Bankacılıkta bir kariyer, orta kademedeki baskıyı gözler önüne seriyor
Bankacılık profesyoneli Rei Teo, 48 yaşında, deneyimin güvenli bir sonraki adımı garanti etmediğini gördü. 2024'teki yeniden yapılanma sırasında işi yeniden şekillendirildi ve işinden ayrıldı. İşe alımlar yavaşlarken teknoloji de mevcut rolleri değiştirince başka bir kadrolu iş bulmakta zorlandı ve sonunda sözleşmeli bir pozisyonu kabul etti.
İçindekiler
- Bankacılıkta bir kariyer, orta kademedeki baskıyı gözler önüne seriyor
- Orta kademe bireysel kariyerlerin ötesinde neden önemli?
- Yapay zekâ işleri değiştirmeden önce görevleri nasıl değiştiriyor?
- İlk basamağa ulaşmak zorlaşıyor
- Eğitim açmazı hem gençleri hem deneyimli çalışanları etkiliyor
- Yapay zekânın iş yerlerine nasıl gireceğini yöneticiler belirliyor
- Politikalar nitelikli işlere giden yolları yeniden kurabilir
- Kamu hizmetleri pratik bir örnek sunuyor
- İşverenler kurumlarında neleri değiştirebilir?
- Çalışanlar becerilerini ve muhakemelerini ortaya koymalı
- Singapur ilerlemeyi nasıl ölçebilir?
- Öne Çıkanlar
Teo'nun yaşadıkları, Singapur Yetişkin Öğrenimi Enstitüsünün (IAL) belirlediği bir kaygıyı ortaya koyuyor: Ülkede, işini kaybeden profesyonelleri istihdam edecek orta kademe işlerin sayısı yetersiz. Deneyimli çalışanlar, kendi seviyelerinde daha az açık pozisyon bulunduğu için geçici görevlere ya da daha düşük ücretli pozisyonlara geçmek zorunda kalabiliyor.
IAL bu durumu aşağıya doğru itme etkisi olarak adlandırıyor. Şirketler rutin işleri otomatikleştirip yapay zekâ kullanarak ekipleri küçültüyor; böylece orta kademedeki istikrarlı pozisyonların sayısı azalıyor. İş arayan profesyoneller daha küçük bir uygun pozisyon havuzu için rekabet ederken, yeni mezunlara yönelik işe alımların yavaşlaması kariyer basamağına öbür uçtan baskı yapıyor.
Singapur, Cumhuriyet'ten Silikon Vadisi'ne uzanan 10 küresel dijital merkezde yapay zekâ kullanımını inceleyen uluslararası bir araştırma programının başlıca ortaklarından biri. Şimdiye kadarki bulgular, profesyonel işlerin büyük paya, orta kademenin ise sınırlı bir yere sahip olduğu ekonomilerde belirli bir riske işaret ediyor: İşini kaybeden çalışanları istihdam etmek ve geleceğin liderlerini yetiştirmek için gereken işlerin sayısı azalabilir.
20 Eylül 2025 itibarıyla zorluk, orta kademeye uzanan iki yolu da korumak: genç çalışanların ilerlemesini ve deneyimli profesyonellerin istikrarlı istihdama geri dönebilmesini sağlamak. Çözüm, işverenleri, eğitim kurumlarını ve hükümeti ilgilendiriyor; çünkü beceri kazanmak tek başına yeterli değil. Çalışanların bu becerileri kullanabilecekleri işlere de ihtiyacı var.
Orta kademe bireysel kariyerlerin ötesinde neden önemli?
Yöneticiler, ekip liderleri, iş analistleri, mali kontrolörler, ürün yöneticileri, klinik koordinatörleri ve kıdemli teknisyenler farklı işler yapar, ancak önemli bir işlevi paylaşırlar: Bir kurumun planlarını, ekiplerin hayata geçirebileceği işlere dönüştürürler.
