Yapay zeka Wall Street'teki işlerin yerini almadan önce, ilk olarak bu işleri yaratıyor.
Kurumsal işe alım verileri sağlayan Draup'un CNBC ile özel olarak paylaştığı analizine göre, JPMorgan Chase, Citigroup ve Capital One gibi bankalardaki yapay zeka odaklı pozisyonlar için verilen ilanlar bu yıl 2025'e kıyasla %49 artarak 139.819'a ulaştı.
Draup'un kamuya açık iş ilanları ile LinkedIn dahil platformlardaki verileri tarayarak elde ettiği bilgilere göre, en hızlı büyüyen alan yapay zeka ajanlarını içeren beceri kümesi oldu. Örneğin, ajan orkestrasyonu –yani bir görev üzerinde uyum içinde çalışan ajanlar tasarlama yeteneği– ile ilgili atıflar bu yıl %1.721 oranında sıçrama kaydetti.
Draup CEO'su Vijay Swaminathan bir röportajda, "Bu durum, muhtemelen Wall Street'in en gözde yeteneğidir" dedi ve ekledi: "Bu devasa bir fırsat; verileri anlayan, yapay zekayı ve onu nereye konumlandıracağını bilen insanlara ihtiyaç duyuyorlar."
İş ilanları, Wall Street bankalarının sohbet botlarının ötesine geçerek yapay zeka stratejilerinin yöneticiler, çalışanlar ve hissedarlar açısından sonuçlar doğuran bir sonraki aşamasına geçtiğini gösteriyor. Yapay zekanın verimliliği artırma ve tekrarlayan görevleri otomatikleştirmedeki vaadini gerçeğe dönüştürmek için bankalar; iş yükünün giderek artan kısmını yöneten yapay zeka ajan ordularıyla dolu bir geleceğe doğru ilerliyor.
İlk yapay zeka işe alım dalgasına modeller inşa eden veya bunları kurumsal verilere uyarlayan mühendisler ve veri bilimciler hakim olurken, bu patlama artık yapay zekayı doğrudan iş kollarının içine entegre etmekle sorumlu kişileri de kapsayacak şekilde genişledi.
Bir finans kuruluşunun içinde yapay zeka konuşlandırmak genellikle birden fazla uzmanlaşmış ajanın bir araya getirilmesini gerektirir: örneğin ham verileri inceleyen bir ajan, bir dokümanı analiz eden ikincisi ve yasal uyumluluğu kontrol eden üçüncüsü.
Swaminathan'a göre, genellikle sahada görevlendirilen mühendisler (forward-deployed engineers) olarak adlandırılan bu süreçteki çalışanlar, teknik yetenekler ile alım satım masalarından arka ofis operasyonlarına ve insan kaynaklarına kadar belirli bir iş veya fonksiyonun alan bilgisi kombinasyonuna ihtiyaç duyuyor.
Swaminathan, "Bir kurumun içinde çok fazla karmaşıklık vardır" dedi ve ekledi: "Bazen bu karmaşıklıklar görünürdür, ancak çoğu zaman gizlidirler. Basit bir süreci otomatikleştirmek bile uzun zaman alır."
Örneğin, bir şirketin tatil taleplerinin onaylanmasını otomatikleştirmek için bir ajan ekibi oluşturmanın, bir dizi uç durumu ve özel istisnaları beraberinde getirdiğini belirtti.
Draup CEO'su, ajan orkestrasyon becerisinin özellikle sahada görevlendirilen mühendisler için geçerli olduğunu, çünkü onların işinin hangi ajanların gerekli olduğunu, her birinin ne yaptığını ve hangi teknolojinin kullanılacağını bulmak olduğunu söyledi. Bu aynı zamanda insan denetleyicilerin ne zaman devreye girmesi gerektiğine karar vermeyi de içeriyor.
Yapay zeka altyapısıyla ilgili talep gören diğer beceriler, ajanlara işleri tamamlama yeteneği veren araçları ve teknikleri anlamayı kapsıyor.
Çok adımlı iş akışları oluşturmaya yarayan bir çerçeve olan LangGraph'a yapılan atıflar %679 artarken, yapay zeka uygulamalarını verilere bağlamaya yardımcı olan LlamaIndex %291 yükseldi. Yapay zeka modellerine şirket veritabanlarından bilgi besleme tekniği olan retrieval-augmented generation (RAG) yani erişim destekli üretime atıflar %259 tırmandı.
Bununla birlikte, teknik yeteneklerin ötesinde, sözde yumuşak becerilere (soft skills) verilen önem de giderek artıyor.
Swaminathan, "Analizimiz, problem çözme, yaratıcılık, zor sorular sorabilme, süreçlerin daha derin anlaşılması konusunda iddialı olma gibi yumuşak becerilere yeniden odaklanıldığını gösteriyor" dedi.
Yapay zeka içindeki diğer büyüme alanları arasında, ortaya çıkan bu sistemlerin etrafına koruyucu bariyerler (guardrails) oluşturmaktan sorumlu olanlar yer alıyor.
İş ilanı metinlerindeki bu konuya dair referanslar...