Yapay Zekâ İstihdamı Nasıl Dönüştürüyor?

Yapay zekânın (özellikle Üretken Yapay Zekâ’nın) ani ve kitlesel bir işsizlik dalgasına yol açacağına ilişkin senaryoların aksine, mevcut veriler toplam istihdamda henüz belirgin bir nicel yıkım yaşanmadığını gösteriyor¹. Gecikmeli ancak güvenilir makroekonomik göstergeler olan işsizlik oranları ve toplu işten çıkarmalar, yapay zekânın genel etkisinin son derece sınırlı olduğunu ve sakin seyrettiğini gösteriyor. Gallup verilerine göre işten çıkarılan çalışanların yalnızca %1’i işten çıkarılma nedenini yapay zekâya bağlarken, %15’i kurumsal yeniden yapılanma/küçülmeye bağlıyor².

Bununla birlikte, ampirik veriler çok dar bir alana işaret ediyor: Yapay zekâya en çok maruz kalan, masa başı ve giriş düzeyi (junior/entry-level) pozisyonların işe alım süreçlerinde değişimler yaşanıyor. Ancak bu durumun doğrudan yapay zekâdan mı, uzaktan çalışmadan mı, pandemi sonrası normalleşmeden ve yüksek faiz oranlarından mı kaynaklandığı iktisatçılar arasında tartışılıyor⁴.

Giriş Düzeyi Pozisyonlardaki Değişimin Tartışmalı Nedenleri

Giriş düzeyindeki çalışanlar, üretim ve hizmet süreçlerinde genellikle daha basit, kurumsal bağlamı az ve kural bazlı görevleri üstlenirler. Bu görevler kodlanması, gözden geçirilmesi ve otomatize edilmesi en kolay alanları oluşturur. Sermaye birikim süreci, kural bazlı bu zihinsel emek süreçlerini otomatize ederek genç emek gücünü henüz üretim sürecine girmeden vasıfsızlaştırma ve esnek çalışma rejimlerine zorlama eğilimi sergiliyor. Bu nedenle giriş düzeyi çalışanlar, yapay zekânın etkilerini ölçmede kritik bir eşik olarak görülüyor.

Google’ın ve yapay zekâ araştırma laboratuvarlarının kurumsal entegrasyonu izlemek için oluşturduğu veri tabanı olan ATLAS kullanım kalıpları⁵, bu araçların henüz tam iş akışlarını otomatize etmediğini, düşük uzmanlık gerektiren bilişsel görevlerde birer “yardımcı” olarak konumlandığını göstererek giriş düzeyi çalışan alımlarındaki düşüşün mekanizmasına da ışık tutuyor. Autor ve Thompson’ın uzmanlık çerçevesine göre⁶, eğer yapay zekâ bir meslek içindeki düşük uzmanlık gerektiren görevlerde çalışanların yerini alırsa, bu durum ilgili rollerde daha yüksek ücretlere ve daha düşük istihdama yol açacaktır. Giriş düzeyi pozisyonlar ağırlıklı olarak düşük uzmanlık gerektiren görevlere odaklandığı için, bu durum giriş düzeyi işe alımlardaki düşüşle doğrudan tutarlılık gösteriyor.

Dünya Ekonomik Forumu (WEF) ve PricewaterhouseCoopers (PwC) verilerine göre⁷, dünya genelinde 15-24 yaş arası genç çalışanların %37’si orta ile yüksek düzeyde yapay zekâ maruziyeti bulunan mesleklerde istihdam ediliyor. 2030 yılına kadar genç istihdamı için 600 milyondan fazla yeni iş imkânı yaratılması gerekirken, giriş düzeyi istihdam ilanlarında belirgin bir azalma gözleniyor. Örneğin ABD’de yapay zekâya en çok maruz kalan mesleklerdeki giriş düzeyi iş ilanlarının 2022 sonundan itibaren %16 oranında gerilediği görülüyor. Ancak ilanlardaki düşüş eğiliminin Kasım 2022’de ChatGPT’nin yayımlanmasından yaklaşık bir yıl önce başlamış olması, tek nedenin yapay zekâ olmadığını, sermayenin genel makroekonomik daralma ve sıkılaştırma dönemlerindeki maliyet baskılarına tepki verdiğini gösteriyor.

