Küresel Ölçekte Yapay Zeka Uzmanının Yetkinlik Profili (2026)

1 Kasım 2026

Bugün dünya ölçeğinde yapay zeka uzmanı olarak görev yapabilmek için beş katmanda donanım gerekiyor. Birinci katman temel bilgidir: matematik ve istatistik, makine öğrenmesi, büyük dil modelleri, veri, yazılım ve yapay zekanın hukuki ve etik bağlamı. İkinci katman uygulama becerileridir. Bir yapay zeka sistemini tasarlamak, veriyle beslemek, ölçmek, canlıya almak, güvenli hale getirmek ve belgelemek bu katmana girer. Üçüncü katman en az bir alanda derinliktir. Bu alan araştırma, mühendislik, veri, değerlendirme ve güvenlik, yönetişim, strateji veya eğitim olabilir. Dördüncü katman kişisel ve kişilerarası becerilerdir; etik davranış, mevzuata uyum, analitik düşünme, iletişim ve güvenilirlik bunların başında gelir. Beşinci katman ise uzmanı sıradan uygulayıcıdan ayıran düzeydir. Bu düzeydeki kişi belirsiz durumlarda karar verebilir, ödünleşimleri tartabilir, iddiasını ölçerek kanıtlayabilir ve sonuçtan hesap verebilir.

Bu tablo tek bir kaynağın görüşü değil. Avrupa’da CEN’in 2026’da yayımladığı CWA 18398 belgesi 35 yapay zeka rol profili tanımlıyor 1. ABD Savunma Bakanlığı’nın iş gücü çerçevesi 11 veri ve yapay zeka iş rolü için toplam 296 ayrı bilgi, beceri, yetenek ve görev maddesi sayıyor 6 7. Çin’in 2021 tarihli ulusal yapay zeka mühendisliği meslek standardı ise mesleği üç seviyede ve beş uzmanlık yönünde tarif ediyor 8 9. Bunlara iş ilanı analizleri ve alanın önde gelen uygulayıcılarının beceri haritaları eklendiğinde, bölgeler arasında terimler değişse de içeriğin büyük ölçüde örtüştüğü görülüyor.

Bilgi, beceri ve yetkinlik arasındaki fark

Sorunuzdaki üç kavram uluslararası çerçevelerde birbirinden ayrılıyor. Bilgi, bir kişinin bildikleridir. Beceri, o bilgiyle yapabildikleridir. Yetkinlik ise bunların ikisinin doğru tutumla birleşip somut bir sonuç üretmesidir. CWA 18398 yetkinliği şöyle tanımlıyor:

“Competence: demonstrated ability to apply knowledge, skills and attitudes for achieving observable results.” (CWA 18398:2026, 3.13) 1

Yani yetkinlik, bilgi, beceri ve tutumları gözlemlenebilir sonuçlar elde etmek için uygulama becerisinin kanıtlanmış olmasıdır. ABD çerçevesi de aynı mantıkla her rolü bilgi, beceri, yetenek ve görev (KSAT) maddeleriyle tarif ediyor 7. Çin standardı da her seviye için ayrı bilgi düzeyi ve mesleki yetenek gereksinimleri tanımlıyor 8. Bu yüzden bir yapay zeka uzmanının neler bildiği tek başına yeterli değil. Asıl ölçüt, bu bilgiyle neyi ortaya koyabildiği.

1. Temel bilgi: her yapay zeka uzmanının bilmesi gerekenler

CWA 18398, yapay zeka profesyonelinden makine öğrenmesi, veri bilimi, istatistik ve sistem tasarımı alanlarında derin bir anlayış bekliyor. Buna yapay zekanın toplumsal, hukuki ve kurumsal bağlamını anlamayı da ekliyor 1. Bu bilgi tabanı, uzmanlık alanı ne olursa olsun ortaktır. Belge, teknik olmayan rollerde bile bu bilginin gerekli olduğunu vurguluyor. Örneğin bir yapay zeka proje yöneticisinin kod yazması beklenmiyor, ama yapay zekanın kavramlarını, risklerini ve veri gereksinimlerini bilmesi gerekiyor 1.

