IBM'in sektör dönüşümü planı yapay zeka, 5G ve işbirliğinden nasıl yararlanıyor?
Veri bilimi rolleri hala "seksi" ancak iş piyasasındaki kargaşaya karşı bağışık değil.
Veri bilimcisi olmanın "21. yüzyılın en seksi işi" olması gerekiyordu. 2012'nin ünlü Harvard Business Review aforizmasının su tutup tutmadığı, "seksi" yi nasıl yorumladığınıza bağlı olarak biraz özneldir. Bununla birlikte, veri bilimcilerinin yanı sıra ilgili veri mühendisliği ve veri analisti rolleri etrafındaki veriler alarm vermeye başlıyor.
HBR'nin aforizmasının öznel yanı, verileri bulmaktan ve temizlemekten, veri işlem hatları ve entegrasyon kodu oluşturmaktan ve hata ayıklamaktan ve ayrıca makine öğrenimi modelleri oluşturmaktan ve iyileştirmekten gerçekten hoşlanıp hoşlanmadığınızdır. Bu görev listesi, bu sırayla, veri bilimcilerinin zamanlarının çoğunu harcadıkları şeydir.
Bazı insanlar, iş tanımı nedeniyle veri merkezli kariyerlere gerçekten ilgi duyar; Talep ve maaşlardaki artış diğerlerini daha çok cezbediyor. İş tanımının karanlık tarafları bilinmese de, büyüme ve maaşlar kısmı çok fazla tartışılmadı. Ancak bu durum değişiyor olabilir: veri bilimcisi rolleri hala talep görüyor ancak piyasa kargaşasına karşı bağışık değiller.
Karışık sinyaller
2022'nin başında, bir şeylerin değişiyor olabileceğine dair ilk işaret ortaya çıktı. Çevrimiçi işe alım firması Dice tarafından yayınlanan verilerin IEEE Spectrum analizinin gösterdiği gibi, 2021'de yapay zeka ve makine öğrenimi maaşları düştü, ancak ortalama olarak ABD teknoloji maaşları yaklaşık %7 arttı.
Genel olarak, 2021, Amerika Birleşik Devletleri'ndeki teknoloji profesyonelleri için iyi bir yıl oldu ve ortalama maaş %6.9 artarak 104,566 dolara yükseldi. Bununla birlikte, IEEE Spectrum'un belirttiği gibi, makine öğrenimi, doğal dil işleme ve yapay zeka uzmanları için rekabet yumuşadı ve ortalama maaşlar sırasıyla %2,1, %7,8 ve %8,9 düştü.
Örneğin, makine öğrenimi konusunda uzmanlığa sahip yazılım mühendislerinin ortalama ABD maaşları 2019'da 2018'e göre %22 arttığından, ardından 2020'de %3,1 daha arttığından, bu son yıllarda ilk kez meydana geldi. Aynı zamanda, veri bilimci rollerine olan talep herhangi bir azalma belirtisi göstermiyor - tam tersine.
Geliştirici işe alım platformları, veri bilimiyle ilgili BT becerilerine olan talepte keskin bir artış gördüğünü bildiriyor. Geliştirici tarama ve mülakat platformu DevSkiller tarafından hazırlanan en son BT Becerileri Raporu , 2021 yılında işe alım uzmanlarının mülakat sürecindeki adaylar için belirlediği veri bilimiyle ilgili görevlerin sayısında %295'lik bir artış kaydetti.
CodinGame ve CoderPad'in 2022 Teknoloji İşe Alım Anketi , DevOps ve makine öğrenimi uzmanlarının yanı sıra veri bilimini de talebin arzı büyük ölçüde geride bıraktığı bir meslek olarak tanımladı. Sonuç olarak, ZDNet'ten Owen Hughes, işverenlerin rekabetçi kalmayı umuyorlarsa, çalışanlara sundukları maaşları ve sosyal yardım paketlerini yeniden değerlendirmek zorunda kalacaklarını belirtiyor.
Veri bilimi ve yapay zeka pazarı karışık sinyaller gönderiyor
Ayrıca 2021, herkesin kariyerleri de dahil olmak üzere her şeyi yeniden düşündüğü bir zaman olan "Büyük İstifa" veya "Büyük Değişiklik" olarak bilinen şeye tanık oldu. Teorik olarak, işgücünün bir kısmının yörüngelerini ve hedeflerini yeniden tanımlaması ve/veya istifa etmesi, talebi ve maaşları artırmalıdır - veri bilimcilerinin neden istifa ettiği ve işverenlerin onları elde tutmak için neler yapabileceği üzerine analizler tur atmaya başladı.
