ChatGPT’nin lansmanının üzerinden üç yıldan fazla zaman geçmiş olmasına rağmen, yapay zekânın (AI) istihdam üzerindeki etkisi toplu istatistiklerde hâlâ büyük ölçüde görünür değil. Bununla birlikte, özellikle en kırılgan sektörlerin giriş seviyesindeki pozisyonlar başta olmak üzere, iş gücü piyasasının belirli segmentlerinde bu etki yavaş yavaş ortaya çıkmaya başlıyor.
Coface ile OEM (Tehdit Altındaki ve Yeni Ortaya Çıkan Meslekler Gözlemevi) tarafından ortaklaşa hazırlanan bu çalışma, farklı meslekleri oluşturan görevlerin yapay zekâ kaynaklı otomasyona maruz kalma düzeyini özgün bir haritalama ile ortaya koyuyor. Araştırma, otomasyon sınırında önemli bir değişime işaret ediyor: Yapay zekâ ile birlikte artık bilişsel, karmaşık ve yüksek beceri gerektiren görevler de giderek daha fazla risk altına giriyor ve bu durum istihdam yapısında köklü bir dönüşüm ihtimalini beraberinde getiriyor.
1. Görevlerin ve mesleklerin otomasyon potansiyelini ölçmeye yönelik yenilikçi bir metodoloji
Bu çalışmanın amacı, yapay zekânın yaygınlaşmasının iş yapış biçimlerini en çok dönüştürme potansiyeline sahip olduğu alanları detaylı bir şekilde haritalandırmak. Bu kapsamlı analiz, görevler, meslekler, sektörler, ülkeler ve bölgeler arasındaki etki alanının önemli ölçüde farklılık göstermesi nedeniyle, toplu istatistiklerde büyük ölçüde gözden kaçan kırılganlıkları ortaya koyuyor.
OEM tarafından geliştirilen metodoloji, mevcut analizlerde sıkça karşılaşılan üç temel sınırlamayı ele alıyor: meslek analizlerinde yeterli detay seviyesinin bulunmaması, uzman görüşlerine veya yapay zekâ tarafından üretilen değerlendirmelere dayanan analizlerin düşük tekrar üretilebilirliği ve yapay zekâ gelişiminin farklı aşamalarını kapsayan gerçek anlamda ileriye dönük bir perspektifin eksikliği.
Analiz edilen 923 mesleğin her biri görevlere ayrılıyor ve bu görevler fiil, nesne ve bağlamdan oluşan üçlü yapılarla tanımlanan temel eylemlere bölünüyor. Bu ayrıştırma, her bir görevin otomasyona ne ölçüde maruz kaldığının daha hassas biçimde değerlendirilmesine olanak tanıyor. Temel eylemler ise açık ve tekrar üretilebilir kurallar çerçevesinde puanlanıyor.
Bu yöntem, tespit edilen üç temel sınırlamaya somut bir yanıt sunuyor. İlk olarak, meslek analizini önemli ölçüde derinleştirerek, ilgili meslekten bağımsız şekilde genel temel eylemler üzerinden değerlendirme yapılmasını sağlıyor. İkinci olarak, açık ve denetlenebilir kurallar sayesinde değerlendirmelerin tekrar üretilebilirliğini artırıyor. Son olarak, yapay zekâ gelişiminin farklı aşamalarını kapsayan gerçek bir ileriye dönük perspektif sunuyor. Bu kapsamda görevlerin etkilenme düzeyi beş aşama üzerinden projekte ediliyor. Böylece analiz, tek bir zamana ait anlık bir fotoğrafın ötesine geçerek daha kapsamlı bir çerçeve ortaya koyuyor.
OEM ile birlikte Coface, görevlerin önem ve sıklıklarına göre ağırlıklandırılmasına yönelik bir yöntem geliştirerek bu çerçevenin genişletilmesine katkı sağladı; ayrıca ileriye dönük senaryoları ve puanlama kurallarını daha da geliştirdi ve analizin ampirik kapsamını yaklaşık otuz ülkeyi kapsayacak şekilde genişletti.
Bu otomasyondan etkilenme değerlendirmesi bilinçli olarak genel bir çerçevede ve arz yönlü bir bakış açısıyla ele alınıyor; görevlerin otomasyona teknik olarak ne ölçüde açık olduğunu ölçüyor. Bu nedenle de net istihdam kaybının büyüklüğüne dair herhangi bir öngörüde bulunmuyor.