Matematik ve istatistik. Doğrusal cebir, metnin ve görüntünün vektörlerle nasıl temsil edildiğini anlamak için gereklidir. Olasılık ve istatistik ise iki iş için zorunludur. Birincisi, modellerin neden belirli bir olasılıkla doğru veya yanlış sonuç verdiğini anlamak. İkincisi, bir sistemin performansını güvenilir biçimde ölçmek. Andrew Ng, yapay zeka yazılımında regresyon testlerinin geleneksel yazılıma göre çok daha fazla istatistiksel değerlendirme gerektirdiğini belirtiyor 5. Optimizasyon bilgisi de modellerin nasıl öğrendiğini kavramak için temel oluşturur. Araştırma hattında bu bilgilerin çok daha ileri düzeyde olması beklenir.

Makine öğrenmesi ve derin öğrenme. Denetimli, denetimsiz ve pekiştirmeli öğrenme temel kavramlardır. Aşırı öğrenme (overfitting), yanlılık-varyans dengesi (bias/variance), hata analizi ve sinir ağları da bu temele dahildir. Büyük dil modellerinin temelindeki transformer mimarisini anlamak da artık bu çekirdeğin parçası. Ng’ye göre büyük dil modelleriyle iyi iş çıkaran tanıdığı her mühendis makine öğrenmesini ve derin öğrenmeyi de belli bir derinlikte biliyor 5. ABD’deki Carnegie Mellon SEI enstitüsünün geliştirdiği yetkinlik testleri de bu bilginin uygulamada sınandığını gösteriyor. Testlerden birinde aday, verilen veriyle bir tahmin modeli kurup belirli performans eşiklerini geçmek zorunda 7.

Büyük dil modelleri ve üretken yapay zeka. Bir modelin metni nasıl token’lara böldüğünü ve çıktıyı nasıl ürettiğini bilmek gerekiyor. Bağlam penceresi, örnekleme parametreleri, bilgi kesim tarihi, akıl yürütme düzeyi ve araç çağırma (tool calling) da bu bilginin parçası. Ng’ye göre bu temeller, modele ne zaman güvenilip ne zaman güvenilmeyeceğini anlamayı sağlıyor. Hangi işte hangi modelin kullanılacağına, ne zaman ince ayar (fine-tuning) yapılacağına ya da modelin ne zaman kendi sunucunuzda çalıştırılacağına da bu bilgiyle karar veriliyor 5.

Veri. Yapay zeka sistemlerinin kalitesi büyük ölçüde verinin kalitesine bağlı. CWA 18398’in beceri alanları listesi bu yüzden veri analitiği, veri modelleme, veri mühendisliği, veri kalitesi ve yönetişimi, veri gizliliği mühendisliği ve sentetik veri gibi başlıklarla açılıyor 1. SEI’nin testleri de bu alandaki temel becerileri ölçüyor: Python ile betik yazma, veri sorgulama ve veriyi bir veritabanına doğru biçimde aktarma 7.

Yazılım ve altyapı. Yapay zeka sistemleri sonuçta birer yazılım sistemi. Ng’nin beceri haritasında yazılım mühendisliği temelleri en üst düzeydeki dört beceriden biri 4. İş ilanları da aynı yönü gösteriyor. Stanford AI Index 2026 için yapılan analizde Python, ABD’deki yapay zeka ilanlarında en çok istenen uzmanlık becerisi oldu ve 258.674 ilanda geçti. Uzun vadede en hızlı büyüyen beceriler ise sistemi canlıya almaya yönelik olanlardı: Amazon Web Services, ölçeklenebilirlik ve iş akışı yönetimi 10.

