Məzmuna keç
AIWorks

Azərbaycanda süni intellekt mühəndisi: tələbat, maaş və ilk iş

Ramin Səfərov6 dəqiqəlik oxu

31. Azərbaycanda süni intellekt mühəndisinə tələbat varmı?

Tələbat var və artır, amma dürüst olmaq lazımdır: bazar hələ kiçikdir və açıq vakansiyaların sayı klassik proqramçı vakansiyalarından azdır. Böyümə istiqaməti isə aydındır.

Bir neçə göstərici var. BirJob-un 2026-cı ilin martındakı icmalı ↗ AI/ML mühəndisinə tələbatı "orta, artır" kimi qiymətləndirir və yaxın bir-iki ildə kəskin artım gözləyir. Dövlət tərəfində Süni İntellekt Strategiyası çərçivəsində 2028-ci ilə qədər 600-dən çox süni intellekt mühəndisi hazırlamaq hədəfi qoyulub. AI Academy-nin ilk 57 məzunundan 35-nin bank-maliyyə, sənaye, dövlət və akademik sahədə işə başladığı açıqlanıb.

Vakansiya elanlarından kənarda qalan bir hissə də var: süni intellekt bacarığı artıq mövcud vəzifələrin içinə daxil olur. Backend proqramçıdan LLM inteqrasiyası, analitikdən avtomatlaşdırma gözlənilir. AIWorks-da bizneslərlə işləyərkən gördüyüm odur ki, ehtiyac çox vaxt "AI mühəndisi" adı ilə yox, konkret problem şəklində gəlir.

32. Azərbaycanda süni intellekt mühəndisi nə qədər maaş alır?

Açıq mənbələrə görə, Bakıda AI/ML mühəndisinin orta aylıq maaşı təxminən 2500–5500 manat aralığındadır. Bu rəqəm BirJob-un 2026-cı ilin martındakı icmalından ↗ götürülüb.

Bu rəqəmə ehtiyatla yanaşın. Mənbə iş elanları platformasının bloqudur, hesablama metodu açıqlanmayıb və səviyyələr üzrə bölgü verilməyib. Eyni icmal İT sahəsində ümumi başlanğıc maaşını 800–1200 manat göstərir və bölgələrdə məvacibin Bakıdan 20–40% aşağı ola biləcəyini qeyd edir.

Maaş vədi verməyi düzgün saymıram. Real gəlir üç şeydən asılıdır: nə qura bildiyinizdən, hansı sahədə işlədiyinizdən və yerli, yoxsa xarici bazara işlədiyinizdən. Xarici şirkətlərlə uzaqdan işləyənlərin gəliri yerli orta göstəricidən fərqlənə bilər.

33. Hansı şirkətlər süni intellekt mütəxəssisi axtarır?

Ən çox bank və maliyyə, telekommunikasiya, böyük holdinqlər, dövlət qurumları və texnologiya şirkətləri axtarır. Bunlar böyük həcmdə məlumatı və təkrarlanan prosesləri olan təşkilatlardır.

Azərbaycanda İT işəgötürənləri arasında adətən Kapital Bank, PASHA Holding, ABB, Azercell, Azerconnect və Crocusoft kimi adlar çəkilir. Dövlət tərəfində Milli Süni İntellekt Mərkəzi var: AI Academy-nin ilk məzunlarından yeddisi orada işə başlayıb.

İkinci qrup süni intellekt həlləri hazırlayan kiçik şirkətlər və startaplardır. Burada komanda kiçik, məsuliyyət isə geniş olur: eyni adam həm modeli qoşur, həm inteqrasiyanı yazır, həm müştəri ilə danışır. Öyrənmək üçün bu, çox dəyərli mühitdir.

Üçüncü qrup xarici şirkətlərdir; onlarla uzaqdan işləmək mümkündür. Vakansiya axtararkən yalnız "AI Engineer" yazmayın: "ML Engineer", "LLM Engineer", "Data Scientist", "Automation Engineer" adları altında da eyni iş ola bilər.

34. Təcrübəsiz (junior) kimi ilk işi necə tapmaq olar?

İlk işi CV yox, göstərə bildiyiniz işlək layihələr tapdırır. Təcrübəniz yoxdursa, onu özünüz yaratmalısınız.

