Hangi meslekler değişiyor?

Öğrenme çıktıları

• Hatırlama — Bir teknolojinin emeği ikame etmesi ile emeği tamamlaması arasındaki farkı tanımlar.
• Anlama — Meslek temelli ve görev temelli otomasyon tahminlerinin neden çok farklı sonuçlar verdiğini açıklar.
• Analiz — Bankamatik ile veznedar örneğinde, bir teknolojinin bir mesleği hem küçültüp hem büyütebilen iki kanalını çözümler.
• Değerlendirme — «Mesleklerin yüzde şu kadarı risk altında» biçimindeki başlıkları, maruziyet ile iş kaybı arasındaki farkı gözeterek değerlendirir.

Sezgi

Açılış

2013'te Oxford Üniversitesi'nden Carl Benedikt Frey ve Michael Osborne bir çalışma yayımladı ve sonucu dünya basınının manşetlerine taşındı: ABD'deki istihdamın yüzde 47'si, önümüzdeki yıllarda bilgisayarla otomatikleştirilme riski yüksek mesleklerdeydi. Neredeyse her iki çalışandan biri.

Üç yıl sonra OECD için çalışan Melanie Arntz, Terry Gregory ve Ulrich Zierahn aynı soruyu 21 ülke için yeniden sordu. Buldukları oran yüzde 9'du. Aynı teknolojiye, aynı döneme bakan iki araştırma arasında beş kat fark vardı. Fark, verilerde değil, sorunun nasıl sorulduğundaydı. Birinci çalışma meslekleri bir bütün olarak değerlendirmişti. İkincisi ise her mesleğin içine bakıp, onu oluşturan görevleri tek tek saymıştı.

Hikâye — bankamatikler çoğaldı, veznedarlar ne oldu?

Bankamatikler 1970'lerde ortaya çıktı. İşleri açıktı: para çekmek, para yatırmak, bakiye göstermek. Bunlar tam da bir banka veznedarının gün boyu yaptığı işlerdi. ABD'de bankamatik sayısı 1995 ile 2010 arasında yaklaşık 100 binden 400 bine, dört katına çıktı. Veznedar mesleğinin bu dönemde neredeyse yok olduğunu tahmin etmek kolay.

Oysa ABD'de veznedar sayısı 1980'de yaklaşık 500 bin iken 2010'da yaklaşık 550 bine yükseldi. Toplam istihdam daha hızlı büyüdüğü için veznedarların tüm çalışanlar içindeki payı düştü, ama meslek yok olmadı. İktisatçı James Bessen'in incelediği bu bulmacanın iki parçası vardı.

Birinci parça maliyetti. Bankamatik bir şubeyi işletmenin maliyetini düşürdü. 1988 ile 2004 arasında şube başına veznedar sayısı üçte birden fazla azaldı. Ama şube açmak ucuzladığı için, bankacılığı serbestleştiren düzenlemelerin de etkisiyle, kentlerdeki şube sayısı yüzde 40'tan fazla arttı. Her şubede daha az veznedar vardı, ama çok daha fazla şube vardı.

İkinci parça işin kendisiydi. Para sayma gibi rutin işler makineye geçince veznedarın günü değişti. Bankalar veznedarı artık bir kasiyer olarak değil, müşteriyle ilişki kuran, ona kredi kartı, kredi ya da yatırım ürünü tanıtan bir satış temsilcisi olarak görmeye başladı. Meslek aynı adı taşıyordu, ama içindeki görevler başkaydı.

Kavram — meslek bir görevler demetidir

Bir meslek tek bir iş değil, görevlerden oluşan bir demettir. Bir muhasebecinin günü fatura girmekten, hesap mutabakatından, vergi mevzuatını yorumlamaktan ve müşteriyle görüşmekten oluşur. Yeni bir teknoloji bu görevlerin bir kısmını yapabilir, bir kısmını yapamaz. Frey ve Osborne ile OECD çalışması arasındaki fark tam buradaydı: bir mesleği riskli sayan birinci yaklaşım, o meslekteki birinin makinenin yapamayacağı görevlerle de uğraştığını hesaba katmıyordu.

Bir görevi makinenin yapabilmesi, iki farklı sonuç doğurabilir. Makine o görevi yapan kişinin yerini alırsa buna ikame denir. Makine kişinin elinde, onun işini hızlandıran ya da iyileştiren bir araç olursa buna tamamlayıcılık denir. Bankamatik para sayma görevinde veznedarı ikame etti, ama veznedarın müşteriyle kurduğu ilişkiyi tamamladı: rutin işten kurtulan zaman, satış ve danışmanlığa gitti.