Bu çalışanlar, bir kılavuza yazılması zor bilgileri de taşır: Müşterinin ihtiyaçlarının nasıl değiştiği, bir sürecin nerede düzenli olarak aksadığı ya da bir sistemin hangi bölümünün özel dikkat gerektirdiği gibi. Buna çoğu zaman örtük bilgi denir; başka bir deyişle, yazılı talimatlardan değil deneyimden edinilen anlayış. Bu çalışanlar genç meslektaşlarına koçluk yapar ve ekipler değiştiğinde sürekliliği sağlar.
Orta kademenin daralması, üst düzey yöneticilerin daha fazla ayrıntıyla uğraşmasına ve yeni çalışanların uygulama yaparak öğrenme fırsatlarının azalmasına yol açar. Eğitimden mesleki yetkinliğe, oradan liderliğe uzanan basamakları tırmanmak zorlaşır. Bu durum Singapur'da çaba ile ödül arasındaki toplumsal mutabakatı tehdit eder ve işverenlere ve kurumlara duyulan güveni zayıflatabilir.
Singapur uzun süredir, tepede çok sayıda yüksek ücretli ve tabanda çok sayıda düşük ücretli hizmet işi bulunurken aradaki işlerin yetersiz kaldığı iki uçlu bir ekonomiden kaçınmaya çalışıyor. Yapay zekâ, çalışanları destekleyip uzmanlaşma yolları oluşturursa nitelikli ve iyi ücretli kariyerlerin gelişmesine yardımcı olabilir. Ancak insanların ilk deneyimlerini kazandığı rolleri şirketler ortadan kaldırdığında bu yolları daraltabilir.
Yapay zekâ işleri değiştirmeden önce görevleri nasıl değiştiriyor?
2022'nin sonlarından bu yana bankalar, danışmanlık şirketleri ve teknoloji şirketleri; müşteri hizmetleri, kod üretimi, mevzuata uyum kontrolleri, pazarlama metinleri ve kurum içi bilgi aramaları için yapay zekâ yardımcılarını ve sohbet botlarını deniyor. Yapay zekâ yardımcısı, taslak hazırlamak ya da ilgili bilgileri bulmak gibi işlerde kişiye destek olan bir yapay zekâ aracıdır.
Yapay zekâ kullanımı genellikle bir işin bazı bölümleriyle başlar. Bir araç belgeleri özetleyebilir, verileri karşılaştırıp uzlaştırabilir ya da rapor hazırlayabilir; sonrasında bir kişi sonucu kontrol eder. Bazı görevler ortadan kalkarken bazıları artar veya yeni denetim gerektirir. Bir araya geldiklerinde bu değişiklikler, otomasyondan görece korunaklı olduğu düşünülen profesyonel işlerdeki ekiplerin büyüklüğünü ve yapısını değiştirebilir.
Bu dönüşüm, finansal hizmetlerde özellikle belirgin. Otomatik kontroller ve belge incelemeleri, risk ve uyum çalışmalarında yaygınlaşıyor. Operasyon ekipleri raporlama ve veri uzlaştırma için yapay zekâ yardımcılarından yararlanırken, müşterilere hizmet veren ekipler araştırma ve hizmet sunumunda bu araçları deniyor. Model izleme, veri yönetişimi ve yapay zekâ risk yönetimi alanlarında da yeni roller ortaya çıkıyor.
Model izleme, bir yapay zekâ sisteminin zaman içinde nasıl performans gösterdiğini kontrol etmek anlamına gelir. Veri yönetişimi, sistemin kullandığı bilgilerle ilgili sorumlulukları belirler. Yapay zekâ risk yönetimi ise bu teknolojinin kullanımından kaynaklanabilecek sorunlarla ilgilenir. Diğer görevler otomatikleşirken bu faaliyetler insan muhakemesi gerektiren işler yaratır.
Bankacılık, danışmanlık, teknoloji ve kurumsal hizmetler birbiriyle bağlantılı iki baskıyla karşı karşıya. Yeni başlayanlara verilen görevlerin kaldırılması, geleceğin profesyonellerini yetiştirme fırsatlarını azaltıyor. Yerleşik rollerdeki görevlerin ortadan kalkması ise deneyimli çalışanları orta kademedeki daha az sayıdaki iş için rekabete itebiliyor. Her iki süreç de iş gücünün aynı bölümünü zayıflatıyor.
