Mühendislik · 05 Kas 2026
Yapay Zekâ İşinizi Elinizden Almayacak mı?
“Yapay zekâ işinizi elinizden almayacak; onu iyi kullanan biri alacak.” Peki bu söz gerçeğin ne kadarını anlatıyor? Araştırmalar ışığında uzmanlığın, öğrenmenin ve çalışma hayatının değişen değerini inceliyoruz.

Bir yazılımcının ekranında birkaç dakika içinde oluşan kodları izliyoruz. Bir öğretmenin hazırlamak için saatler harcadığı etkinlikler saniyeler içinde taslak hâline geliyor. Raporlar özetleniyor, sunumlar hazırlanıyor, veriler yorumlanıyor. Ardından aynı soru geliyor: “Bunları yapay zekâ yapabiliyorsa bize ne olacak?”
Bu kaygıya verilen popüler bir cevap var:
“Yapay zekâ işinizi elinizden almayacak; ama yapay zekâyı iyi kullanan biri işinizi elinizden alacak.”
Cümle güçlü. İnsanı harekete geçiriyor ve değişimin karşısında bütünüyle çaresiz olmadığımızı hatırlatıyor. Ancak bir blog yazısının görevi, güçlü bir sözü tekrar etmekle bitmez. O sözün nerede açıklayıcı olduğunu, nerede gerçeği fazla basitleştirdiğini de tartışmak gerekir.
Çünkü bu cümle ne herkesin işini koruyacağına ilişkin bir güvence ne de yapay zekâ kullanan herkesin kazanacağına dair bilimsel bir yasadır. Asıl üzerinde durulması gereken bölüm, “iyi kullanmak” ifadesidir.
Meslekler, tek bir görevden oluşmaz
Bir mesleği yalnızca ortaya çıkardığı görünür ürün üzerinden değerlendirdiğimizde, otomasyonun etkisini kolayca yanlış okuyabiliriz.
Yazılımcılık kod yazmayı içerir; aynı zamanda ihtiyacı anlamayı, mimari kararlar vermeyi, güvenliği değerlendirmeyi ve sistemi sürdürülebilir kılmayı gerektirir. Öğretmenlikte materyal hazırlamak vardır; öğrencinin neden öğrenemediğini fark etmek, uygun geri bildirimi vermek ve sınıfta güven oluşturmak da vardır.
Dolayısıyla bir görevin otomatikleşmesiyle bir mesleğin bütünüyle ortadan kalkması farklı iddialardır.
Uluslararası Çalışma Örgütünün 2025 tarihli araştırması, dünyadaki çalışanların yaklaşık dörtte birinin üretken yapay zekâya belirli ölçüde maruz kalan mesleklerde bulunduğunu gösteriyor. Buradaki “maruz kalma”, işlerin dörtte birinin yok olacağı anlamına gelmiyor. Araştırma, insan katkısına duyulan ihtiyaç nedeniyle birçok meslekte dönüşümün daha olası olduğunu belirtiyor. [1]
Bununla birlikte dönüşüm, herkes açısından sorunsuz bir geçiş demek değildir. Bir kurum aynı hizmeti daha az emekle üretebilir hâle geldiğinde kazanılan zamanı daha fazla hizmet sunmak, çalışma koşullarını iyileştirmek veya personel ihtiyacını azaltmak için kullanabilir. Hangi yolun seçileceği, teknolojinin kapasitesinin yanında yönetim kararlarına, talebe ve çalışma hayatını düzenleyen politikalara da bağlıdır.
Bu nedenle iş kaybını yalnızca “kişinin yapay zekâyı öğrenmemesine” bağlamak eksik ve haksız bir açıklamadır.
Verimlilik artışı gerçek; herkese eşit dağılmıyor
Yapay zekânın üretkenliğe katkısı yalnızca bir pazarlama iddiasından ibaret değil. Ancak araştırmalar bu katkının koşullara göre değiştiğini gösteriyor.
