AI Forward Deployed Engineer: Her şirketin ihtiyacı olan mühendis ya da danışman
- MUHARREM GEZER
- 4 gün önce
- 6 dakikada okunur
Bugün bir youtube videosu izledim. Startup Ideas'ın sunucusu, Varick Agents'tan Vas ile oturmuş, tek bir soruyu enine boyuna konuşuyorlardı: Artık her şirket aynı yapay zekaya erişebiliyorsa, fark nereden çıkacak?1
Soru basit. Ama cevabı, çoğu yöneticinin gözünden kaçan bir yere işaret ediyor.
Vas'ın tezi net: Zekanın kendisi bir metaya dönüştü. Claude Code, Codex, Cursor... Herkes aynı rafın önünde. Fark artık modelde değil; o modeli nereye, nasıl ve neden koyduğunuzda. Bu işi yapan kişinin de bir adı var: Forward Deployed Engineer (FDE, Türkçesiyle sahaya konuşlanmış mühendis). Yani modeli laboratuvardan alıp müşterinin gerçek işine gömen mühendis.1
Bu yazıda iki şeyi anlatacağım. Önce bu rolün tam olarak ne olduğunu ve neden bir anda herkesin diline düştüğünü. Sonra Vas'ın bir yıllık saha öğrenimini sıkıştırdığı 30 günlük planı. Amaç şu: Ünvanı almadan işi yapabilmek.
Forward Deployed Engineer tam olarak ne demek?
Terimin kökeni aslında askeri. "Forward deployed", ileri konuşlanmış birlik demek: karargâhta değil, olayın olduğu yerde duran asker. Yazılıma girişi ise Palantir üzerinden oldu.
Palantir bu rolü 2000'lerin ortasında icat etti. Müşterileri CIA, NSA ve ordu istihbaratıydı; sorun şuydu ki bu kurumlar ne istediklerini açıkça anlatamıyordu.2 Klasik bir danışman üretim kodu yazamıyor, klasik bir yazılımcı da müşterinin karmaşık sahasını okuyamıyordu. Palantir ikisini tek kişide birleştirdi ve içeride onlara "Delta" adını verdi. Bir dönem şirkette normal yazılımcıdan çok FDE çalışıyordu.3
Farkı şurada aramak lazım: Bir FDE müşteriye "şunu yapmalısınız" diyen bir rapor bırakıp gitmez. Müşterinin ekibiyle yan yana oturur, onların verisi ve altyapısı üzerinde çalışan, üretime giren kodu kendi yazar. Sorumluluğu tavsiye değil, çalışan sistemdir.4
Rakamlar bu profilin ne kadar arandığını gösteriyor. Indeed'de FDE ilanları Nisan 2025 ile Nisan 2026 arasında yüzde 700'ün üzerinde arttı; yaklaşık 640 ilandan 5.300'e çıktı.3 Andreessen Horowitz rolü açıkça "teknolojinin en sıcak işi" diye tanımladı.3 Bugün OpenAI, Anthropic, Databricks ve Cohere aynı modeli neredeyse birebir kopyalıyor.2
Neden şimdi? Çünkü zekâ ucuzladı, yargı pahalılaştı.
Vas'ın çıkış noktası tek cümlede özetlenebilir: Sizin satın alabileceğiniz en iyi model, rakibinizin de satın alabileceği model. O halde rekabet modelde değil, o modeli işe geçirme becerisinde belirleniyor.
Peki bu neden zor? Rakamlar acımasız. MIT'nin 2025 tarihli "State of AI in Business" raporuna göre kurumsal üretken yapay zeka pilotlarının yüzde 95'i ölçülebilir hiçbir getiri sağlamıyor.5 30-40 milyar dolar harcanmış, 300'den fazla proje incelenmiş; yüz projeden doksan beşi parayı yiyor, sonuç vermiyor.5 Raporun teşhisi de net: kabahat modelin kalitesinde değil, iş akışına entegrasyonda.5
İşte FDE'nin asıl işi tam burada başlıyor. Bir iş akışına bakıp "bu adım gerçekten bir dil modeli mi istiyor, yoksa basit bir eğer-ise kuralı mı yeterli?" diye sorabilmek. Kendi danışmanlık projelerimde de gördüğüm en pahalı hata bu: her yere yapay zeka tıkıştırmaya çalışmak. Demo aşamasında herkesi büyüleyen ajanların gerçek kurumsal veriye çarpınca nasıl tökezlediğini daha önce Araftaki Yapay Zeka Projeleri yazımda uzun uzun anlatmıştım.6 Sorun hemen hemen hep aynı yerde: seçici tasarım eksikliği.