İlk basamağa ulaşmak zorlaşıyor
2025'in başlarında büyük bir banka, yapay zekânın önümüzdeki birkaç yıl içinde sözleşmeli ve geçici iş gücünü 4 bine kadar azaltabileceğini açıkladı. Singapur Para Otoritesi, yıllar önce otomasyonun Cumhuriyet'teki her üç finans işinden birini dönüştürebileceğini ya da ortadan kaldırabileceğini öngörmüştü.
Pazarlama, yazılım ve operasyon alanlarında araçlar saniyeler içinde metin taslağı hazırlayabiliyor, grafik tasarlayabiliyor, koddaki hataları ayıklayabiliyor ve belgeleri özetleyebiliyor. Bu görevler, genç çalışanlara mesleği tanımaları için çoğu zaman ilk fırsatı veriyordu. Bu görevlerin ortadan kalkması hem işe alım ihtiyacını hem de yeni başlayanların öğrenme biçimini değiştiriyor.
Stanford Üniversitesinin milyonlarca ABD bordro kaydını inceleyen bir analizine göre, 2022'nin sonlarında üretken yapay zekâ kullanımının yayılmasının ardından yapay zekâya en fazla maruz kalan mesleklerde kariyerlerinin başındaki çalışanların istihdamı göreli olarak yüzde 13 azaldı. Aynı mesleklerdeki daha yaşlı çalışanların istihdamı ise sabit kaldı ya da arttı. Düzenleme, ücretlerin düşmesinden çok işe alımların azaltılması yoluyla gerçekleşti.
Üretken yapay zekâ; metin, görsel ya da bilgisayar kodu gibi içerikler üretir. ABD'de belirlenen istihdam eğilimi, işverenlerin daha önce mesleğe yeni başlayanlara verilen işleri araçlara devretmesiyle işe alımları azaltabildiği kariyer basamağının ilk basamağındaki baskıya işaret ediyor.
Singapur'daki anketler genç çalışanların kaygılarını yansıtıyor. Z kuşağından katılımcıların yaklaşık yarısı yapay zekânın rollerinde büyük bir dönüşüme yol açmasını bekliyor; 10 kişiden altısı ek eğitim arayışında olduğunu söylüyor. Şirketlerin yalnızca yaklaşık üçte biri yapılandırılmış yapay zekâ eğitimi sunuyor. Bazı genç profesyoneller, otomasyona daha az açık olduğunu düşündükleri, istikrarı ve ilerleme yolları daha belirgin nitelikli mesleklere yöneliyor.
Eğitim açmazı hem gençleri hem deneyimli çalışanları etkiliyor
Genç çalışanların muhakeme becerisi geliştirmek için uygulama yapması gerekir. İlk taslağı yapay zekâ hazırladığında, işlerinin görünüşü kusursuz olabilir ama kavrayışları yüzeysel kalabilir. Kıdemli meslektaşları metni düzeltmeye daha fazla zaman ayırırken, yeni başlayanlar bir yanıtın neden doğru ya da yanlış olduğunu öğrenmek için daha az fırsat bulabilir.
Yeni başlayanlara yönelik bir rol, mesleğin temelini öğrenmeden bir aracı yönlendirmeye odaklandığında eğitim zayıflar. İlk çıktı daha hızlı alınabilir, ancak bağımsız sorumluluk üstlenmeye hazır çalışanlardan oluşan havuz daralır. Bu durum zamanla orta kademede ihtiyaç duyulan yetkin profesyonellerin sayısını da etkiler.
Deneyimli çalışanlar farklı bir sorunla karşı karşıya. Stanford analizinde deneyimli çalışanlar arasında görülen istikrarla uyumlu biçimde, bilgi ve mesleki ağlar bazı ileri yaştaki çalışanları koruyabiliyor. Ancak yeniden yapılanma sırasında işinden ayrılan 40'lı ve 50'li yaşlardaki profesyoneller, kadrolu pozisyonlar azalırken sözleşmeli işler artınca yeniden istikrarlı bir işe dönmekte zorlanabiliyor.