Hukuk, etik ve toplum. CWA 18398’deki her rol profili, yedi çapraz konuda farkındalık ve gerektiğinde proaktif davranış bekliyor. Bu konular erişilebilirlik, etik, bilişim hukuku, gizlilik, güvenlik, sürdürülebilirlik ve kullanılabilirlik 1. Mevzuat bilgisi de artık küresel bir gereklilik. AB Yapay Zeka Yasası, bir sistem AB pazarına sunulduğunda ya da AB’deki insanları etkilediğinde AB dışındaki şirketlere de uygulanıyor 14. Bu yüzden Türkiye’de ya da başka bir ülkede çalışan bir uzmanın da risk sınıflarını, şeffaflık yükümlülüklerini ve veri koruma kurallarını (GDPR, KVKK) bilmesi gerekiyor.

2. Uygulama becerileri: bir yapay zeka uzmanının yapabilmesi gerekenler

Bilgi tabanının üzerine, bir yapay zeka sistemini baştan sona hayata geçirebilme becerisi geliyor. Aşağıdaki dokuz beceri, CWA 18398’in yapay zeka mühendisi profilindeki yetkinliklerden ve Ng’nin iş ilanı analizine dayanan beceri haritasından derlendi 1 4 5. Teknik olmayan hatlardaki uzmanların bu becerilerin hepsini kendi elleriyle uygulaması beklenmez. Ancak her birinin ne anlama geldiğini ve nerede hata çıkabileceğini bilmeleri beklenir.

Problemi tanımlamak ve çözümü tasarlamak. CWA 18398’e göre yapay zeka mühendisi, maliyet, performans ve kalite arasında denge kurarak probleme uygun yapay zeka yöntemini ve teknolojisini seçer 1. Ng bu beceriye “yapılacak işi şekillendirmek” diyor. Yani ürün sezgisi ve iş bağlamı kullanılarak neyin inşa edileceğine karar vermek 4. Bu beceri, bir problemin yapay zeka gerektirmediğini fark etmeyi de kapsıyor.

Modeli veriyle temellendirmek. Büyük dil modelleri, ancak doğru bağlam verildiğinde faydalı sonuç üretiyor. Ng’ye göre bu alan, vektör aramasına dayalı ilk RAG uygulamalarının çok ötesine geçti. Bugün uzmanın bazı kararlar vermesi gerekiyor: Hangi bilgi doğrudan prompt’a konacak, hangisini model ihtiyaç duyduğunda kendisi getirecek? Veri bir vektör indeksinde mi, bir bilgi grafiğinde mi, yoksa yapılandırılmış verinin üzerindeki bir anlam katmanında mı tutulacak? Uzmanın ayrıca PDF, HTML ve görüntü gibi belgeleri modelin kullanabileceği biçime dönüştürmesi ve bu veri hatlarını temiz ve güncel tutması gerekiyor 5.

Model seçmek, uyarlamak ve gerektiğinde eğitmek. Uzman, iş için doğru modeli ya da model karışımını seçebilmeli. Gerektiğinde ince ayar, damıtma (distillation) veya kendi barındırdığı modelleri kullanabilmeli 5. Bazı uygulamalarda hazır bir model yerine kendi eğittiği klasik bir makine öğrenmesi modeline ihtiyaç duyulur. Bu durumda doğruluk, eğitim hızı ve çıkarım hızı arasındaki ödünleşimleri bilmesi gerekir 5.

Ajan sistemleri kurmak ve bileşenleri entegre etmek. Ajan sistemleri, önceden belirlenmiş bir dizi model çağrısından modelin kendi sonraki adımına karar verdiği yapılara kadar uzanıyor. Uzmanın mimariyi seçmesi gerekiyor. Hangi adımlar sıralı, hangileri paralel çalışacak? Hangi işi kod, hangisini model yapacak? Modelin hangi araçlara (MCP, komut satırı, sandbox ortamları) erişeceğine, hangi bellek yapısının kullanılacağına ve ne zaman birden çok ajanın birlikte çalışacağına da uzman karar veriyor 5. Bu beceriye talep hızla artıyor. ABD iş ilanlarında “ajan tabanlı yapay zeka” beceri kümesinin payı bir yılda yüzde 280’den fazla büyüdü 10.