Ülke Araştırmaları ve Farklı Veriler

Brynjolfsson ve arkadaşlarının ADP verilerini kullanarak yaptığı çalışmalarda⁸, ChatGPT’nin çıkışından bu yana yapay zekâya yüksek derecede maruz kalan rollerdeki giriş düzeyi istihdamında %13 ila %19’luk bir gerileme ve duraklama tespit ediliyor. Ancak bu durumun genel makroekonomik faiz artışlarından mı yoksa yapay zekâdan mı kaynaklandığı anlaşılmaya çalışılıyor.

İngiltere⁹ ve İsviçre’de¹⁰ ilan verileri üzerinden yapılan incelemelerde, yüksek maruziyeti olan sermaye gruplarının ve kurumların giriş düzeyi pozisyon ilanlarını azalttığı ve işsizlerin daha çok bilgi-yoğun mesleklerde kümelendiği görülüyor.

İskandinav ülkelerinde (İsveç¹¹, Finlandiya¹², Norveç¹³) nüfusun tamamını kapsayan idari verilerde genç istihdamı üzerinde yapay zekâdan kaynaklanan negatif bir etki tespit edilemiyor. Örneğin Finlandiya ve Norveç¹⁴ verileri, genç istihdamındaki dalgalanmaların yapay zekâdan çok demografik faktörler ve uzaktan çalışma gibi ChatGPT öncesi başlayan eğilimlerle ilgili olduğunu gösteriyor.

Kuşaklara ve Cinsiyete Dayalı Eşitsizlikler ile Kullanım Uçurumu

WEF raporu¹⁵, yapay zekâya erişim ve kullanımda belirgin demografik eşitsizliklere dikkat çekiyor. 1946-1964 yılları arasında doğanların %84’ü son 12 ayda yapay zekâ etmeni kullanmadığını belirtirken, bu oran 1997-2012 yılları arasında doğanlarda %57 düzeyine geriliyor.

Ayrıca kadınların ağırlıkta olduğu idari ve müşteri hizmetleri gibi roller nedeniyle, kadın çalışanlar yapay zekâya yaklaşık iki kat daha fazla maruz kalıyor. Üretken yapay zekâ araçlarını işte kullanan çalışanların %33’ünün bu masrafı kendi cebinden karşılaması ise sosyo-ekonomik olarak avantajlı bireyleri daha da öne çıkarıyor.

Uzaktan Çalışma Faktörünün Etkisi

Lambert ve Schindler gibi araştırmacılar, giriş düzeyi istihdamdaki düşüşün ana sorumlusunun yapay zekâ değil, uzaktan çalışma olduğunu savunuyor¹⁶. Uzaktan çalışma, giriş düzeyi çalışanların denetim maliyetini artırır ve işte öğrenme süreçlerini zorlaştırır. Uzaktan çalışma değişkeni modele eklendiğinde, yapay zekâ maruziyetinin etkisi sıfırlanabiliyor. Yine de genel kabul gören bir diğer görüşe göre, uzaktan çalışma işleri dijitalleştirerek yapay zekânın entegre edilmesini kolaylaştırıyor ve bu iki faktör etkileşim içindeler¹⁷.

Emek Sürecinin Dönüşümü ve Bilişsel Atrofi

Giriş düzeyi çalışanların %68’i yapay zekâ sayesinde verimliliğin arttığını belirtirken, %45’i genel çalışma sürelerinin uzadığını ifade ediyor¹⁸. Yapay zekânın mevcut iş süreçlerine doğrudan ve denetimsiz bir şekilde eklenmesi, temel karar verme ve eleştirel düşünme becerilerinin körelmesi anlamına gelen bilişsel atrofi, artan çıktı beklentisiyle oluşan iş yoğunlaşması ve işte anlam kaybı risklerini beraberinde getiriyor¹⁹. Süreçlerini yapay zekâya entegre ettiğini belirten az sayıdaki şirket ise (%16), Hitachi örneğindeki gibi, rutin işleri otomatize ederken eleştirel düşünme süreçlerini muhafaza ettiklerini iddia ediyor.