Teo'nun yaşadıkları, orta kademeyi güçlendirmek için aynı anda iki tür desteğin neden gerektiğini gösteriyor: Düzenli biçimde yetişmiş genç çalışanların sisteme katılması ve kariyer değiştiren ya da işini kaybettikten sonra yeniden iş arayanlar için uygun işlere dönüş yollarının yapılandırılması.
Gelişmeler birkaç yıla yayılıyor:
- 2022'nin sonlarından bu yana üretken yapay zekâ kullanımı hızlandı, profesyonel hizmetlerdeki görevleri değiştirdi ve Stanford'un istihdam analizine zemin hazırladı.
- 2024'te Teo, bankadaki işinin yeniden yapılanma sırasında yeniden şekillendirilmesinin ardından ayrıldı ve sonrasında kadrolu bir iş bulmakta zorlandı.
- 2025'in başlarında büyük bir banka, yapay zekânın önümüzdeki birkaç yılda 4 bine kadar sözleşmeli ve geçici pozisyonu azaltabileceğini açıkladı.
- 20 Eylül 2025 itibarıyla Singapur, işini kaybeden profesyonelleri destekleme ve genç çalışanların deneyim kazanma fırsatlarını koruma gibi birbiriyle bağlantılı görevlerle karşı karşıyaydı.
Yapay zekânın iş yerlerine nasıl gireceğini yöneticiler belirliyor
Şirket liderleri, yapay zekânın çalışan sayısını azaltmaya mı yoksa çalışanların daha değerli işler yapmasına yardımcı olmaya mı odaklanacağını belirliyor. Orta kademedeki yöneticiler bu kararları günlük uygulamaya dönüştürüyor. İş akışlarını yeniden tasarlamak, meslektaşlarını yeniden eğitmek ve yeni araçlara güven oluşturmak için zamana, kaynağa ve üst düzey liderlerin desteğine ihtiyaçları var.
Başlangıç noktası temel yapay zekâ okuryazarlığıdır. Çalışanların veriyi, modellerin sınırlarını ve gizlilik sorumluluklarını anlaması gerekir. Riski sınırlı denemeler, öğrenilenlerin paylaşılması ve ilk başarılar, ekiplerin araçların nerede işe yaradığını belirlemesine yardımcı olabilir.
Müşteri hizmetleri, finans, insan kaynakları ve operasyonlar; yapay zekâ desteğini insan denetimiyle birleştirmek için fırsatlar sunuyor. Farklı işlevlerden gelen ekipler, başarılı pilot uygulamaların yaygınlaştırılmasına ve mevcut süreçlerdeki darboğazların giderilmesine yardımcı olabilir. Eğitim ihtiyaçları arasında model izleme, komut tasarımı, iş akışı tasarımı ve kurumsal değişimin yönetimi bulunuyor.
Teşvikler de önem taşıyor. Ağırlıklı olarak çalışan sayısını azaltmaya göre ödüllendirilen yöneticilerin harekete geçme gerekçesi, genç meslektaşlarını geliştirmeleri ve işleri yeniden tasarlamaları karşılığında ödüllendirilen yöneticilerinkinden farklıdır. Orta kademeyi korumak için çalışan gelişimini başarılı yapay zekâ kullanımının bir parçası olarak görmek gerekir.
Politikalar nitelikli işlere giden yolları yeniden kurabilir
Singapur, pandemi sırasında mezunların iş hayatına başlamasına yardımcı olmak için staj programlarından yararlandı. Dijital ve profesyonel işler için önerilen kalıcı bir ulusal çıraklık programı bu yaklaşımı genişletebilir; finans, sağlık, kamu hizmetleri, imalat ve medya alanlarında 12 ila 24 ay süren ücretli iş yerleştirmeleri sunabilir.