Son kırk yılın bilgisayarları özellikle rutin görevleri, yani adım adım yazılabilen kurallarla yapılabilen işleri üstlendi: hesap tutmak, belge dosyalamak, montaj hattında aynı hareketi tekrarlamak. Buna karşılık sorun çözme, ikna etme ve beklenmedik durumlara uyum gerektiren görevler insana kaldı. Üretken yapay zekâ bu çizgiyi kaydırıyor. Metin yazmak, özetlemek, çeviri yapmak, kod yazmak gibi eskiden rutin sayılmayan bilişsel görevler de artık bir makinenin yapabildiği işler arasına giriyor.

Veri ve kanıt — kim ne kadar maruz?

OpenAI ile Pennsylvania Üniversitesi'nden araştırmacıların ortak çalışması, ABD'deki mesleklerin görevlerini büyük dil modellerinin yapabilecekleri açısından tek tek puanladı. Sonuca göre ABD işgücünün yaklaşık yüzde 80'inin en az yüzde 10'luk bir görev kısmı bu modellerden etkilenebiliyor; yaklaşık yüzde 19'unun ise görevlerinin en az yarısı. Maruziyet, ücret ve eğitim düzeyi yükseldikçe artma eğilimindeydi.

Uluslararası Çalışma Örgütü aynı soruyu dünya ölçeğinde sordu ve büyük meslek grupları arasında belirgin bir farka ulaştı. Yüksek maruziyetli görevlerin payının açıkça öne çıktığı tek grup büro hizmetleriydi: bu işlerdeki görevlerin yüzde 24'ü yüksek, yüzde 58'i orta düzeyde maruzdu. Öbür meslek gruplarında yüksek maruziyetli görevlerin payı yüzde 1 ile 4 arasında kalıyordu. Raporun genel sonucu, teknolojinin baskın etkisinin meslekleri ortadan kaldırmaktan çok onları tamamlamak olacağıydı. Büro işleri kadınların istihdamında büyük yer tuttuğu için etkinin kadınlar ve erkekler arasında eşit dağılmayacağını da vurguladı.

Neden önemli? — gelişmekte olan ekonomilerde tablo

Uluslararası Para Fonu'nun 2024 başındaki değerlendirmesine göre dünya genelinde istihdamın yaklaşık yüzde 40'ı yapay zekâya maruz. Bu oran gelişmiş ekonomilerde yaklaşık yüzde 60'a çıkarken gelişmekte olan piyasa ekonomilerinde yüzde 40, düşük gelirli ülkelerde yüzde 26'ya iniyor. Aynı değerlendirme, gelişmiş ekonomilerde maruz kalan işlerin yaklaşık yarısının yapay zekâyla tamamlanmaktan fayda görebileceğini, öbür yarısının ise ikame riskiyle karşı karşıya olduğunu tahmin ediyor.

Türkiye gelişmekte olan piyasa ekonomileri grubunda yer alıyor ve bu tablo iki yönlü okunabilir. Tarım, inşaat ve yerinde yapılan hizmetlerin istihdamdaki payı gelişmiş ekonomilerdekinden yüksek olduğu için, maruziyetin gelişmiş ekonomilerdekinden düşük olması beklenir. Bu ilk bakışta bir korunma gibi görünür. Ama aynı yapı, verimlilik kazancından alınacak payın da daha küçük olacağı anlamına gelir. Maruziyeti en yüksek meslekler, yani büro çalışanları, çağrı merkezi temsilcileri, muhasebe ve metin üreten meslekler, Türkiye'de de özellikle büyük şehirlerde ve hizmet sektöründe yoğunlaşıyor.

Bankamatik hikâyesinin en önemli dersi, sonucun teknolojinin kendisinde yazılı olmadığıdır. Veznedarlar ilişki bankacılığına geçebildi, çünkü bankalar şube sayısını artırmayı ve veznedarı yeniden eğitmeyi seçti. Yapay zekânın büro işlerini ikame mi edeceği, tamamlayacak mı, büyük ölçüde işletmelerin, eğitim sisteminin ve çalışanların kendisinin yapacağı seçimlere bağlı.

Özet kartı

1. Meslek temelli yaklaşım ABD istihdamının yüzde 47'sini yüksek otomasyon riskinde bulurken görev temelli yaklaşım OECD ülkelerinde bu oranı yüzde 9 buldu; fark sorunun soruluş biçimindeydi.
2. ABD'de bankamatik sayısı 1995–2010'da dört katına çıkarken veznedar sayısı 1980–2010'da 500 binden 550 bine yükseldi; şubeler çoğaldı, veznedarlar ilişki bankacılığına kaydı.
3. Teknoloji bir görevde insanın yerini alırsa emeği ikame eder, insanın elinde araç olursa tamamlar; aynı meslekte iki etki birlikte görülebilir.
4. Maruziyet iş kaybı değildir; ABD işgücünün yaklaşık yüzde 19'unun görevlerinin yarısı büyük dil modellerine maruz, en maruz meslek grubu büro hizmetleri.
5. IMF'ye göre istihdamın yapay zekâya maruziyeti gelişmiş ekonomilerde yüzde 60, gelişmekte olanlarda yüzde 40; düşük maruziyet hem daha az risk hem daha az kazanç demek.