Benzer şekilde, Autor ve arkadaşlarının patent yazımı üzerine gerçekleştirdiği üç aylık çalışma²⁰, yapay zekâ asistanlarının kısa vadede performansı ve iş kalitesini (özellikle giriş düzeyi çalışanlarda) artırdığını gösterse de, uzun vadeli uzmanlık ve beceri gelişimi konusunda kritik soru işaretleri barındırıyor. Çalışma, yapay zekâ desteğiyle çalışan profesyonellerin ilk etapta daha nitelikli işler ortaya koyduğunu, ancak üç aylık kullanımın ardından yapay zekâ olmaksızın gerçekleştirilen değerlendirmelerde kıdemli avukatların performanslarında kalıcı artışlar görülürken, giriş düzeyi avukatların ortalama bir iyileşme sağlayamadığını ve performans dağılımlarının kutuplaştığını ortaya koyuyor. Bu durum, yapay zekânın temel uzmanlık ve temel yetkinlikler inşa edilmeden kullanılmasının, uzun vadede bilişsel yetileri körelterek “kalıcı beceri kazanımını” zayıflatabileceği ve temel uzmanlığın yapay zekâdan kalıcı verim alabilmenin ön koşulu olduğunu gösteriyor.

Emeğin Vasıfsızlaşması ve Pazarlık Gücünün Zayıflaması

Teknolojik dönüşümün emek süreçleri üzerindeki bir diğer derin etkisi de emeğin vasıfsızlaşması ve standartlaşması. Fukui, Nakamura ve Steinsson’ın vurguladığı üzere²¹, yapay zekâ ve otomasyon araçları karmaşık görevleri basitleştirip standartlaştırdıkça, üretkenliği artırsa da çalışanların birbiri yerine geçebilirliğini (ikame edilebilirliğini) yükseltiyor. İşlerin standartlaşması çıktının çalışan kalitesine olan duyarlılığını azaltırken, şirketlerin boş pozisyonları doldurmasını kolaylaştırıyor ve çalışanların pazarlık gücünü doğrudan zayıflatıyor. Sonuç olarak teknoloji, hizmet sektöründe üretkenlik artışı ile ücretler arasındaki bağın kopmasına ve emek gücünün “kolay vazgeçilebilir” hale gelerek reel ücret baskısı yaşamasına zemin hazırlıyor.

Sermaye ve Kurumsal Düzeyde Benimseme Verileri Ne Söylüyor?

Piyasadaki etkiyi sadece “maruziyet” üzerinden değil, “gerçek benimseme” üzerinden inceleyen araştırmalar çarpıcı sonuçlar ortaya koyuyor. Yapay zekâyı benimseyen sermaye grupları ve kurumlar büyüme kaydediyor. 21.000 ABD firması üzerinde yapılan çalışma²², yapay zekâya yüksek harcama yapan ve entegre eden yapıların toplam istihdamlarını %10, giriş düzeyi istihdamlarını ise %12 artırdığını gösteriyor. Yapay zekâ, birim emek başına düşen çıktıyı yükselterek artı-değer oranını (sömürü düzeyini) artırıyor. Elde edilen göreli artı-değer ise bu firmaların pazar payını genişleterek geçici bir istihdam artışı yaratmalarına olanak tanıyor.

Genel olarak görevler değişirken, istihdam kaybı yaşanmıyor. Danimarka’daki 25.000 çalışan ve 7.000 iş yeri üzerinde yapılan araştırmada²³, şirket içi sohbet robotlarını yaygın olarak kullanan işyerlerinde çalışanların ücretlerinde veya iş saatlerinde henüz olumsuz bir değişim görünmüyor. Çalışanların %8 ila %17’si yapay zekâ sayesinde rutin işleri bırakıp yeni sorumluluklar ve görevler üstleniyor.