Bu tür yerleştirmelerde yapılandırılmış mentorluk, beceri kontrol listeleri ve düzenli geri bildirim gerekir. Katılımcılar işin bir parçası olarak yapay zekâ araçlarını kullanırken, bu araçların çıktılarını kontrol edip uygulamak için gereken muhakemeyi de öğrenir. İkili eğitim sistemine sahip ülkeler, istihdama geçişi desteklemek ve genç işsizliğini düşük tutmak için eğitimi iş yerinde öğrenmeyle birleştiriyor. Bu yaklaşımın işlemesi için ölçek ve süreklilik önemli.
Kariyer değiştiren çalışanların da finansmana ve zamana ihtiyacı var. Kariyer Dönüşüm Programları, iş başında eğitim hibeleri ve SkillsFuture kredileri; yapay zekâ talebi değiştirirken veri, operasyon ve hizmet alanlarındaki rollere yönlendirilebilir. 40 yaş ve üzerindekilere yönelik genişletilmiş sübvansiyonlar, işverenlerin ilgili sektörlerden deneyimli adayları işe almasını kolaylaştırabilir.
Diploma ya da dereceye doğru ilerleyen kısa süreli yeterlilikler başka bir yol sunuyor. Biriktirilebilir bu yeterlilikler, çalışanların aşamalı olarak ilerleme kaydettiğini göstermelerine olanak tanıyor ve işverenlere becerileri tanımak için ortak bir ölçüt sağlıyor.
Yapay zekâ kullanımına yönelik kamu desteğine çalışanlara yönelik taahhütler de eşlik edebilir. İşlerin yeniden tasarlanması için verilen hibeler; stajyer pozisyonları açılmasını, süreç değişikliklerinin kayda geçirilmesini ve öğrenme kaynaklarının şirket içinde paylaşılmasını şart koşabilir. Ücret desteği, işverenlerin çalışanları yapay zekâ riski, müşteri başarısı ve ürün operasyonları gibi insan muhakemesi gerektiren ekiplere kaydırmasına yardımcı olabilir.
Açık standartlarla desteklenen, yapay zekâ güvenliği ve yönetişimi konusunda eğitimli bir iş gücü, denetime yönelik yeni talebi karşılayabilir ve otomasyon riskinin bir bölümünü dengeleyebilir. Bu öneriler, yalnızca eğitimin yeni iş fırsatları yaratmasını beklemek yerine teknoloji yatırımlarını istihdam ve ilerleme yollarına bağlamaya odaklanıyor.
Kamu hizmetleri pratik bir örnek sunuyor
Tüm kamu görevlilerinin yapay zekâ okuryazarlığı kursunu tamamlaması gerekecek. Kamu hizmetleri liderlerinden de yapay zekâyı günlük işlerinde bilinçli kullanmaları isteniyor. Görevlilerin üçte biri hâlihazırda kurum içi bir yardımcı kullanıyor ve rutin işleri otomatikleştirmek için binlerce özel bot geliştirildi.
Başbakan Yardımcısı Gan Kim Yong, liderleri yapay zekâyı sorumlu biçimde benimseyerek ve hizmet ile yönetişimi iyileştirdiği yerlerde ekipleri bu araçları kullanmaya teşvik ederek örnek olmaya çağırdı. Kamu hizmetleri yaklaşımı, ortak bir öğrenme temelini günlük işlere yönelik uygulamalarla birleştiriyor.
Büyük kurumlarda bu yaklaşım, liderlerin kararlarını pratik deneyimle buluşturuyor. Çalışanların hem teknolojiyi anlaması hem de sonuçlara ilişkin uygun sorumlulukla onu uygulama fırsatları bulması gerekiyor.
İşverenler kurumlarında neleri değiştirebilir?
İşverenler deneyimi koruyarak, ilerleme yollarını görünür kılarak ve işini kaybeden çalışanlara kurum içinde başka rollere geçme fırsatı vererek orta kademeyi genişletebilir. Uygulanabilecek önlemler yazılım satın almanın ya da giriş düzeyinde bir kurs sunmanın ötesine geçiyor.