Brynjolfsson, Li ve Raymond’ın 2025’te The Quarterly Journal of Economics dergisinde yayımlanan çalışması, 5.172 müşteri destek çalışanını inceliyor. Yapay zekâ desteği, saat başına çözülen sorun sayısıyla ölçülen verimliliği ortalama yüzde 15 artırıyor. Kazançlar özellikle daha az deneyimli ve başlangıç performansı daha düşük çalışanlarda yoğunlaşıyor; en deneyimli çalışanlar aynı ölçüde yarar görmüyor. [2]
Bu bulgu, deneyimin artık gereksiz olduğunu söylemez. Belirli bir işte, bazı deneyim örüntülerinin bir araç üzerinden daha geniş bir çalışan grubuna aktarılabildiğini gösterir.
Benim bu sonuçtan çıkardığım yorum şu: Mesleki değeri yalnızca alışılmış işlemleri başkalarından hızlı yapmak üzerine kurmak giderek daha kırılgan bir strateji olabilir. Çalışanın katkısını; sıra dışı sorunları çözme, bağlamı anlama ve sonuçların sorumluluğunu üstlenme yönünde geliştirmesi gerekir.
Ancak buradan “yapay zekâ kullanan herkes daha verimlidir” sonucuna da varamayız.
Hızlandığını hissetmek, hızlanmak değildir
METR’nin 2025’in ilk dönemindeki araçlarla gerçekleştirdiği kontrollü araştırma, kendi açık kaynak projelerinde çalışan 16 deneyimli geliştiricinin 246 gerçek görevini inceliyor. Bu belirli ortamda yapay zekâ kullanımına izin verilmesi, görevlerin tamamlanma süresini ortalama yüzde 19 uzatıyor. Araştırmacılar, sonucu bütün yazılım geliştirme faaliyetlerine genellememek gerektiğini açıkça vurguluyor. [3]
Üstelik araştırmanın bir devamı da var. METR, Şubat 2026’da yayımladığı güncellemede, yeni araçlarla hızlanmanın artmış olabileceğini belirtiyor. Ancak katılımcı seçimi ve süre ölçümüyle ilgili sorunlar nedeniyle yeni verilerden güvenilir bir etki büyüklüğü çıkarılamadığını açıklıyor. [4]
Bu iki bulgu birlikte okunmalı. Teknoloji hızla değişirken eski bir deneyin sonucunu kalıcı hükme dönüştürmek de yeni araçların mutlaka kazanç sağladığını varsaymak da doğru değil.
Bir yazılımın ilk taslağının çabuk oluşması, toplam geliştirme süresinin kısaldığını tek başına kanıtlamaz. İnceleme, hata düzeltme, mevcut sisteme uyarlama ve bakım maliyetini de hesaba katmalıyız.
Üretim hızını, doğrulanmış sonuca ulaşma süresinden ayrı değerlendirdiğimizde verimliliği yanlış ölçebiliriz.
“İyi kullanmak” nasıl bir yetkinliktir?
İyi kullanımın başlangıcında problemi tanımlamak vardır. Hangi sonucu istediğini, hangi kısıtların bulunduğunu ve başarıyı nasıl değerlendireceğini açıklayamayan kişi, etkileyici görünen fakat ihtiyacını karşılamayan çıktılarla yetinebilir.
Ardından görev seçimi gelir. Yapay zekânın bir işte başarılı olması, benzer görünen başka bir işte de başarılı olacağını garanti etmez.
Dell’Acqua ve çalışma arkadaşlarının 758 danışmanla yürüttüğü deney bu durumu “engebeli teknolojik sınır” kavramıyla açıklıyor. Yapay zekânın yetenek alanına giren görevlerde hız ve kalite kazanımları görülürken, bu alanın dışındaki bir görevde yapay zekâ kullananların, doğru sonuca ulaşma başarısı düşüyor. [5]
Mesleki karşılığı son derece somut: Bir araçtan düzgün bir rapor taslağı almakla o rapordaki çıkarımların geçerliliğini değerlendirmek aynı beceri değildir.