Kullanım ise yüzeysel kalıyor. Google’ın ATLAS verilerine göre²⁴, ABD’deki çalışanların %88’i yapay zekâ araçlarını bir şekilde kullanıyor. Ancak bu kullanım, mesleklerdeki görevlerin henüz yalnızca %21’ini kapsıyor. Anthropic verileri de benzer şekilde²⁵, tam iş akışlarının otomatize edilmediğini, yapay zekânın daha çok düşük uzmanlık gerektiren bilişsel görevlerde bir “yardımcı” olarak kullanıldığını gösteriyor.

Üst düzey yöneticilerle yapılan anketler ilk bakışta yıkıcı bir etki olmadığı izlenimi verse de, bu tablo sermayenin toplu işten çıkarmalar yerine yeni işe alımları dondurarak istihdamı kademeli olarak sönümlendirme stratejisini yansıtıyor. Yotzov ve arkadaşlarının, ABD, İngiltere, Almanya ve Avustralya’da yaklaşık 6.000 üst düzey yöneticiyle yapay zekâ benimseme süreçleri üzerine yaptığı araştırmaya göre²⁶, firmaların %69’u yapay zekâ kullandığını belirtirken, yaklaşık %90’ı teknolojinin şu ana kadar genel istihdam veya verimlilik üzerinde önemli bir etki oluşturmadığını söylüyor. Ancak yöneticiler ve çalışanlar, önümüzdeki 3 yıl içinde yapay zekânın etkisine ilişkin farklı öngörülere sahip: Yöneticiler verimlilikte artış ve istihdamda azalma beklerken, çalışanlar yapay zekânın istihdamı artıracağını öngörüyor. İngiltere’deki istihdam azalması bekleyen firmalar arasında, öngörülen azalmanın yaklaşık üçte ikisinin mevcut işten çıkarmalardan değil, işe alımların azaltılmasından kaynaklanacağı tahmin ediliyor. Bu durum, mevcut çalışanların neden olumsuz bir etki beklemediğini açıklayabilir. Mevcut istihdam üzerindeki sıfır etki, şimdiye kadarki sonuçlarla da tutarlılık sergiliyor: giriş düzeyindeki istihdamdaki küçük bir azalma, toplam personel sayısını önemli ölçüde etkilemiyor.

Uluslararası Çalışma Örgütü’nün yayımladığı güncel kapsamlı veriler de bu tabloyu destekler nitelikte²⁹. Analizler, yapay zekânın meslekleri bütün olarak ikame etmediğini, meslekleri oluşturan görev paketlerini dönüştürdüğünü ortaya koyuyor. Rapora göre, teknoloji işleri tamamen ortadan kaldırmıyor, belirli rutin görevleri otomatize ederken çalışana diğer işler için zaman tanıyan bir “güçlendirme ve artırma” işlevi görüyor. Bu durum, makro düzeyde kitlesel işsizlik dalgalarının yerine görev bazlı kademeli bir iş bölümü ve uyum sürecinin geçerli olduğunu uluslararası düzeyde bize gösteriyor.

Geleceğe Bakış ve Dengeleyici Güçler

Yapay zekânın gelişimi devam ederken, istihdam yapısının neden kitlesel bir yıkıma uğramayacağını ve gelecekte piyasayı nelerin dengeleyeceğini açıklayan bazı temel dinamikler var.

Bu dinamiklerin başında işlerin tamamen otomatize olmasını zorlaştıracak kadar karmaşık olması var. Garicano ve arkadaşlarının kavramsallaştırdığı gibi³⁰, birçok meslekte otomatize edilebilir görevler ile insani müdahale gerektiren görevler birbirine kopmaz bir şekilde bağlıdır. Bu durum kurumsal adaptasyonu yavaşlatıyor ve istihdamın yapısını korumasına yol açıyor.