Nitekim, metodolojisi gereği talep dinamiklerini, yeni görevlerin ortaya çıkma potansiyelini veya yapay zekânın fiili kullanımını yavaşlatabilecek ya da sınırlayabilecek sürtünmeleri dikkate alınmıyor.
2. Meslek grupları arasında farklılaşan etkilenme düzeyi: Yapay zekâ ağırlıklı olarak bilişsel ve bilgi temelli faaliyetleri hedef alıyor
Çalışma, önceki otomasyon dalgalarına kıyasla önemli bir kırılmaya işaret ediyor: Yapay zekâ, robotik veya yazılım gibi teknolojilerin bir devamı olmaktan ziyade, odağı karmaşık ve tekrara dayanmayan bilişsel görevlere kaydırıyor. Etkisi ise oldukça farklı katmanlarda hissediliyor; öncelikle görev düzeyinde ortaya çıkıyor, ardından meslekler, meslek grupları ve bu mesleklerin yoğunlaştığı sektörler üzerinde eşit olmayan bir etki yaratıyor.
İncelenen ana senaryoda, yani ajan tabanlı yapay zekânın yaygınlaşması durumunda, yaklaşık her sekiz meslekten biri otomasyona açık görevler açısından %30 eşiğini aşıyor. Çalışma bu oranı, meslekte derin bir dönüşümün başladığı eşik olarak tanımlıyor. Bu durum, mesleklerin tamamen ortadan kalkması anlamına gelmese de, iş gücünün yeniden konumlanması açısından önemli değişimlerin önünü açıyor. En yüksek etki ise mühendislik, bilgi teknolojileri, idari işler, finans, hukuk ile bazı yaratıcı ve analitik mesleklerin bulunduğu, bilişsel yoğunluğu ve bilgiye dayalı yapısı güçlü alanlarda görülüyor.
Meslek grubuna göre, görevlerinin %30’u veya daha fazlası otomatikleştirilebilen mesleklerin sayısı, “Özel Ajan” senaryosu
Buna karşılık, otomasyona en az maruz kalan meslekler büyük ölçüde manuel becerilere dayanan ya da standartlaştırılması zor insan etkileşimleri içeren alanlarda yoğunlaşıyor. Üretim, inşaat, bakım, ulaşım, yeme-içme hizmetleri, temizlik ile bazı bakım ve destek faaliyetleri bu grupta öne çıkıyor.
Çalışma ayrıca, incelenen her iş gücü piyasasında risk altındaki iş içeriğini ölçmek amacıyla, 923 mesleğin her birinde otomasyona açık görevlerin oranını o mesleğin istihdam hacmiyle karşılaştırıyor. Bu veriler sekiz geniş kategori altında gruplandırılarak, en yüksek risk altında bulunan meslek grupları belirleniyor.
Temel bulgular oldukça net: yönetim ve idari işler, yaratıcı meslekler, hukuk ve finans ile mühendislik ve bilgi teknolojileri alanlarında iş içeriğinin dörtte birinden fazlası otomasyona açık durumda. Buna karşılık, yüz yüze hizmetler ile teknik, zanaat ve endüstriyel üretim mesleklerinde bu oran %10’un altında kalıyor. Bakım, eğitim, satış ve genel olarak insan etkileşimine dayalı meslekler ise ara bir konumda yer alıyor; bazı görevler risk altında bulunurken, insan unsurunun güçlü varlığı koruyucu bir etki yaratmaya devam ediyor.
3. Ülkeler arasında belirgin farklılıklar
Çalışma, ülkelerin yapay zekâ kaynaklı otomasyondan etkilenme düzeyenin önemli ölçüde farklılık gösterdiğini ortaya koyuyor. Toplam istihdam içindeki otomasyona açık görevlerin oranı Türkiye’de yaklaşık %12 seviyesindeyken, Birleşik Krallık’ta %20’ye yaklaşıyor. Bu farklılıkların temel nedeni, ekonomilerin yapısının istihdam dağılımını ve dolayısıyla otomasyona açık görevlerin oranını büyük ölçüde belirlemesi olarak öne çıkıyor.
Daha yüksek gelir seviyesine sahip ve bilişsel hizmetlere daha fazla odaklanan ekonomiler otomasyona daha yüksek düzeyde maruz kalıyor. Birleşik Krallık’ın yanı sıra Hollanda, İrlanda ve Lüksemburg gibi ülkelerde bilgi yoğun mesleklerin daha yüksek oranda bulunması bu tabloyu destekliyor. Buna karşılık, istihdamın ticaret, kişisel hizmetler, inşaat, ulaşım veya fiziksel yoğunluğu yüksek diğer faaliyetlerde yoğunlaştığı ülkelerde etkilenme düzeyi daha sınırlı kalıyor.