Ardından, veri bilimcisi, veri mühendisi ve veri analisti rollerinin işten çıkarılması da dahil olmak üzere işten çıkarmalar geldi. LinkedIn'in en son işten çıkarma turuna ilişkin analizinin belirttiği gibi, teknoloji sektörünün çalkantılı yılı, günlük işten çıkarma duyuruları, işe alımların dondurulması ve iptal edilen iş teklifleriyle ifade edildi.
Dünya çapında 70'ten fazla teknoloji girişiminden yaklaşık 17.000 işçi, Nisan ayına göre %350'lik bir artışla Mayıs ayında işten çıkarıldı. Bu, pandeminin zirvesinde olan Mayıs 2020'den bu yana sektördeki en önemli iş kaybı sayısı. Buna ek olarak, Netflix ve PayPal gibi teknoloji devleri de işten çıkarırken , Uber, Lyft, Snap ve Meta işe alımları yavaşlattı .
Teknoloji işten çıkarma takip sitesi Layoffs.fyi tarafından paylaşılan verilere göre, takip edilen şirketlerdeki işten çıkarmalar işgücünün %7 ila %33'ü arasında değişiyor. Şirkete özel verilerin detayına inmek, bunların veri odaklı rolleri de içerdiğini gösteriyor.
Örneğin, FinTech Klarna ve sigorta girişimi PolicyGenius'tan elde edilen verilere bakıldığında, işten çıkarmalar, veri bilimcisi, veri mühendisi ve veri analisti rollerinin hem genç hem de üst düzey düzeyde etkilendiğini gösteriyor. Her iki şirkette de bu roller işten çıkarmaların yaklaşık %4'ünü oluşturuyor.
Yüksek teknolojili coolie'ler kendilerini işlerinden kodluyorlar
O zaman bu karışık sinyallerden ne anlamalıyız? Veri bilimi ile ilgili görevlere olan talep güçlü bir şekilde devam ediyor gibi görünüyor, ancak maaşlar düşüyor ve bu roller de işten çıkarmalara karşı bağışık değil. Bu sinyallerin her biri kendi arka planı ve çıkarımları ile birlikte gelir. Onları açmaya çalışalım ve izdihamlarının iş arayanlar ve işverenler için ne anlama geldiğini görelim.
Dice'ın baş pazarlama sorumlusu Michelle Marian'ın IEEE Spectrum'a söylediği gibi, makine öğrenimi ve yapay zeka maaşlarındaki düşüşlere katkıda bulunan çeşitli faktörler var ve önemli bir husus, daha fazla teknoloji uzmanının bu beceri setlerini öğrenmesi ve ustalaşmasıdır:
"Zaman içinde yetenek havuzundaki artışlar, beceri setlerini bulmanın daha kolay olduğu göz önüne alındığında, işverenlerin en azından biraz daha az ödeme yapmasına neden olabilir. Bunun bir dizi sertifika ve diğer son derece uzmanlaşmış teknoloji becerileri ile gerçekleştiğini gördük "dedi Marian.
Bu makul bir sonuç gibi görünüyor. Bununla birlikte, veri bilimi ve makine öğrenimi için oyunda başka bir şey de olabilir. Veri bilimcileri ve makine öğrenimi uzmanları yalnızca birbirleriyle değil, aynı zamanda otomasyona karşı da giderek daha fazla rekabet ediyor. Hong Kong merkezli kantitatif portföy yöneticisi Peter Yuen'in belirttiği gibi, kuantistler bunu daha önce gördü.
En iyi yapay zeka araştırmacılarının 1 milyon dolar aralığında maaş aldığına dair haberlerden yola çıkan Yuen, bunun "küresel vasıflı işgücü fazlası zemininde kendilerini işlerinden kodlayan yüksek teknolojili coolie'lerin uzun bir eğiliminin devamı olarak daha doğru bir şekilde yorumlanması gerektiğini" yazıyor.
Yuen, finansal piyasaları otomatikleştirme konusunda üç kuşak nicelik deneyiminin geçmesi gereken bir şeyse, birçok sektördeki sıradan AI uygulayıcılarının otomasyonunun belki de sadece on yıl kadar uzakta olduğunu yazıyor. Bundan sonra, küçük bir grup seçkin AI uygulayıcısının yönetim veya mülkiyet statüsüne ulaşacağını, geri kalanının ise yaratımlarını izlemek ve sürdürmekle görevli ortalama ücretli işlerde sıkışıp kalacağını ekliyor.