İyi kullanım, çıktının türüne uygun bir doğrulama süreci gerektirir. Kod için test ve güvenlik incelemesi; akademik metin için kaynak kontrolü; veri analizi için yöntem ve hesap denetimi; eğitim materyali için öğrenci düzeyine ve öğrenme amacına uygunluk değerlendirmesi gerekir.
Bunlar fazladan eklenen ayrıntılar değildir. İşin tamamlanmasının parçalarıdır.
Uzmanlık, üretileni değerlendirebildiğimiz yerde görünür
Bir mühendisin yapay zekâya hesap yaptırabilmesi yararlıdır. Fakat modelin hangi varsayımları kullandığını, hangi koşulları dışarıda bıraktığını ve sonucun fiziksel olarak anlamlı olup olmadığını sorgulaması gerekir.
Bir yazılımcı, üretilen kodun çalıştığını görebilir. Buna rağmen kodun yetkisiz erişime açık olup olmadığını veya beklenmeyen girdilerde nasıl davrandığını incelemek zorundadır.
Bir öğretmen, birkaç dakika içinde farklı düzeylerde çalışma kâğıtları hazırlayabilir. Sonrasında bu etkinliklerin öğrencinin düşünmesini sağlayıp sağlamadığını değerlendirmelidir.
Bu örneklerden hareketle benim savım şu: Yapay zekâ, uzmanlığın bir bölümünü daha görünür hâle getiriyor. Hazır çıktının arkasındaki hatayı görebilmek, çoğu zaman o çıktıyı ilk kez üretmek kadar ciddi bilgi gerektiriyor.
Alan bilgisi ile yapay zekâ kullanma becerisi birlikte geliştiğinde güçlü bir çalışma biçimi ortaya çıkabilir. Alan bilgisi zayıf kaldığında ise kişi, doğruluğunu değerlendiremediği sonuçları daha hızlı üretme riskiyle karşılaşır.
Eğitimde kritik soru: Başardı mı, öğrendi mi?
Çalışma hayatının geleceğini konuşurken öğrenme meselesini geri plana itemeyiz. Bugünün öğrencileri, yarının uzmanları olacak. Onların yalnızca araçla sonuç almasını sağlamak yeterli değildir; araçtan gelen sonucu değerlendirecek bilgiyi de kazanmaları gerekir.
Bastani ve çalışma arkadaşlarının Türkiye’de bir lisede, yaklaşık bin öğrenciyle yürüttüğü ve 2025’te PNAS’ta yayımlanan araştırma bu ayrımı gösteriyor. Standart sohbet arayüzüne benzer yapay zekâ desteği, alıştırmalar sırasında başarıyı artırıyor. Ancak destek kaldırıldığında bu gruptaki öğrenciler, kontrol grubuna göre daha düşük sınav performansı sergiliyor. Öğretmen katkısıyla tasarlanan, öğrenmeyi koruyucu yönlendirmeler içeren araçta ise bu olumsuz etki büyük ölçüde önleniyor. [6]
Bu sonuç, yapay zekânın her durumda öğrenmeyi zayıflattığını göstermez. Aracın nasıl tasarlandığının ve nasıl kullanıldığının belirleyici olabileceğini gösterir.
Buradan eğitim için çıkardığım öneri, süreç odaklı değerlendirmeyi güçlendirmektir. Öğrenciden yalnızca ürünü teslim etmesini istemek yerine kullandığı yaklaşımı açıklamasını, bir hatayı bulmasını, alternatifleri karşılaştırmasını ve öğrendiğini yeni bir probleme uygulamasını isteyebiliriz.