İşləyən addımlar:

  1. İki-üç bitmiş layihə qurun və GitHub-da aydın izahla yerləşdirin.
  2. Ən azı birini real istifadəçi və ya real biznes üçün edin: tanışınızın mağazası, öz iş yeriniz, könüllü layihə.
  3. Gördüyünüz işi LinkedIn-də paylaşın: nə qurdunuz, nə alınmadı, nə öyrəndiniz.
  4. Təcrübə proqramlarına və junior vakansiyalara müraciət edin; yaxın rollardan (data analitik, backend, avtomatlaşdırma) da imtina etməyin.
  5. Yerli tədbirlərə və icmalara qoşulun. Kiçik bazarda işlərin xeyli hissəsi tanışlıq və tövsiyə ilə tapılır.

İlk iş çox vaxt "AI mühəndisi" adlanmır. Proqramçı və ya analitik kimi başlayıb komandada süni intellekt tapşırıqlarını öz üzərinizə götürmək tam normal yoldur.

35. Azərbaycandan xarici şirkətlərə uzaqdan işləmək mümkündürmü?

Bəli, mümkündür və süni intellekt bu baxımdan ən açıq sahələrdən biridir. İş tam rəqəmsaldır, nəticə isə kodla və işlək sistemlə ölçülür.

Üç şərt var. Birincisi, ingilis dili: yazılı ünsiyyət, texniki müzakirə və müsahibə üçün kifayət edən səviyyə. İkincisi, görünən iş: GitHub-da layihələr, açıq mənbəli layihələrə töhfə, texniki yazılar. Xarici işəgötürən sizi tanımır, ona görə işiniz sizin yerinizə danışmalıdır. Üçüncüsü, müstəqil işləmək bacarığı: uzaqdan işdə tapşırığı özünüz planlamalı və vaxtında xəbər verməlisiniz.

Real gözlənti qurun: xarici bazarda rəqabət qlobaldır və junior səviyyədə uzaqdan iş tapmaq çətindir. Daha real yol əvvəlcə yerli bazarda və ya frilans layihələrdə təcrübə toplamaq, sonra xaricə yönəlməkdir. Ödənişin qəbulu və vergi məsələlərini də əvvəlcədən aydınlaşdırın.

36. Frilans kimi süni intellektlə pul qazanmaq olarmı?

Olar. Bizneslərin konkret, kiçik həcmli süni intellekt ehtiyacları çoxdur və bunların bir hissəsi tam ştatlı işçi tələb etmir.

Tələb olunan işlər adətən bunlardır: müştəri sorğularına cavab verən köməkçilər, WhatsApp və Instagram üçün AI köməkçiləri, n8n ilə iş axınlarının avtomatlaşdırılması, sənədlərdən məlumat çıxarılması, şirkətin daxili sənədləri üzərində sual-cavab sistemi.

Frilansda texniki bacarıq işin yalnız yarısıdır. O biri yarısı müştərinin problemini başa düşmək, işin həcmini və qiymətini düzgün müəyyən etmək və nəticəni təhvil verməkdir. Mən həmişə iş axınını anlamaqdan başlayıram: hansı tapşırıq vaxt aparır, hansı məlumat mövcuddur, nəticə necə ölçüləcək. Məqsəd aləti işə əlavə etmək deyil, konkret iş axınında fayda verməkdir. Təhvil verdikdən sonra dəstək məsələsini də əvvəlcədən razılaşdırın, çünki bu sistemlər baxım tələb edir.

37. Portfolioda hansı layihələr olmalıdır?

Portfolioda sayı çox olan yarımçıq işlər yox, iki-üç bitmiş və izah olunmuş layihə olmalıdır. Hər biri fərqli bacarığı göstərsin.

Tövsiyə etdiyim tərkib:

  • RAG layihəsi. Real sənədlər üzərində mənbə göstərən sual-cavab sistemi.
  • Agent layihəsi. Xarici alətləri çağıran, riskli addımda insan təsdiqi istəyən iş axını.
  • Klassik maşın öyrənməsi layihəsi. Real cədvəl üzərində proqnoz və düzgün qiymətləndirmə.
  • İstifadəyə verilmiş bir sistem. İnternetdə açıq, kiməsə link göndərə biləcəyiniz işlək tətbiq.

