Yapay Zekânın Yol Açacağı İş Kaybı Korkusu Neden Abartılı
140 Yıllık Veride Yeni İşler: Yapay Zekânın Yol Açacağı İş Kaybı Korkusu Neden Abartılı — ve Asıl Neye Endişelenmeli
Yapay zekânın yol açacağı iş kayıplarına ilişkin tahminler, otomatikleştirilebilir görevlerin sayılmasına dayanıyor. Oysa işgücü piyasaları görevleri değil, meslekleri bir bütün olarak işe alıyor, ücretlendiriyor ve işten çıkarıyor — üstelik mesleklerin, görev maruziyetinin ima ettiğinden çok daha kalıcı olduğu görülüyor. 140 yıllık İsveç nüfus sayımı ve sicil verilerinden yararlanan bu yazı, bugün çalışanların kabaca on kişiden yedisinin, temel işlevleri on dokuzuncu yüzyılın sonlarında zaten var olan mesleklerde çalıştığını gösteriyor. Kitlesel işsizlik korkusu abartılı; daha incelikli soru ise bugünkü teknolojik dalganın, önceki dalgaların yarattığı türden kalıcı, uzmanlaşmış yeni işler üretmeye devam edip etmediği.
Bugün, yapay zekânın ekonomiyi nasıl etkileyeceği ve istihdamı nasıl yeniden şekillendireceği kadar ilgi gören çok az ekonomik soru var. Günümüzdeki kaygı dalgasının kökeni, ABD’deki istihdamın %47’sinin bilgisayarlaşma riski yüksek mesleklerde olduğunu tahmin eden Frey ve Osborne’a (2017) kadar uzanıyor. Sonraki çalışmalar, görevlerin otomasyonuna odaklanan Acemoglu ve Restrepo’dan (2019) esinlendi. Eloundou ve diğerleri (2024), büyük dil modellerinin ABD’deki işlerin yaklaşık beşte birinde görevlerin en az yarısını etkileyebileceğini ortaya koyuyor; danışmanlık şirketleri kendi otomasyon maruziyeti haritalarını hazırladı; OECD ise yüksek maruziyetli işlerden kaçının kaybedildiğini değerlendirdi (Georgieff ve Milanez 2021).
Bu literatürün büyük bölümü, otomasyona nihayetinde işleri oluşturan görevler üzerinden yaklaşıyor. Ancak teknolojinin bir göreve ne yapabileceği ile bir işe ne yaptığı iki ayrı sorudur. Bir iş, birbirinden bağımsız olarak ikame edilebilen görevlerin gevşek bir yığını değil, piyasanın bir bütün olarak fiyatlandırdığı bir görevler demetidir. Bir çalışanın görevlerinden bazıları otomatikleştirildiğinde olağan sonuç, çalışanın ortadan kalkması değil, işin içeriğinin değişmesidir. Garicano ve diğerleri (2026) tam da bu noktaya dikkat çekiyor: Yapay zekâ işleri ortadan kaldırmak yerine işlerin sınırlarını yeniden çiziyor. Ampirik bulgular da artık aşina olduğumuz bir tablo ortaya koyuyor: Yapay zekâ, işin kendisini ortadan kaldırmaktan çok işin görev içeriğini değiştiriyor. Humlum ve Vestergaard (2025), şimdiye kadar yapay zekâ sohbet robotlarının kazançlar ve çalışılan saatler üzerindeki ölçülen etkilerinin dikkat çekici ölçüde küçük olduğunu ortaya koyuyor.
İşgücü piyasası görevleri değil meslekleri ödüllendiriyorsa, teknolojinin gerçek ayak izini ölçmenin doğru yolu, hangi mesleklerde gerçekte kaç kişinin istihdam edildiğini ve bunun nasıl değiştiğini sormaktır. Biz de bu soruyu uzun tarihsel kayıt üzerinden inceliyoruz.
Uzun Tarihsel Kayıt Ne Gösteriyor
Skoglund ve diğerlerinde (2026), tam sayımlı nüfus sayımları ve idari sicilleri kullanarak İsveç’in meslek yapısını 1880’den 2019’a kadar izliyoruz. 140 yıllık verideki meslekleri tek bir meslek sınıflandırma şemasına göre uyumlaştırıyoruz (van Leeuwen ve diğerleri 2002). Meslek içindeki görev değişimlerini incelemek yerine, mesleğin işlevine odaklanıyoruz. Bu tanıma göre, 1800’lerdeki bir ilkokul öğretmeni ile 21. yüzyıldaki bir ilkokul öğretmeni, yerine getirdikleri görevler zaman içinde değişmiş olsa da aynı meslek koduna sahiptir.