Ölçmek ve test etmek. CWA 18398, yapay zeka mühendisinden modelleri doğruluk, dayanıklılık, adillik ve standartlara uygunluk açısından sistematik olarak değerlendirmesini bekliyor 1. Ng bu beceriyi en ayırt edici özellik olarak görüyor:

“The most important trait that distinguishes someone great at building AI systems is whether you can drive a disciplined evals/error analysis loop to drive development.” 5

Ng’ye göre yapay zeka sistemleri kurmakta gerçekten iyi olan kişiyi ayıran en önemli özellik, geliştirmeyi disiplinli bir değerlendirme ve hata analizi döngüsüyle yönetebilmesi. Bu döngüde kodla yapılan kesin testler, başka bir modelin hakem olarak kullanılması ve insan incelemesi birlikte kullanılıyor 5. ABD çerçevesinde en fazla maddeye sahip rolün “yapay zeka test ve değerlendirme uzmanı” olması da bu becerinin derinliğini gösteriyor. Bu rol 75 ayrı bilgi, beceri, yetenek ve görev maddesiyle tanımlanmış 7.

Canlıya almak ve işletmek. CWA 18398’e göre uzman, yapay zeka çözümünü güvenilir biçimde üretim ortamına alır, performansını izler ve gerektiğinde modeli günceller veya yeniden eğitir 1. Ng, yapay zeka yazılımını işletmenin geleneksel yazılımdan farklı olduğunu söylüyor. Bunun üç nedeni var: öngörülemez çıktılar, maliyet ve gecikme. Bu yüzden uzmanın gözlemlenebilirlik mekanizmaları kurması, performans sapmasını (drift) fark etmesi ve maliyeti ve gecikmeyi optimize etmesi gerekiyor 5.

Güvenliği sağlamak. Uzman, bilinen güvenlik açıklarının farkında olmalı ve güvenliği tasarımın en başından ele almalı 1. Yapay zekaya özgü riskler de bu becerinin parçası. Prompt injection saldırıları, veri sızdırma ve kötü niyetli girdiler bunların başında geliyor. Uzmanın bu risklere karşı koruma bariyerleri tasarlayabilmesi bekleniyor 5.

Belgelemek. CWA 18398’e göre yapay zeka mühendisi, teknik gereksinimlerle uyum gereksinimlerini birleştiren belgeler üretir. Bu belgeler arasında genel amaçlı ve yüksek riskli yapay zeka sistemleri için gereken teknik dokümantasyon, test planı, olay müdahale planı ve şeffaflık bilgileri yer alıyor 1. Yapay Zeka Yasası gibi düzenlemeler yürürlüğe girdikçe belgeleme, teknik bir ayrıntı olmaktan çıkıp yasal bir yükümlülüğe dönüşüyor.

Kodlama ajanlarını yönetmek. Ng’nin haritasında kodlama ajanlarını etkili kullanmak artık ayrı bir üst düzey beceri 4. Ancak Ng bir uyarıda da bulunuyor. Yazılım temellerini bilmeden ajanlara kod yazdıran deneyimsiz bir geliştirici, ajanın yaptığı ödünleşimleri göremiyor ve çoğu zaman kötü sonuçlar alıyor 4. Bu beceri bu yüzden ancak yukarıdaki bilgi tabanıyla birlikte değer kazanıyor.

3. Uzmanlık hattı: en az bir alanda derinlik

Hiçbir çerçeve, tek bir kişinin yapay zekanın bütün alanlarında uzman olmasını beklemiyor. CWA 18398 35 rol profilini beş aileye ayırıyor 1. ABD çerçevesindeki 11 rol yapay zeka benimseme süreçlerinden veri analitiğine, araştırmadan etiğe kadar uzanıyor 7. Çin standardı da beş uzmanlık yönü tanımlıyor: yapay zeka çipleri, yapay zeka platformları, doğal dil ve konuşma işleme, bilgisayarlı görü ve yapay zeka uygulamalarının entegrasyonu 9. Bu çerçevelerin hepsine göre uzmanlık, ortak çekirdekte genişlik ile en az bir alanda derinliğin birleşmesidir. Aşağıda bu kaynakların ortak olarak işaret ettiği yedi hat yer alıyor.