Çalışma, benzer özellikler taşıyan ülkeleri beş farklı grup altında sınıflandırıyor. Bu kapsamda Portekiz ve İtalya (%16), İspanya, Yunanistan, Bulgaristan (%15), Romanya (%13) ve Türkiye (%12) etrafında daha esnek ve kendi içinde farklılıklar barındıran bir Güney Avrupa kümesi tanımlanıyor.”
Türkiye, otomasyon etkisine göre sıralanan ülkeler arasında düşük etki grubunda yer alıyor. Bu grupta yer alan ülkeler Kuzey ve Kuzeybatı Avrupa’ya kıyasla yüksek otomasyon etkisine sahip kurumsal ve bilgi-yoğun mesleklerin daha düşük paya sahip olduğu; buna karşılık satış, kişisel hizmetler, inşaat, ulaşım ve bazı durumlarda tarım gibi alanların istihdam yapısında daha yüksek ağırlık taşıdığı bir profil sergiliyor.
4. İstihdamın ötesinde: değer paylaşımı, sosyal koruma, eğitim, yeni bağımlılıklar… Şu anda cevabı bulunmayan pek çok soru.
Yapay zekanın yaygınlaşmasının olası etkileri, yalnızca istihdam meselesinin ötesine uzanıyor. Yapay zeka, vasıflı ve yüksek ücretli meslekleri hedef aldığı için yaygınlaşması nihayetinde ekonomik ve sosyal dengeleri bozabilir.
En vasıflı mesleklerde gerçekleştirilen bazı görevleri otomatikleştirerek, katma değerin önemli bir kısmını işgücünden sermayeye kaydırabilir. Vergi sistemleri büyük ölçüde işgücünün doğrudan ve/veya dolaylı vergilendirilmesine dayanan ülkeler için bu gelişme, vergi gelirlerini (sosyal güvenlik primleri, gelir vergisi, KDV vb.) azaltırken aynı zamanda kamu harcamalarını (işsizlik sigortası, eğitim) artırarak çifte bir bütçe sorunu yaratabilir.
Çalışma ayrıca, eğitimin değerini ve çeşitli eğitim yollarının sonunda halihazırda verilen nitelikleri daha geniş bir perspektiften ele almamızı öneriyor. Uzun süreli eğitim programlarının hazırladığı bazı görevler daha kolay otomatikleştirilebilir hale gelirse, eğitim düzeyi, ücret ve iş güvenliği arasındaki bağlantı zayıflayabilir. Yükseköğretimin artık gerekli olmadığı sonucuna (henüz) varmadan, bu bulgular işverenlerin yalnızca niteliklere daha az önem verebileceğini ve bunun yerine muhakeme, uyum sağlama veya yapay zekanın kullanımını denetleme becerisi gibi yapay zekayı tamamlayıcı nitelikteki becerilere odaklanabileceğini gösteriyor.
Son olarak, yapay zekanın yükselişi, en kritik varlıklarının (yarı iletkenler, dil modelleri, veri merkezleri) bu teknolojileri kontrol eden sınırlı sayıda şirket ve ülke elinde yoğunlaşması nedeniyle yeni jeopolitik, lojistik ve operasyonel güvenlik açıklarına yol açabilir.
Sonuç: Çalışma hayatını yeniden şekillendirebilecek bir dönüşüm
Bu dönüşümlerin tam olarak nasıl bir seyir izleyeceği belirsizliğini korusa da ve görevlerin teknik yönünden istihdam üzerindeki net etkilerine geçişin hiçbir şekilde kendiliğinden gerçekleşmeyecek olsa da, bir nokta açıkça göze çarpıyor: Yapay zeka, iş dünyasının kenarlarında değil, uzun süredir en güvenli olarak algılanan bilişsel, rutin olmayan ve vasıflı işlevlerin bir kesiminde kullanılıyor. Bu işlevler, gelir, katma değer ve vergi geliri yaratmada önemli bir rol oynayan mesleklerin bir parçasını oluşturduğundan, işlerin doğasını ve bunların temelini oluşturan dengeleri çeşitli derecelerde yeniden şekillendirmeden böyle bir dönüşümün gerçekleşmesi olası görünüyor.
Kaynak : 