AutoML ve kullanıma hazır makine öğrenimi modellerinin kitaplıkları gibi gelişmelerin kanıtladığı gibi, bu döngünün ilk aşamalarında olabiliriz. Eğer tarih geçecek bir şeyse, o zaman Yuen'in tarif ettiği şey de muhtemelen geçecek ve kaçınılmaz olarak yerinden edilmiş işçilerin nasıl "yığını yukarı taşıyabileceği" konusunda sorulara yol açacaktır.
Yapay zeka balonunun patlaması
Bununla birlikte, veri bilimi rollerinin yakın gelecekte bu konuda çok fazla endişelenmek zorunda kalmayacağını varsaymak muhtemelen güvenlidir. Ne de olsa, veri bilimi projeleriyle ilgili sıkça dile getirilen bir başka gerçek de, bunların ~%80'inin çeşitli nedenlerle hala başarısız olmasıdır. Veri bilimi başarısızlığının en halka açık vakalarından biri Zillow'du.
Zillow'un işletmesi, ev satın alma hizmeti için doğru tahmine dayalı modeller oluşturmak için büyük ölçüde veri bilimi ekibine güvenmeye başladı. Anlaşıldığı üzere, modeller o kadar doğru değildi. Sonuç olarak, şirketin hisseleri 5 gün içinde %30'un üzerinde düştü, CEO veri bilimi ekibini çok suçladı ve personelin %25'i işten çıkarıldı.
Zillow'da veri bilimi ekibinin hatalı olup olmadığı tartışmaya açık. Son işten çıkarmalara gelince, bunlar muhtemelen veri bilimi ekiplerinin kendi başına bir başarısızlığından ziyade ekonomideki daha büyük bir dönüşün parçası olarak görülmelidir. Data Science Central Topluluk Editörü Kurt Cagle'ın yazdığı gibi, 1970'lerde yapay zeka girişimlerine yönelik fonların tamamen kuruduğu döneme geri dönen, yaklaşan bir yapay zeka kışından söz ediliyor.
Cagle, bir Yapay Zeka Kışı olası olmasa da, uzayda üst düzey bir risk sermayesi alanının soğumasıyla bir Yapay Zeka Sonbaharının beklenebileceğine inanıyor. 1970'lerin Yapay Zeka Kışı, büyük ölçüde teknolojinin göreve uygun olmaması ve bunun için yeterli sayısallaştırılmış veri olmamasından kaynaklanıyordu.
Dot-com balonu dönemi, günümüzün veri bilimi rolleri için bazı derslere sahip olabilir
Günümüzde çok daha fazla bilgi işlem gücü mevcut ve veri miktarı da hızla artıyor. Cagle, sorunun şu anda kullanılan sinir ağı mimarilerinin sınırlarına yaklaşıyor olmamız olabileceğini savunuyor. Cagle, parlak beyinlerin sadece yerleşik düşünceyi uygulamak yerine gerçekten dinlenip yenilik yapabildiği bir dönemin sektöre büyük olasılıkla iyi geleceğini de ekliyor.
Diğer pek çok kişi gibi Cagle da "derin öğrenme her şeyi yapabilecek" düşünce okulundaki eksikliklere dikkat çekiyor. Bu eleştiri geçerli görünüyor ve bugün göz ardı edilen yaklaşımları dahil etmek, bu alanda ilerlemeyi sağlayabilir. Ancak unutmayalım ki burada önemli olan tek şey teknoloji tarafı değil.
Belki de yakın tarih bazı içgörüler sunabilir: Yazılım geliştirme ve internet tarihi bize ne öğretebilir? Bazı açılardan, şu anda bulunduğumuz nokta dot-com balonu dönemini anımsatıyor: artan sermaye mevcudiyeti, aşırı spekülasyon, gerçekçi olmayan beklentiler ve tavandan değerlemeler. Bugün, yapay zeka balonunun patlamasına doğru gidiyor olabiliriz.
Bu, veri bilimi rollerinin bir gecede çekiciliğini kaybedeceği veya yaptıklarının değersiz olduğu anlamına gelmez. Ne de olsa, yazılım mühendisleri, yazılım mühendisliğinin son birkaç on yılda gördüğü tüm ilerleme ve otomasyon için hala talep görüyor. Ancak bu muhtemelen bir yeniden kalibrasyonun zamanı geldiği ve beklentilerin buna göre yönetilmesi gerektiği anlamına gelir.