Değişimi
Agentic yapay zeka araçları bu geleneksel bağı kopardı. Artık yazılım, domain modelini kafanızda oluşturmadan üretilebiliyor. Bu durum, tüm yazılım sektörünün üzerine kurulu olduğu temel bir varsayımı yıkıyor. Daha önceki yaygın görüş, bu araçların kıdemli geliştiricileri, muhakeme yetenekleri sayesinde güçlendirdiği yönündeydi. Ancak gözlemlenen daha spesifik ve ilgi çekici bir değişim var: Kısıtlayıcı faktör ‘yapabilir misin?’den ‘doğru olup olmadığını anlayabilir misin?’ sorusuna kaydı.
Alan Uzmanının Yeni Rolü
Bu yeni araçları etkili bir şekilde kullanabilecek kişiler arasında, yazılım geçmişi olmayan ancak derin domain uzmanlığına sahip bireyler öne çıkıyor. Bir lojistik sevk görevlisi, klinik kodlayıcı veya aktüer gibi kişiler, oluşturulan bir programın çıktısını anında değerlendirerek yasal olmayan bir vardiyayı veya yanlış bir talep kodunu tespit edebilir. Onlarca yıl boyunca ilgili girdiler ve çıktılarla iç içe yaşadıkları için doğru sonuçları bilirler. Ajanlar, bu uzmanların eksik olan kod üretme yeteneğini sağlarken, onlar da yapay zekanın sağlayamayacağı ‘gerçekliği’ sunarlar.
Genelci Mühendisin Çıkmazı
Öte yandan, domain hakkında tecrübesi olmayan güçlü bir genelci mühendis, sistem mimarisi, güvenilirlik ve test etme konularında bilgili olsa da, doğru görünen ancak hatalı bir cevabı ayırt etmekte zorlanır. Yapay zeka, derlenen, mühendisin yazdığı testleri geçen, ancak ince ve pahalıya mal olacak şekilde yanlış bir faturalama kuralı üretebilir. Mühendis, doğruluğun tamamıyla kendi zihninde olmayan bir domain tarafından tanımlandığı durumlarda, yazılımın ‘doğru’ olduğunu doğrulayamaz.
Kariyer Yollarının Dönüşümü
Agentic AI öncesinde, mühendislerin alan uzmanlığı edinme yolu vardı: Uzmanlarla çalışarak, teknik dokümanlar okuyarak ve üretimde hatalar yaparak yavaşça zihinsel modeli oluşturabilirlerdi. Bu yol, birçok alanda tüm kariyer basamağını temsil ediyordu. Ancak domain uzmanlarının benzer bir yolu yoktu, çünkü güvenilir yazılım geliştirmeyi öğrenmek yıllar süren bir çalışmaydı. Agentic araçlar, bu yollardan birini daraltırken diğerini bırakmadı. Bir mühendisin avantajı olan domain modelini çalışan koda dönüştürme yeteneği artık ucuz. Domain uzmanının ‘doğru’nun neye benzediğini bilme avantajı ise paha biçilemez. Binlerce maaş bordrosunu uzlaştırmış bir kişinin örtük bilgisini bir prompt ile elde edemezsiniz.
Yeni Dünyada En Değerli Beceriler
Bu yeni dünyada en değerli kişi, her iki beceriye de sahip olandır; hem üretilen kodun sağlam olduğunu hem de ürettiği cevapların doğru olduğunu doğrulayabilir. Örneğin, ‘bir sürücü on bir saati aşamaz’ kuralını bilen biri olarak testi yazabilir ve testin kendisinin anlamlı olduğunu bilir çünkü neyi test ettiğini anlar. Yapay zeka kodlamayı üstlenirken, bu kişiler iki katmanlı bir yargılama yaparlar.
Deneyimli bir mühendis olarak önümüzdeki birkaç yılınızı nerede geçireceğinizi düşünüyorsanız, işte cevap budur. Temiz bir fikri temiz koda dönüştürmek için harcadığınız mekanik becerinin değeri önemli ölçüde azaldı. Hala nadir olan şey, gerçek bir domainin derin, doğrulanmış bir modelidir. Bir endüstri, bir enstrüman, bir düzenleyici rejim veya fiziksel bir süreci, bir zamanlar bir programlama dilini veya framework’ü öğrendiğiniz gibi öğrenin. Bu, yapay zekanın sizin için yapamayacağı ve artık en çok değer taşıyan kısımdır.