Milyon dolarlık kombinasyon: Sanat artı bilim
Vas iki tür yargıdan bahsediyor. Birincisi iletişim yargısı: müşterinin gerçekliğini okuyabilmek, doğru soruyu sorabilmek, işin dilini konuşabilmek. İkincisi mühendislik yargısı: üretime giren, gerçekten çalışan bir sistem kurabilmek. FDE bu ikisinin kesişiminde duruyor.
Ben bunu şuna benzetiyorum: aynı anda hem sanatı hem bilimi akıcı konuşabilen biri. İkisini bir arada bulmak nadir. O nadirlik de doğrudan maaşa yansıyor.
Palantir'de bir FDE'nin toplam ücreti 415 bin doları aşıyor; OpenAI'daki saha rollerinde taban maaşlar 220-280 bin dolar bandında.4 Genel aralık kabaca 173 bin ile 630 bin dolar arası.7 En tepede, iki yargıyı da üst düzeyde taşıyan isimlerde rakam yıllık bir milyon dolara dayanıyor.1
İşin özündeki döngü: Audit, Evals, Deployment
Vas bütün işi üç adımlı bir döngüye indiriyor. Bu döngü, karmaşık görünen FDE işini elle tutulur hale getiriyor.
İlk adım audit (denetim):
Gerçek iş akışına bakıp yeniden kurmaya değecek olanı bulmak.
İkinci adım evals (değerlendirme):
Belirsiz, öznel görünen görevleri ölçülebilir kanıta çevirmek. Yapay zekanın doğası olasılıksaldır; aynı soruya iki farklı cevap verebilir. Evals tam da bu belirsizliği bir test setine, bir puana dönüştürür.
Üçüncü adım deployment (dağıtım):
Çözümü sıfırdan değil, müşterinin zaten kullandığı NetSuite, Salesforce, SAP gibi sistemlerin üzerine kurmak. Vas burada iki şeyin altını çiziyor: tam denetim izi ve insan onayı. Ajan ne yaptıysa görülebilmeli, kritik adımda bir insan "evet" demeli.1
Döngünün güzelliği kendini beslemesi. Her iyileştirilen akış bir sonrakini netleştiriyor. Bu fikir aslında yeni değil; yapay zekanın bir işi baştan sona kendi başına götürmesi meselesini geçen ay Loop Engineering (Döngü Mühendisliği) yazımda ele almıştım.8 Oradaki çekirdek fikir de buydu: ajanı tek tek komutlarla değil, tamamlanan bir döngü olarak düşünmek.
Ünvanı almadan işi yapmak: 30 günlük plan
Vas bir yılda öğrendiğini dört haftaya sıkıştırıyor. Mantık şu: FDE olduğunu söyleyene kadar bekleme, işi yapmaya bugün başla. İşte planın iskeleti.1
Hafta | Hedef | Çıktı |
1. Hafta | Kur | Gerçek bir görevi baştan sona tamamlayan bir ajan. Küçük ama tam bir döngü. |
2. Hafta | Sağlamlaştır | Girdi/çıktı şemaları, hata modları ve istisna yönetimi. Ajan patladığında ne olacağını sen belirle. |
3. Hafta | Ölç | Ajanın değerini gelir, risk ve maliyet ekseninde ölçülebilir hale getir. Rakam yoksa değer yok. |
4. Hafta | Savun | Çözümü hem bir mühendis hem bir üst yönetici (VP) gibi savunabilmek. Teknik ve iş dilini aynı anda konuşmak. |
Tablo 1: 30 günlük planın haftalık çıktıları (Kaynak: Startup Ideas Podcast, 2026).
Dikkat edilecek nokta şu: Plan, "önce teoriyi öğren" demiyor. İlk günden çalışan bir şey kurmanı istiyor. Palantir'in kendi eğitim kamplarında da mantık aynıydı; üçüncü günde çalışan bir uygulama ortaya çıkıyordu.2 OpenAI'ın saha ekibinin Iowa'da John Deere ile tarım sezonunun sıkışık takvimine yetişmek için çalışması da bunun canlı örneği.9
Ancak şu an şirketlerdeki en büyük sorunlar süreçlerin yeni teknolojiler ile nasıl yeniden tasarlanacağı konusunda bilgi eksikliği ve verinin merkezi olmaması, veri kalitesi ve sahipliğindeki sorunlar. EDT Center tarafından projelerde kullanılan www.edtbpm.com çözümü ve https://mdmflow.edtcenter.com/ aracı ile desteklenmiş veri yönetimi hizmeti tam da bu eksiklikleri gideriyor.