Araştırma. Bu hatta yeni yöntemler, modeller ve algoritmalar geliştirilir. İleri matematik, deney tasarımı ve sonuçları hakemli yayınlarla ortaya koyma becerisi bu hattın ayırt edici özellikleri. LinkedIn verilerinde yapay zeka araştırmacılarının en sık becerileri PyTorch, derin öğrenme ve bilgisayarlı görü olarak öne çıkıyor 12.

Mühendislik ve geliştirme. Yapay zeka mühendisi, makine öğrenmesi mühendisi, yapay zeka uygulama geliştiricisi ve MLOps mühendisi bu hatta yer alıyor. İkinci katmandaki becerilerin en derin uygulandığı hat bu. LinkedIn’in 2026 listesinde yapay zeka mühendisleri en hızlı büyüyen unvanlar arasında. Bu roldeki kişilerde en sık görülen beceriler LangChain, RAG ve PyTorch, önceki deneyim medyanı ise 3,7 yıl 12.

Veri. Veri bilimcisi, veri mühendisi ve veri analisti bu hatta çalışıyor. İleri istatistik, veri hatları kurma, veri kalitesi ve verinin anlamlı bir hikayeye dönüştürülmesi bu hattın temel yetkinlikleri 1 7.

Değerlendirme, güvenlik ve güvence. CWA 18398’de yapay zeka kalite ve değerlendirme uzmanı, yapay zeka güvenlik (security) uzmanı ve yapay zeka emniyet (safety) uzmanı ayrı profiller olarak tanımlanıyor 1. ABD çerçevesinde de yapay zeka test ve değerlendirme uzmanı bağımsız bir rol 7. Bu hattaki uzman, sistemlerin beklendiği gibi, güvenli ve adil çalıştığını kanıtlamaktan sorumludur.

Yönetişim, risk ve uyum. Yapay zeka yönetişim yetkilisi, uyum yetkilisi, risk yöneticisi ve denetçi bu hattın rolleri 1. SFIA, yönetişimin tek bir rolde toplanmadığını belirtiyor. Bu sorumluluk mühendislikten operasyona, değişim yönetiminden bağımsız denetime kadar dağılıyor 2. Bu hattın bilgi tabanı yapay zeka yaşam döngüsünü, ilgili yasaları ve risk yönetimi çerçevelerini kapsıyor. IAPP’nin AIGP sertifikası bu alanların ölçüldüğü bir örnek 16. Yapay zeka yönetim sistemleri için ilk uluslararası standart olan ISO/IEC 42001 de bu bilgi tabanının parçası 17.

Strateji, ürün ve dönüşüm. Yapay zeka ürün yöneticisi, dönüşüm lideri, Chief AI Officer ve yapay zeka danışmanı bu hatta yer alıyor. CWA 18398 bu hat için iş ve yönetim becerilerini sıralıyor: yapay zeka stratejisi, kullanım senaryosu seçimi, değer ve yatırım getirisi ölçümü, maliyet yönetimi, tedarikçi yönetimi ve değişim yönetimi 1. Bu hat, piyasada en çok deneyim istenen hat. LinkedIn verilerine göre yapay zeka danışmanları ve stratejistlerinin önceki deneyim medyanı 8,2 yıl. Bu kişiler en sık kurucu, yazılım mühendisi ve ürün yöneticisi rollerinden geliyor 12.