Meslekleri ortaya çıktıkları döneme göre sınıflandırıyoruz: 1900’den önce var olanlar, ikinci veya üçüncü sanayi devrimi sırasında ortaya çıkanlar ve 21. yüzyılda ortaya çıkanlar. Birbiri ardına gelen bu teknolojik değişim dalgalarına rağmen, İsveç’teki istihdamın büyük bölümü, ikinci sanayi devriminden önce zaten var olan mesleklerde yoğunlaşmaya devam ediyor. Şekil 1’in gösterdiği gibi, 2019 itibarıyla çalışanların yaklaşık %70’i hâlâ bu yerleşik mesleklerde istihdam ediliyordu. Hemşirelik veya perakende çalışanlığı gibi günümüzün en büyük meslekleri, görev içerikleri tanınmayacak ölçüde dönüşmüş olsa da ekonomik işlevleri bakımından 1880’lerde çalışma hayatını örgütleyen mesleklerin ta kendisidir. At arabası sürücüsü kamyon şoförüne dönüştü; kâtip bir bilgisayar edindi. Meslek varlığını sürdürdü; görevler ise sürdürmedi.
Bu, İsveç’e özgü bir durum değil. Aynı yaklaşımı ABD verilerine uyguladığımızda, 1940’tan bu yana ortaya çıkan yeni mesleklerin 2019’daki istihdamın yalnızca yaklaşık %9’unu oluşturduğunu görüyoruz. Bu bulgu, unvan temelli “yeni sınırlar” yaklaşımıyla ABD’deki mevcut istihdamın çoğunluğunu 1940’tan bu yana ortaya çıkan uzmanlık alanlarına atfeden Autor ve diğerleriyle (2024) görünürde çelişiyor. Aradaki fark yöntemsel: Onların ölçüsü istihdamı yeni mikro unvanların payından hareketle tahmin ederken, bizimki her meslekte fiilen çalışan kişileri sayıyor. Dikkat çekici biçimde, Autor ve diğerleri (2026) kişi düzeyindeki nüfus sayımı verilerine geçtiğinde tablo belirgin biçimde mesleklerin kalıcılığı yönünde değişiyor: 2011–2023 dönemindeki çalışanların %18,3’ünün 1970’ten bu yana ortaya çıkan işlerde istihdam edildiğini buluyorlar; bu oran, unvan payına dayalı tahminlerin çok altında ve bizim bulgumuza çok daha yakın. Unvanlar yerine insanlar üzerinden ölçüldüğünde, meslek yapısı eskidir.
Şekil 1 Teknolojik meslek dalgalarına göre İsveç istihdamının payı, 1880–2019
Not: Meslekler 5 haneli HISCO’ya göre uyumlaştırılmıştır; dönemler, bir kodun ilk kez 50 çalışana ulaştığı yıla göre tanımlanmıştır. “Yerleşik”, 1900’den önce var olan meslekleri; “İkinci sanayi devrimi”, 1900 ile 1930 arasında ortaya çıkan meslekleri; “üçüncü sanayi devrimi”, 1960’tan itibaren ortaya çıkan işleri; “21. yüzyıl” ise 2000’den sonra ortaya çıkan işleri ifade eder.
Kaynak: Skoglund ve diğerleri (2026); IPUMS İsveç nüfus sayımları 1880–1910, 1930 nüfus sayımı ve FOB/LISA sicilleri 1960–2019.
Kalıcı Yeni İşler Gerçekte Nereden Geliyor
Meslekler varlığını sürdürüyorsa, yeni işler nereden geliyor? Bunu anlamak için iki farklı kaynağı ele alıyoruz. Bazı yeni meslekler Schumpetercidir — doğrudan yeni bir teknoloji tarafından yaratılır (elektrikçiler, bilgisayar programcıları). Diğerleri ise Smithçidir — piyasalar büyüyüp kuruluşlar karmaşıklaştıkça işbölümü sonucunda ortaya çıkar (muhasebeciler, uzmanlar, lojistik çalışanları).[1] Sömürge ekonomisindeki genel tüccar; dükkân sahipleri, komisyoncular ve bankacılar olarak ayrışır; bunun nedeni ticaretin yeni olması değil, ölçeğin daha ince bir iş bölümünü kazançlı hâle getirmesidir (Chandler 1978).