Kavram sözlüğü

Kendini sına

1. (Çıktı 1) Bir hastanede yapay zekâ, radyoloğun görüntüleri incelemesine yardım eden bir ön tarama yapıyor. Bu durum ikame mi tamamlayıcılık mı? Hangi koşulda öbürüne dönüşebilir?
2. (Çıktı 2) Frey ve Osborne ile Arntz, Gregory ve Zierahn aynı dönemde aynı teknolojiye baktı. Sonuçlarının beş kat farklı çıkmasının nedeni nedir?
3. (Çıktı 3) Bankamatik şube başına veznedar sayısını azalttığı hâlde toplam veznedar sayısı neden arttı? İki kanalı adlandır.
4. (Çıktı 4) Bir haber başlığı «Yapay zekâ Türkiye'de işlerin yüzde 40'ını tehdit ediyor» diyor. Bu başlığı değerlendirmek için hangi üç soruyu sorarsın?
5. (Çıktı 4) Maruziyetin düşük olması bir ülke için neden hem iyi hem kötü haber olabilir?

Cevaplar

1. Radyolog kararı veriyor ve yapay zekâ onun işini hızlandırıyorsa bu tamamlayıcılıktır. Yapay zekânın taraması radyologun onayı olmadan son karar olarak kullanılmaya başlanırsa ve bir radyoloğun yaptığı işi tek başına üstlenirse ikameye dönüşür. Hangisinin olacağı teknolojinin yanında düzenlemeye, sorumluluğun kimde olduğuna ve hastanenin işi nasıl örgütlediğine de bağlıdır.
2. Frey ve Osborne meslekleri bütün olarak değerlendirip riskli bir mesleği tümüyle risk altında saydı. Arntz, Gregory ve Zierahn mesleklerin içindeki görevlere baktı ve aynı meslekte çalışanların makinenin yapamayacağı görevlerle de uğraştığını hesaba kattı.
3. Birinci kanal maliyet: bankamatik şube işletmeyi ucuzlattı, şube sayısı yüzde 40'tan fazla arttı ve daha az veznedarlı ama çok daha fazla şube oldu. İkinci kanal görevlerin değişmesi: rutin para işleri makineye geçince veznedarlar ilişki bankacılığına, satış ve danışmanlığa kaydı.
4. Yüzde 40 maruziyeti mi yoksa iş kaybını mı ölçüyor? Kaynağı nedir, sayı Türkiye için mi hesaplanmış yoksa gelişmekte olan ekonomiler ortalaması mı? Maruz kalan işlerin ne kadarında tamamlayıcılık, ne kadarında ikame bekleniyor ve hangi zaman ufkunda?
5. İyi haber: daha az meslek ikame riskiyle karşı karşıyadır. Kötü haber: verimlilik kazancı da maruz kalan görevlerden gelir; maruziyeti düşük bir ekonomi yapay zekânın getireceği verimlilik artışından da daha küçük bir pay alır.

İleri okuma

• David H. Autor (2015). «Why Are There Still So Many Jobs? The History and Future of Workplace Automation». Journal of Economic Perspectives 29(3). Otomasyonun emeği hem ikame hem tamamlama biçimlerine teknik olmayan bir giriş.
• Melanie Arntz, Terry Gregory, Ulrich Zierahn (2016). «The Risk of Automation for Jobs in OECD Countries». OECD Working Paper 189. Görev temelli yaklaşımın tanıtıldığı çalışma.
• Paweł Gmyrek, Janine Berg, David Bescond (2023). «Generative AI and Jobs». ILO Working Paper 96. Dünya ölçeğinde meslek gruplarına göre maruziyet.
• Mauro Cazzaniga ve diğerleri (2024). «Gen-AI: Artificial Intelligence and the Future of Work». IMF Staff Discussion Note. Ülke gruplarına göre maruziyet ve tamamlayıcılık tahmini.

Sonraki derse köprü

Hangi görevin makineye geçeceği yalnızca modelin ne yapabildiğine değil, onu çalıştırmanın ne kadara mal olduğuna da bağlı. Bir büro çalışanının yazdığı raporu bir modele yazdırmak, arkasında milyarlarca dolarlık yatırım, birkaç şirketin ürettiği özel yongalar ve dünyanın birkaç noktasında toplanmış bir tedarik zinciri gerektiriyor. Hesaplama gücünün kimin elinde olduğu ve fiyatının nasıl oluştuğu, dizinin sıradaki bölümünün konusu.