Eğitim. CWA 18398’deki yapay zeka eğitmeni profili, insanların yapay zekayla ilgili görevleri işyerinde etkili biçimde yapabilmesi için gereken bilgi ve becerileri kazandırmayı hedefliyor. Bu profilin çıktıları öğrenme kazanımları, beceri ihtiyaç analizi, eğitim programları ve yapay zeka okuryazarlığı programları 1. UNESCO’nun öğretmenler için yapay zeka yetkinlik çerçevesi bu hatta ayrıca yol gösteriyor. Çerçeve beş boyutta 15 yetkinlik tanımlıyor 15. AB Yapay Zeka Yasası’nın 4. maddesindeki okuryazarlık yükümlülüğü de bu hatta talebi artırıyor 14.

4. Kişisel ve kişilerarası beceriler

CWA 18398, kişisel becerilere ayırdığı ekte bu konudaki görüşünü açıkça ortaya koyuyor:

“Professional competence in AI extends beyond technical knowledge and formal skills. Personal skills play a critical role in navigating complexity, uncertainty and ethical considerations.” (CWA 18398:2026, Annex M) 1

Belgeye göre yapay zekada mesleki yetkinlik teknik bilgi ve formal becerilerin ötesine uzanıyor. Kişisel beceriler, karmaşıklık, belirsizlik ve etik meselelerle başa çıkmada kritik bir rol oynuyor. Belgedeki rol profillerinin beceri listelerini taradığımda, profil bölümlerinde en sık tekrarlanan becerilerin şunlar olduğunu gördüm. Mevzuata uymak 34 profil bölümünün 30’unda geçiyor, etik davranmak 29’unda. Analitik düşünmek ve iletişim kurmak 25’er, problem çözmek ve öğrenmeye istekli olmak 22’şer profilde yer alıyor. Bunları problemleri fark etmek, kaliteye odaklanmak, sorumluluk üstlenmek, eleştirel düşünmek ve başkalarına öğretmek izliyor 1. Bu dağılım, teknik rollerde bile etik ve hukuki duyarlılığın temel bir beklenti olduğunu gösteriyor.

İş ilanı verileri de aynı yöne işaret ediyor. Lightcast’in 2022 ile 2026 arasındaki ilanları karşılaştıran analizine göre yapay zeka ilanlarında en hızlı yükselen becerilerin önemli bir kısmı teknik değil. Ekipler arası iş birliği ve paydaş yönetimine talep özellikle 2025’te hızla arttı 11. Aynı analizde “güvenilirlik” (trustworthiness) becerisine talep 2022’nin ilk çeyreğinden bu yana yüzde 6000’den fazla arttı. Bu beceriyi isteyen yapay zeka ilanlarında medyan maaş da 2022’deki 84.400 dolardan 2025’te 181.100 dolara yükseldi 11.

PwC’nin 2026 barometresi de benzer bir tablo çiziyor. Yapay zekaya en çok maruz kalan işlerde gereken beceriler diğer işlere göre iki kattan daha hızlı değişiyor. Bu işlere eklenen yeni görevlerin empati, muhakeme ve yaratıcılık gerektirme olasılığı 2,5 kat daha yüksek 13. Bu yüzden öğrenmeye açık olmak ve değişime uyum sağlamak, bu alanda kalıcı olmanın ön koşulu. Teknik sonuçları uzman olmayanlara anlatabilmek de ayrıca ölçülen bir beceri. SEI’nin yetkinlik testlerinden biri bu beceriyi ölçüyor: Adaydan bir analiz sonucunu teknik olmayan bir kitleye açıklaması ve veriyi uygun biçimde görselleştirmesi isteniyor 7.