Kilit bulgu, kalıcı ve iyi ücretli istihdamın ezici ölçüde Smithçi tarafta birikmesidir. Smithçi mesleklerin varlığını sürdürme olasılığı çok daha yüksektir: Verilerimizde, daha uzmanlaşmış mesleklerin gerilemeye girme olasılığı kabaca yarısı kadarken, en yakın tarihli teknolojik dalgalarda doğan mesleklerin ortadan kalkma olasılığı yerleşik mesleklerinkinden birkaç kat daha yüksektir — delikli kart operatörlüğü bunun klasik örneğidir. (Yüksek riski beraberinde getiren, başlı başına yüksek bir “teknoloji puanı” değil, yakın tarihli bir teknolojik dalgaya mensup olmaktır.) Mekanizma bir zincir hâlinde işler: Teknoloji ölçek yaratır, ölçek uzmanlaşma yaratır, uzmanlaşma da kalıcı emek talebi yaratır. Schumpeterci sektörün verimliliği artırıp piyasayı büyüttüğünü, ancak nihayetinde desteklediği istihdamın büyük ölçüde başka yerlerde, kalıcı işlevler içindeki Smithçi uzmanlaşma biçiminde ortaya çıktığını savunuyoruz. İş kaybı korkusunun abartılı olabilmesinin nedenlerinden biri de budur. Tarihsel kayıt, önemli ölçüde otomasyon ve teknolojik değişime rağmen mesleklerin çarpıcı biçimde kalıcı olduğunu gösteriyor. Ekonomik büyüme de yeni Smithçi işlerin genişlemesini hâlâ besleyebilir.
Gerileme İşaretleri
İşgücü piyasasının nereye doğru gittiğini anlamak için, gerileyen mesleklerde işgücünün de yaşlanma eğiliminde olduğu bulgusundan (Autor ve Dorn 2009) hareketle Smithçi ve Schumpeterci mesleklerde çalışanların yaşını inceliyoruz.
Yeniliğe en yakın sektör bile önemli ölçüde olgunlaşmış durumda. Yirmi birinci yüzyılın dijital dalgasında doğan meslekler, istihdamın hâlâ çok küçük bir bölümünü oluşturuyor ve kendilerinden önce gelen mesleklerden daha oynaklar. Dijital mesleklerde çalışanlar da yaşlandı. Bir zamanlar ortalama çalışandan en az on yaş daha genç olan bilgisayar programcılarının yaş ortalaması, artık yaklaşık olarak işgücü ortalamasına ulaştı — bu, bir zamanlar işgücü piyasasının en genç kesimi için çarpıcı bir yakınsama ve artık gençleri kendine çekmeyen bir mesleğin demografik göstergesidir (Şekil 2). Buna karşılık mühendislerin yaşı 1930’lardan bu yana işgücü ortalamasına yakın seyrediyor — yaşlanma, dijital dalgayla doğan programlama ve operatör mesleklerine özgü. En genç çalışanlar giderek teknolojik sınırda değil, uzmanlaşma düzeyi düşük hizmet işlerinde bulunuyor.
Şekil 2 Seçilmiş mesleklerde çalışanların işgücü ortalamasına göre yaşı, 1880–2022
Not: Her meslek grubundaki istihdam ağırlıklı ortalama çalışan yaşından, ilgili yılın işgücü ortalaması çıkarılmıştır; pozitif değerler, çalışanların o yıl ortalama çalışandan daha yaşlı olduğunu gösterir.
Kaynak: Skoglund ve diğerleri (2026); IPUMS İsveç nüfus sayımları 1880–1910, 1930 nüfus sayımı ve FOB/LISA sicilleri 1960–2022.
Bunu daha iyi anlamak için, farklı meslek türlerindeki kazanç primlerini izliyoruz. Teknolojik açıdan yeni olmanın herhangi bir kazanç primi sağladığını görmüyoruz. Prim, uzmanlaşmayı izliyor: Yüksek düzeyde uzmanlaşmış meslekler, teknoloji yoğun olsun ya da olmasın yüksek getiriler sağlıyor; yirmi birinci yüzyıl meslekleri ise on dokuzuncu yüzyıldan miras kalan mesleklerden daha fazla kazandırmıyor — hatta biraz daha az kazandırıyor. Piyasanın ödüllendirdiği, teknolojinin yeniliği değil, iş bölümünün derinliğidir.