- Yapay zekâyı önce tekrarlayan işleri ortadan kaldırmak için kullanın; ardından kazanılan zamanı eğitim, müşteri hizmetleri ve ürün kalitesine ayırın.
- Bilgi yoğun işler için yapılandırılmış çıraklık programları oluşturun; her yeni çalışanı ya da stajyeri bir mentorla, beceri müfredatıyla ve artan sorumluluklara yönelik gelişiminin takibiyle destekleyin.
- Deneyimin personel değişiklikleriyle kaybolmaması için pratik bilgileri el kitaplarına, kontrol listelerine ve kurum içi başvuru sayfalarına kaydedin.
- Yöneticilerin primlerini, bağımsız çalışabilen genç çalışanlar yetiştirmelerine ve kurum içi terfilerin başarısına bağlayın.
- Kurum içi pozisyonları açıkça duyurun ve işini kaybeden çalışanların farklı birimlere geçebilmesi için becerileri esas alarak işe alım yapın.
- Veri, operasyon, tasarım ve risk alanlarında, ücret skalaları açık ve statüsü yönetim kariyerlerine denk uzmanlık kariyerleri oluşturun.
- Model riski, veri kalitesi, gizlilik ve önyargı konularındaki sorumluluğu belirleyin ve çalışanları bu görevler için eğitin.
- Çalışanların yapay zekânın nerede işe yaradığını, nerede yetersiz kaldığını anlaması için ilk başarıları ve başarısızlıkları paylaşın.
Bu önlemler aynı sorunun farklı yönlerini ele alıyor. Mentorluk geleceğin profesyonellerinin yetişmesini sürdürür, kurum içi hareketlilik deneyimi korur, uzmanlık kariyerleri ise yetkin çalışanların tamamının yönetici olmasını gerektirmeden ilerleme imkânı yaratır.
Çalışanlar becerilerini ve muhakemelerini ortaya koymalı
Çalışanlar, bir alandaki bilgilerini yapay zekâ becerileri ve insani becerilerle birleştirerek konumlarını güçlendirebilir. Amaç bir sorunu belirlemek, uygun araçları seçmek ve işe yarar bir sonuç sunmaktır.
- Yapay zekâ yardımcılarının nasıl çalıştığını, nerede başarısız olduğunu ve nasıl etkili biçimde yönlendirileceğini öğrenin. Çıktılarını kontrol edip hatalarını ayıklama pratiği yapın.
- Yapay zekâ becerilerine pratik bir temel kazandırmak için bir sektörün verileri, düzenlemeleri, iş akışları ve müşteri sorunları hakkında bilgi edinin.
- Süreçleri haritalandırmayı, açık devir notları hazırlamayı ve bulguları sunmayı öğrenin. Açıklama ve ikna becerileri farklı rollerde de işe yarar.
- Panoları okuyarak, basit deneyler tasarlayarak ve gelir, risk, maliyet ya da müşteri sonuçlarıyla bağlantılı gelişmeleri takip ederek veri konusunda muhakemenizi geliştirin.
- Yapay zekâ kullanarak hız, kalite ya da hizmette sağladığınız iyileşmeleri gösteren bir portföy oluşturun. Somut sonuçlar, becerilerin değerlendirilmesini kolaylaştırır.
- Mesleki deneyimin yanı sıra veri analitiği, bulut araçları, siber güvenliğin temelleri ya da yapay zekâ güvenliği alanlarında biriktirilebilir yeterlilikleri değerlendirin.
- Mesleki topluluklara katılın ve yapay zekânın denendiği farklı birimlerdeki projelerde gönüllü olun; böylece katılım yoluyla öğrenme fırsatları yaratın.
Kariyer değiştiren profesyoneller, mevcut muhakeme becerilerinden yararlanabilecekleri yakın alanlardaki rolleri değerlendirebilir. Operasyon yöneticileri, yapay zekâ kullanan süreç iyileştirme rollerine geçebilir. Müşteri ilişkileri yöneticileri, müşteri başarısı çalışmalarını analitikle birleştirebilir. Uyum görevlileri model riskinin denetimi alanına geçebilir.