5. Uzmanı uygulayıcıdan ayıran düzey

Bütün çerçeveler aynı beceriyi farklı düzeylerde tanımlıyor. Avrupa’nın e-CF çerçevesi beş yeterlilik seviyesi kullanıyor (e-1’den e-5’e). Bu seviyeler kişinin etki alanına, çalıştığı bağlamın karmaşıklığına ve özerkliğine göre belirleniyor. CWA 18398 bu seviyeleri eğitim düzeyleriyle de eşleştiriyor. Bu eşleşmeye göre e-3 lisans düzeyine (EQF 6), e-4 yüksek lisans düzeyine (EQF 7), e-5 ise doktora düzeyine (EQF 8) denk geliyor 1. SFIA yedi sorumluluk seviyesi tanımlıyor. Seviye 5’teki kişi alanında yetkin rehberlik sağlıyor, seviye 6’daki kişi düşünce liderliği gösteriyor 3. SEI, ABD çerçevesindeki her madde için temel, orta, ileri ve uzman olmak üzere dört seviye tanımladı 7. Çin standardı da başlangıç, orta ve ileri olmak üzere üç seviye kullanıyor 8.

Bu düzey farkı somut bir örnekle görülebilir. CWA 18398’deki yapay zeka mühendisi profili tipik olarak e-3 seviyesinde tanımlanmış. Bu seviyede mühendis, rutin veya iyi tanımlanmış görevler için yapay zeka uygulamalarını bağımsız olarak tasarlıyor 1. Uzman düzeyindeki kişi ise bunun ötesine geçer. Çerçevelerdeki seviye tanımlarından ve Ng’nin gözlemlerinden yedi ayırt edici davranış çıkıyor.

Belirsiz problemleri tanımlar. Uzman, iyi tanımlanmış bir görev beklemez. Dağınık bir iş ihtiyacını ölçülebilir bir yapay zeka problemine dönüştürür. Bunun yapay zekayla çözülmemesi gerektiğini de söyleyebilir.

Ödünleşimleri tartar. CWA 18398’e göre yapay zeka profesyoneli ödünleşimleri değerlendirir, riskleri azaltır ve sonuçları önceden görür 1. Kalite, maliyet, gecikme ve risk arasındaki dengeyi bilinçli olarak kurar ve gerekçesini açıklayabilir.

Bir sonraki adıma doğru karar verir. Ng’ye göre yapay zeka sistemleri geliştirmek, geleneksel yazılıma göre çok daha döngüsel bir süreç. İyi bir uzman ara sonuçlara bakarak bir sonraki denemeyi doğru seçer. Ng, güvenilir olmayan yapay zeka bileşenlerinden güvenilir bir sistem kurabilmeyi bu yeteneğe bağlıyor 5.

İddiasını ölçerek kanıtlar. Uzman, “sistem iyi çalışıyor” demek yerine bunu ölçümle gösterir. Ölçümün kendisinin güvenilir olup olmadığını da sorgular 5.

Riskleri önceden görür. Uzman güvenlik, adillik, gizlilik ve mevzuat risklerini sorun çıkmadan fark eder. Bu riskleri tasarıma dahil eder.

Başkalarına yön verir ve öğretir. Uzmana danışılır. Ekibinin veya kurumunun yapay zeka pratiğini şekillendirir ve bilgisini aktarır. SFIA’nın 5. ve 6. seviyeleri tam olarak bu etkiyi tarif ediyor 3.

Güncel kalır ve sonuçtan hesap verir. CWA 18398 teknoloji trendlerini izlemeyi ayrı bir yetkinlik olarak tanımlıyor 1. Becerilerin iki kat hızla değiştiği bir alanda bu sürekli bir gereklilik 13. Uzman ayrıca kurduğu ya da önerdiği sistemin sonuçlarından sorumluluk alır. CWA 18398, bir profesyonelden kabul görmüş bir etik kurala veya ilgili mevzuata uymasını ve paydaşlarına değer üretmesini bekliyor 1.

Bu beş katmanın birlikte okunması gerekiyor. Yalnızca temel bilgiye sahip olan kişi iyi bir öğrencidir. Bilgisini uygulama becerisine dönüştürebilen kişi bir uygulayıcıdır. Bir alanda derinleşen, insanlarla ve kurumlarla güvenilir biçimde çalışan, belirsizlik altında doğru kararlar verip bunu sonuçlarla kanıtlayan kişi ise dünya ölçeğinde yapay zeka uzmanı olarak kabul görür.