Bir diğer dinamik, ilişkisel sektörlerin de paralel olarak genişlemesi. İnsan unsurunun işin bizzat özü olduğu alanlar (sağlık, eğitim, bakım, kişisel danışmanlık vb.) yapay zekâ çağında toplumsal açıdan daha da kıymetli hale geliyor ve emek gücü bu alanlara kayıyor³¹.

Stripe verilerinin de gösterdiği üzere³², yapay zekâ yeni girişim maliyetlerini düşürse de, yapay zekâ destekli mikro işletmelerin (start-up) yaygınlaşması ana istihdam motoru olmuyor, güvencesiz ve esnek serbest çalışmanın (freelance/kendi hesabına çalışma) yeni bir biçimi olarak öne çıkıyor.

Son olarak, çoğu meslekte usta-çırak iletişimi ve beceri kazanımı da oldukça önemli. Dolayısıyla kıdemli çalışanların tecrübesi ile yapay zekânın hızı birleştiğinde verimlilik artıyor. Şirketler de kısa vadeli otomasyon yerine uzun vadeli beceri aktarımını koruyacak yeni iş modelleri geliştirmeyi tercih ediyorlar.

Maruz kalan alanlardaki giriş düzeyi çalışanlar hariç tutulursa, yapay zekânın istihdamdaki etkisi şu ana kadar sınırlı seyretti³³. Bununla birlikte, bu eğilimin böyle devam edeceğini varsaymak yanıltıcı olur. Otonom ajan niteliğindeki yapay zekânın kurumsal iş akışlarına entegrasyonu henüz başlangıç aşamasında ve hâlâ birçok engel var. Dolayısıyla, bu engeller aşıldıkça ve teknoloji yaygınlaşmaya devam ettikçe verilerde ciddi bir değişim ortaya çıkabilir. Şu an yalnızca giriş düzeyi istihdamda görülen bu eğilimler, zamanla diğer düzey ve alanlara da yayılabilir.

Sonuç olarak, yapay zekânın istihdam üzerindeki mevcut etkisi sanılanın aksine kitlesel bir yıkımdan ziyade, görev bazlı, kademeli ve sınırlı bir dönüşüm şeklinde seyrediyor. Makro veriler henüz genel bir istihdam krizine işaret etmese de, giriş düzeyindeki genç emek gücünün vasıfsızlaşarak değersizleşmesi ve iş yükünün yoğunlaşması sermaye birikiminin yeni çelişkilerini doğuruyor. Mevcut göreli sakinlik bir uyum sürecini gösterse de, otonom sistemlerin olgunlaşmasıyla birlikte bugün yaşanan esnekleşme ve işe alım kısıtlamaları, gelecekte emek gücünün üretim süreçlerinden daha kapsamlı tasfiyesine ve sermayenin dijital mülksüzleştirme dalgasına zemin hazırlayan bir geçiş evresi olarak değerlendirilebilir.