Deneyimi çözülen sorunlar ve elde edilen sonuçlar üzerinden anlatmak, bu bağlantıları görünür kılar. Yapay zekânın bu deneyimi nasıl ileri taşıdığını göstermek, işverene yeni araçlara aşina olmaya ilişkin genel bir iddiadan daha somut bilgi sunar.
Singapur ilerlemeyi nasıl ölçebilir?
Singapur, orta kademenin durumunu istihdam istikrarı, eğitime erişim ve daha fazla sorumluluk içeren işlere gerçek geçişler üzerinden değerlendirebilir. Kurslara katılım önemlidir; ancak iş arama, terfi ve başarılı geçiş verileri, öğrenimin fırsatlarla bağlantı kurup kurmadığını gösterir.
Bu ilerlemeyi izlemek için önerilen ölçütler arasında şunlar bulunuyor:
- Profesyonel ve teknik mesleklerdeki kadrolu pozisyonların sözleşmeli pozisyonlara oranı.
- İşini kaybeden 40-55 yaş aralığındaki profesyonellerin iş aramak için harcadığı medyan süre.
- Yapılandırılmış eğitim ya da çıraklık programı sunan yeni başlayan pozisyonlarının ilanlar içindeki payı.
- Başlıca sektörlerde genç çalışanların orta kademeye kurum içi terfi oranları.
- Ulusal programlar aracılığıyla her yıl tamamlanan kariyer dönüşümlerinin sayısı.
- Kamu ve özel sektördeki yapay zekâ okuryazarlığı kurslarına katılım ve kursları tamamlama oranları.
- Orta kademede yeni fırsatlar sunan model riski ve veri sorumluluğu gibi yönetişim rollerinin oluşturulması.
Bu ölçütlerin takibi işverenlerin, çalışanların ve politika yapıcıların Singapur'un kariyer basamaklarını yeniden kurup kurmadığını görmesine yardımcı olur: Yeni başlayanlara gerçek çalışma deneyimi kazandırmak, deneyimli kişilerin istikrarlı işlere dönmesine yardımcı olmak ve teknoloji etrafında nitelikli roller yaratmak.
Öne Çıkanlar
- IAL, işini kaybeden profesyonellerin önceki seviyelerinde yeterince istikrarlı iş bulamadığı bir aşağıya doğru itme etkisi tespit ediyor.
- Yapay zekâ, yerleşik rolleri değiştirirken genç çalışanların öğrenme fırsatlarını azaltabilir ve orta kademeye uzanan iki yolu da baskı altına alabilir.
- Stanford analizine göre, ABD'de yapay zekâya en fazla maruz kalan mesleklerde kariyerlerinin başındaki çalışanların istihdamı göreli olarak yüzde 13 azalırken daha yaşlı çalışanların istihdamı sabit kaldı ya da arttı.
- Singapur'daki ankete katılan Z kuşağı mensuplarının yaklaşık yarısı yapay zekânın büyük bir dönüşüme yol açmasını bekliyor, 10 kişiden altısı eğitim arayışında. Şirketlerin yaklaşık üçte biri yapılandırılmış yapay zekâ eğitimi sunuyor.
- Ücretli çıraklık programları, kariyer dönüşümüne destek ve yapay zekâ hibelerine eklenen istihdam taahhütleri, ilerleme yollarını güçlendirmek için önerilen yöntemler arasında.
- Tüm kamu görevlilerinin yapay zekâ okuryazarlığı eğitimini tamamlaması gerekecek. Üçte biri hâlihazırda kurum içi bir yapay zekâ yardımcısı kullanıyor.
- İşverenler mentorluk, kurum içi geçişler ve uzmanlık kariyerleriyle deneyimi koruyabilir; çalışanlar ise alan bilgisi, yapay zekâ becerileri ve muhakemeyi bir arada kullanabildiklerini gösterebilir.