Aynı yaklaşım mesleki gelişim için de geçerlidir. Her zorlandığımız noktayı araca devrettiğimizde, ileride o aracı denetlemek için ihtiyaç duyacağımız becerileri yeterince geliştiremeyebiliriz.
Kurumların da öğrenmesi gerekiyor
Bütün sorumluluğu çalışanın omuzlarına bırakmak kolaydır: “Kendini geliştir, aracı öğren, geride kalma.”
Oysa çalışanların kullanabilecekleri araçlara erişimi, eğitim için ayırabilecekleri zamanı ve güvenli deneme imkânları eşit değildir. Kurumların görevleri yeniden değerlendirmesi, uygun araçları sağlaması, veri kullanım sınırlarını açıklaması ve çalışanlarına uygulamalı öğrenme zamanı ayırması gerekir.
Başarı ölçütleri de buna göre değişmelidir. Kaç kişinin yapay zekâ hesabı açtığı veya kaç içerik ürettiği, tek başına anlamlı bir dönüşüm göstergesi değildir. İşin kalitesi, hata oranı, toplam tamamlanma süresi ve hizmet verilen kişinin deneyimi birlikte izlenmelidir.
Yapay zekâ eğitimleri de yalnızca komut örneklerinin gösterildiği oturumlarla sınırlı kalmamalıdır. Çalışanın kendi işinden örneklerle denemeler yapması ve hangi görevlerde yarar sağladığını görmesi daha sağlam bir öğrenme zemini sunar.
İşinizi elinizden alabilecek kişi neyi farklı yapacak?
Yazının başındaki cümleye dönersek, yapay zekâyı iyi kullanan biri gerçekten rekabet avantajı kazanabilir. Bunun herkes için doğrudan bir iş kaybına dönüşeceğini söylemek ise araştırmaların gösterdiğinden daha ileri gitmek olur.
Bence mesleki gelecek açısından asıl soru şudur: Yapay zekâyla kazandığımız zamanı ve üretim kapasitesini neye dönüştürüyoruz?
Daha çok taslak üretmek mümkün. Daha iyi bir problemi çözmek, daha güvenilir bir ürün geliştirmek veya bir öğrencinin öğrenmesini desteklemek ise amaç, bilgi ve muhakeme gerektiriyor.
Geleceğe hazırlanmak için mesleğimizi bırakıp yalnızca araç öğrenmeye yönelmemiz gerekmiyor. Mesleğimizi daha iyi anlamaya, araçların katkısını ölçmeye ve öğrenmeye devam etmeye ihtiyacımız var.
Mesleki değerimiz, yapay zekâya kaç iş yaptırabildiğimizde değil; ortaya çıkan işin neden doğru, yararlı ve güvenilir olduğunu açıklayabildiğimizde belirginleşecek.
Kaynakça
International Labour Organization. (2025). Generative AI and Jobs: A Refined Global Index of Occupational Exposure. ILO Working Paper 140. Rapor
Brynjolfsson, E., Li, D. ve Raymond, L. (2025). Generative AI at Work. The Quarterly Journal of Economics, 140(2), 889–942. https://doi.org/10.1093/qje/qjae044
Becker, J., Rush, N., Barnes, B. ve Rein, D. (2025). Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity. METR. Araştırma ve yöntem
Becker, J. ve diğerleri. (2026). We Are Changing Our Developer Productivity Experiment Design. METR. Araştırma güncellemesi
Dell’Acqua, F. ve diğerleri. (2026). Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of Artificial Intelligence on Knowledge Worker Productivity and Quality. Organization Science. https://doi.org/10.1287/orsc.2025.21838
Bastani, H. ve diğerleri. (2025). Generative AI without guardrails can harm learning: Evidence from high school mathematics. Proceedings of the National Academy of Sciences, 122(26), e2422633122. https://doi.org/10.1073/pnas.2422633122
Yorumlar
Henüz onaylı yorum yok.