Yapay Zekâ Tartışması Açısından Bunun Anlamı
Dolayısıyla asıl soru, manşetlere hâkim olan soru değil. Mesele, yapay zekânın çalışanları görevlerden uzaklaştırıp uzaklaştırmayacağı değil — piyasanın fiyatlandırdığı birim olan meslekler, tarih boyunca bu tür şokları tekrar tekrar soğurdu. Asıl mesele, mevcut teknolojik dalganın önceki dalgaların yaptığını hâlâ yapıp yapamayacağı: kalıcı, uzmanlaşmış ve iyi ücretli yeni işler ortaya çıkaracak kadar verimlilik ve ölçek yaratıp yaratamayacağıdır. Geçmişteki genel amaçlı teknolojiler, yeniliği işbölümü aracılığıyla düzenli biçimde geniş çaplı istihdama dönüştürdü. Dijital dalganın ise şimdiye kadar aynı başarıyı tekrarladığı açıkça görülmüyor.
Bu, yapay zekâ ve işler konusundaki tartışmanın odağını görev maruziyetinden mesleklerde ve istihdamda fiilen yaşanan değişimlere kaydırıyor. Tarihsel olarak teknoloji, işleri ortadan kaldırmaktan daha sık biçimde değiştirdi; istihdam üzerindeki etkinin büyük bölümü de yeni teknolojik mesleklerin kendilerinden değil, bu mesleklerin başka alanlarda mümkün kıldığı uzmanlaşmadan kaynaklandı.
Bu, kitlesel teknolojik işsizlik konusundaki harareti düşürmeli, ancak daha sessiz bir endişe söz konusu olduğunda harareti yükseltmeli. Yapay zekâ konusunda yanıtı hâlâ açık olan soru, eski uzlaşmayı sürdürüp sürdüremeyeceğidir: verimlilik kazanımlarını daha derin bir işbölümü yoluyla yeni, uzmanlaşmış işlere dönüştürmek.
Kaynakça
Acemoglu, D ve P Restrepo (2019), “Automation and New Tasks: How Technology Displaces and Reinstates Labor”, Journal of Economic Perspectives 33(2): 3–30.
Autor, D ve D Dorn (2009), “This Job Is ‘Getting Old’: Measuring Changes in Job Opportunities Using Occupational Age Structure”, American Economic Review: Papers & Proceedings 99(2): 45–51.
Autor, D, C Chin, A Salomons ve B Seegmiller (2024), “New Frontiers: The Origins and Content of New Work, 1940–2018”, Quarterly Journal of Economics 139(3): 1399–1465.
Autor, D, C Chin, A Salomons ve B Seegmiller (2026), “What Makes New Work Different from More Work?”, NBER Working Paper 34986.
Chandler, A D (1978), The Visible Hand: The Managerial Revolution in American Business, Belknap Press of Harvard University Press.
Eloundou, T, S Manning, P Mishkin ve D Rock (2024), “GPTs are GPTs: Labor Market Impact Potential of LLMs”, Science 384(6702): 1306–1308.
Frey, C B ve M A Osborne (2017), “The Future of Employment: How Susceptible Are Jobs to Computerisation?”, Technological Forecasting and Social Change 114: 254–280.
Garicano, L, J Li ve Y Wu (2026), “Weak Bundle, Strong Bundle: How AI Redraws Job Boundaries”, CEPR Discussion Paper DP21453.
Georgieff, A ve A Milanez (2021), “What Happened to Jobs at High Risk of Automation?”, OECD Social, Employment and Migration Working Paper 255.
Humlum, A ve E Vestergaard (2025), “Large Language Models, Small Labor Market Effects”, NBER Working Paper 33777.
van Leeuwen, M H D, I Maas ve A Miles (2002), HISCO: Historical International Standard Classification of Occupations, Leuven University Press.
Skoglund, W, J Molinder ve K Enflo (2026), “What the history of (new) jobs can tell us about the impact of technological change on employment”, CEPR Discussion Paper 21896.
Dipnotlar
- Meslekleri hem Schumpeterci hem de Smithçi eksende sınıflandırmak için bir büyük dil modeli (LLM) kullanıyoruz.