Hər layihənin izahında dörd suala cavab verin: hansı problemi həll edir, niyə bu yanaşmanı seçdiniz, keyfiyyəti necə ölçdünüz və sistem harada səhv edir. Sonuncu sual ən vacibidir: məhdudiyyətləri dürüst yazan namizəd işəgötürənə təcrübəli görünür. Hazır dərslikdən köçürülmüş layihələr isə dərhal tanınır.

38. Müsahibələrdə hansı suallar verilir?

Müsahibələr adətən dörd istiqaməti yoxlayır: proqramlaşdırma, maşın öyrənməsinin əsasları, LLM tətbiqləri və öz layihələriniz. Ən çox vaxt sonuncuya gedir.

Tez-tez rast gəlinən suallar:

  • Overfitting nədir və onu necə aşkar edərsiniz?
  • Precision ilə recall arasında fərq nədir, hansı halda hansı vacibdir?
  • RAG necə işləyir? Sənədi parçalara necə bölərsiniz?
  • Embeddings nədir və semantik axtarış açar söz axtarışından nə ilə fərqlənir?
  • Model yanlış cavab verəndə səbəbini necə axtararsınız?
  • Fine-tuning nə vaxt lazımdır, nə vaxt RAG kifayət edir?
  • Sistemin keyfiyyətini necə ölçmüsünüz?
  • Token xərcini necə azaldarsınız?

Bunlardan əlavə, Python və SQL üzrə praktik tapşırıq və ya evə verilən kiçik layihə ola bilər. Ən yaxşı hazırlıq öz layihənizi dərindən bilməkdir: hər qərarın səbəbini izah edə bilməlisiniz.

39. Diplom vacibdir, yoxsa bacarıq və layihələr?

Özəl sektorda və xüsusilə texnologiya şirkətlərində bacarıq və layihələr daha vacibdir. Diplom isə bəzi qapıları açır və bunu inkar etmək düzgün olmaz.

Diplomun önəmli olduğu yerlər var: dövlət qurumları, bəzi böyük korporasiyalar, tədqiqat vəzifələri, xaricdə magistratura və iş vizası. Bu istiqamətləri düşünürsünüzsə, ali təhsil lazımdır.

Mühəndis vəzifələrində isə qərarı texniki müsahibə verir. Orada sizdən kod yazmaq və qurduğunuz sistemi izah etmək istənilir; bunu diplom sizin yerinizə edə bilməz. Ən güclü vəziyyət ikisinin birlikdə olmasıdır. Diplomunuz başqa sahədəndirsə, narahat olmayın: onu layihələrlə tamamlayın və sahə biliyinizi üstünlük kimi təqdim edin.

40. Proqramçıyamsa (backend, frontend), süni intellektə necə keçə bilərəm?

Proqramçı üçün bu, ən qısa yoldur: yol xəritəsinin ilk iki mərhələsi sizdə artıq var. Birbaşa LLM API-lərindən başlaya bilərsiniz.

Tövsiyə etdiyim sıra:

  1. LLM API ilə iş: strukturlaşdırılmış çıxış, streaming, tool calling.
  2. Embeddings və RAG: vektor bazası, axtarış, mənbə göstərmə.
  3. Agentlər: LangChain və ya LangGraph ilə çoxaddımlı axınlar.
  4. Qiymətləndirmə: test dəsti qurmaq və dəyişiklikləri rəqəmlə müqayisə etmək.
  5. Sonradan maşın öyrənməsinin əsasları, təməli möhkəmləndirmək üçün.

Dəyişməli olan əsas vərdiş qeyri-müəyyənliklə işləməkdir. Adi kodda eyni giriş həmişə eyni nəticəni verir; modeldə isə yox. Ona görə test yazmaq əvəzinə qiymətləndirmə dəsti qurmağı öyrənməlisiniz.

Ən asan başlanğıc hazırkı iş yerinizdədir: mövcud məhsula bir süni intellekt funksiyası əlavə etməyi təklif edin. Beləcə təcrübəni vəzifə dəyişmədən qazanırsınız.

Əlavə oxu və mənbələr