Türkiye için ne anlama geliyor?
13 Haziran 2026'da açıklanan Türkiye Yapay Zeka Eylem Planı iddialı hedefler koydu: en az 10 milyar dolar yatırım, 2030'a kadar 110 bin uzman, 5 milyon vatandaşa temel eğitim.10 Bu tabloyu daha önce 2026 AI Tahminleri yazımda değerlendirmiştim. Ama uzman derken tam olarak kimi kastettiğimiz önemli.
Türkiye'de bol miktarda iyi yazılımcı var. İş dünyasını iyi okuyan danışman da var. Eksik olan, ikisini tek kişide birleştiren profil. Bir KOBİ sahibiyle oturup üretim planlama akışını anlayabilen, sonra da aynı kişinin gidip o akışı otomatikleştiren ajanı yazabildiği durum nadir. FDE'nin Türkiye'deki karşılığı büyük ihtimalle bu boşluğu dolduran kişi olacak.
Somut tavsiyem şu: Bir sonraki yapay zeka projenizi bir "model seçme" kararı gibi değil, bir "akış seçme" kararı gibi ele alın. Hangi modeli kullanacağınız zaten giderek önemsizleşiyor. Asıl soru, işinizin hangi tek adımını yeniden kurarsanız ölçülebilir bir kazanç elde edeceğiniz. Vas'ın önerisi burada pratik: ilk denetimi ücretsiz yapıp değeri sayıyla gösterin. Biz de danışmanlıkta bunu bir "sprint" olarak konumlandırınca müşteri masaya çok daha rahat oturuyor.
Zekânın metalaştığı bir dünyada, herkesin elindeki aynı güçlü model artık bir avantaj değil, sadece bir başlangıç noktası. Fark, o modeli kimin gerçek işe dönüştürebildiğinde saklı.
O yüzden size bir soru bırakayım: Şirketinizde bugün yapay zekayı "nereye" koyacağına karar veren kişi kim? Eğer bu soruya net bir isim veremiyorsanız, aradığınız FDE'yi henüz işe almamışsınız demektir.
https://ais.edtcenter.com/ adresinden ücretsiz yapay zeka olgunluk seviyenizi ölçebilir, size özel raporu alabilirsiniz.
Kaynaklar
1. The FDE Blueprint — Startup Ideas Podcast (Varick Agents, Vas), 2026
2. Palantir's Forward-Deployed Engineering Playbook — Perspective AI, 2026
3. Forward Deployed AI Engineers: Role + When to Use — Futureproofing.dev, 2026
4. What Is a Forward Deployed Engineer? The Complete Guide — Netguru, 2026
5. MIT Says 95% of Enterprise AI Fails (State of AI in Business 2025) — Forbes / MIT NANDA, 2025
6. Araftaki Yapay Zeka Projeleri - Cennet / Cehennem — EDT Center, 2026
7. Forward-Deployed Engineer Role: Palantir & More — Paraform, 2026
8. Loop Engineering (Döngü Mühendisliği) — EDT Center, 2026
9. How Palantir Invented the Forward Deployed Engineer Model — FDE Academy, 2026
10. 2026 AI Tahminleri: Globalde Neler Konuşuluyor, Türkiye'de Ne Yaşıyoruz? — EDT Center, 2026
EDT CENTER OLARAK NELER YAPIYORUZ?
Dijital Dönüşüm Olgunluk Seviyesi Ölçümü
Yapay Zeka Olgunluk Seviyesi Ölçümü
Ana Veri Yönetimi
İş Yazılım Analiz, Değerlendirme, Araştırma, Sözleşme Yönetimi ve Uygun Tedarikçi Seçimi
İş Yazılım Denetim
Strateji Belgesi Oluşturma
Şirket İçi Özel Eğitim Programları (Yapay Zeka, Veri Okuryazarlığı, Liderlik)
Dijital dönüşüm yolculuğunuza bugün başlamak veya mevcut yapay zeka stratejinizi güncellemek için EDT Center uzmanlarıyla iletişime geçin:
📧 contact@edtcenter.com | 📞 +90 541 946 5000 | 🌐 www.edtcenter.com
Yorumlar