1.  A. Imas, J. Schall, Has AI impacted the labor market yet?, Ghosts of Electricity, 29 Eylül 2026 ↩︎
2.  M. Page, R. Pendell, U.S. Workers Continue to Report Downsizing, Gallup Workplace, 17 Haziran 2026 ↩︎
3.  Page, 2026 ↩︎
4.  Imas ve Schall, 2026 ↩︎
5.  Z. Iscenko, S. Strand, Understanding the AI economy, Google, 23 Haziran 2026 ↩︎
6.  D. Autor, N. Thompson, Expertise, Journal of the European Economic Association, Ağustos 2025 ↩︎
7.  Dünya Ekonomik Forumu, Yapay Zekâ ve Giriş Seviye İşlerin Geleceği Raporu, 28 Eylül 2026 ↩︎
8.  E. Brynjolfsson, B. Chandar, R. Chen, Canaries in the Coal Mine: Early Indicators of AI’s Impact on the Labor Market, Stanford Digital Economy Lab, 12 Ağustos 2026 ↩︎
9.  B. K. Tesselink, Generative AI and Labor Market Outcomes: Evidence from the United Kingdom, SSRN, 21 Aralık 2025  ↩︎
10.  J. Klaeui, M. Siegenthaler, KI und der Schweizer Arbeitsmarkt: Erste Evidenz zu Auswirkungen auf Arbeitslosigkeit und Stellenausschreibungen, KOF ETH Zurich, Ekim 2025 ↩︎
11.  M. Lodefalk, L. Löthman, M. Koch, E. Engberg, Same Storm, Different Boats: Generative AI and the Age Gradient in Hiring, Örebro University School of Business Working Paper No. 2/2026, Mart 2026 ↩︎
12.  A. Kauhanen, P. Rouvinen, AI Has Not Impacted the Youth Labor Market in Finland, ETLA Working Papers No. 135, 27 Ocak 2026 ↩︎
13.  D. Facius, R. Iacono, Labor Market Consequences of Generative AI: Early Evidence from Norway, CESifo Working Paper No. 12752, 2026 ↩︎
14.  Ø. Hernæs, A. R. Kostøl, Has AI Widened Employment Gaps? Tracking Early-Career Employment by Occupational Exposure in Norway, RFBerlin Discussion Paper No. 179/26, Temmuz 2026  ↩︎
15.  Dünya Ekonomik Forumu, 2026 ↩︎
16.  P. J. Lambert, Y. Schindler, The Broken Ladder: AI, Remote Work, and Early-Career Hiring, SSRN, 20 Mayıs 2026 ↩︎
17.  D. Deming, Remote work containerized the office, paving the way for AI, Forked Lightning, 16 Haziran 2026 ↩︎
18.  Dünya Ekonomik Forumu, 2026 ↩︎
19.  Alberto Romero, Çalışmalara Göre Yapay Zekâ Beyninizi Nasıl Etkiliyor: (Oldukça) Geniş bir Derleme, İyimser İrade, 18 Mayıs 2026 ↩︎
20.  D. Autor, v.d., Does AI Assistance Enhance or Erode Expertise? Evidence from a Three-Month Field Experiment in Patent Drafting, Stone Center, Eylül 2026 ↩︎
21.  M. Fukui, E. Nakamura, J. Steinsson, The Commoditization of Labor, NBER Working Paper 35815, Eylül 2026 ↩︎
22.  A. Kharazian, L. Simon, R. Stevens, A New Look at AI’s Impact on Jobs, Ramp Economics Lab Working Paper, Haziran 2026 ↩︎
23.  A. Humlum, E. Vestergaard, Large Language Models, Small Labor Market Effects, SSRN, 15 Nisan 2025 ↩︎
24.  Z. Iscenko, S. Strand, v.d., Google’s AI & Economy ATLAS v1.0: Mapping Gemini Usage in the Economy, Google / Google DeepMind, Temmuz 2026 ↩︎
25.  M. Massenkoff, P. McCrory, Labor market impacts of AI: A new measure and early evidence, Anthropic, 5 Mart 2026 ↩︎
26.  I. Yotzov, v.d., Firm Data on AI, NBER Working Paper 34836, Mart 2026 ↩︎
27.  Yotzov, 2026 ↩︎
28.  Yotzov, 2026 ↩︎
29.  P. Gmyrek,v.d., Generative AI and Jobs, ILO Working Paper 140, Mayıs 2025 ↩︎
30.  L. Garicano, J. Li, Y. Wu, Messy Jobs: The Work That AI Cannot Reach, Upriver Press, 2026 ↩︎
31.  A. Imas, What will be scarce?, Ghosts of Electricity, 14 Nisan 2026 ↩︎
32.  Stripe, Stripe’s August 2026 Investor Letter, DocumentCloud, 19 Ağustos 2026  ↩︎
33.  Imas ve Schall, 2026 ↩︎

İlginizi Çekebilir

Çalışmalara Göre Yapay Zekâ Beyninizi Nasıl Etkiliyor: (Oldukça) Geniş bir Derleme Yapay Zekâ Yatırımlarının İnsanlık ve Doğa için Maliyeti Artıyor Yapay Zekâ: İnsanlığın mı Yoksa Kapitalizmin mi Kıyameti? Yapay Zeka ve Marksist Üretici Kuvvetler Anlayışı