Kısa cevap: Stanford Digital Economy Lab, yapay zeka ve istihdam üzerine yaptığı çalışmanın gözden geçirilmiş halini 12 Ağustos 2026'da yayımladı. Yapay zekaya en açık mesleklerde çalışan 22 ile 25 yaş arasındaki kişiler, daha az etkilenen alanlardaki yaşıtlarıyla aynı hızda ilerleseydi sahip olacakları istihdamın yaklaşık yüzde 19 altında kalıyor. Bu fark Temmuz 2025'te yüzde 15'ti. Aynı mesleklerdeki 30 yaş üstü çalışanlarda benzer bir açık görünmüyor, hatta yapay zekanın işi devralmak yerine desteklediği rollerde istihdamları sabit kalıyor ya da artıyor. Ekonomide işler yok olmuyor. Yok olan, merdivenin ilk basamağı.
Bu hafta konuyla ilgili bir grafik epey dolaşıyor, genelde yapay zekanın işleri yok ettiğini söyleyen bir başlıkla birlikte. Arkasındaki araştırma bundan çok daha dar bir şey söylüyor ve bir şirket yönetiyorsanız, önümüzdeki çeyrekte kimi işe alacağınıza karar vermeniz gerekiyorsa, o dar hali çok daha işinize yarıyor.
Verinin söylediği, söylemediği ve bundan çıkarılacak sonuç şöyle.
Çalışma ne buldu
Projenin adı Canaries in the Coal Mine ve aralarında Erik Brynjolfsson'ın da bulunduğu bir Stanford ekibi yürütüyor. Anketlere değil, milyonlarca çalışanı kapsayan bordro kayıtlarına dayanıyor, ciddiye alınmasının sebebi de bu. Ağustos 2026 revizyonu ilk sürüme göre çok daha geniş bir veri setine oturuyor ve tablo yumuşamak yerine netleşti.
Üç bulgu önemli:
- Fark açılıyor. Yapay zekaya çok açık mesleklerdeki 22 ile 25 yaş arası istihdam, Temmuz 2025'te karşılaştırma grubunun yüzde 15 altındaydı. Haziran 2026'da bu yüzde 19'a çıktı. Durulma yok.
- Yaygın değil, yoğunlaşmış bir durum. Aynı yaş grubu, daha az etkilenen mesleklerde böyle bir düşüş yaşamıyor. Araştırmacılar ekonomi genelinde yaygın bir yerinden etme görmediklerini açıkça söylüyor.
- Deneyim koruyor. Tam olarak aynı mesleklerdeki otuz yaş ve üstü çalışanlarda benzer bir açık yok. Yapay zekanın işi otomatikleştirmek yerine tamamladığı yerlerde istihdamları sabit ya da artıyor.
Güvenli işi riskli işten gerçekten ayıran çizgi
Bu kısmı iki kez okumakta fayda var, çünkü herhangi bir risk altındaki meslek listesinden daha işe yarıyor.
Düşüşler, araştırmacıların kodlanmış bilgi dediği şeye dayanan işlerde ortaya çıktı. Yani ders kitabından, sertifikasyondan ya da iyi yazılmış bir kılavuzdan öğrenilebilen resmi, standartlaştırılmış, belgelenmiş bilgi. Örtük bilgiye dayanan işler, yani ancak işi yaparak ve birkaç kez yanılarak edinilen bilgiye dayananlar, yerini korudu ya da büyüdü.
Açık konuşalım: bir rolün dayandığı bilgi bir yerlerde herkese açık şekilde yazılıysa, model onu çoktan okudu. O bilgi birinin kafasındaysa, çünkü altı yıllık zorlu müşteri toplantılarından öğrenilmişse, okumadı.
Bu, birçok yöneticinin fark ettiği ama adını koyamadığı bir örüntüyü açıklıyor. Standart bir rapor üreten birinci yıl analisti gerçek bir baskı altında. Müşterinin hangi rakama itiraz edeceğini bilen kişi değil.
Bu sorun size neden sonra dönüyor
Akla gelen ilk şey junior almayı kesmek. Verimli görünüyor. İyi araçlarla çalışan bir kıdemli, eskiden üç kişinin yaptığı işi çıkarıyor ve bu çeyrekte hesap tutuyor.
Sorun kıdemlilerin nereden geldiği. Bugüne kadar kimse bir junior'ı birkaç yıl gerçek işin içinden geçirmeden kıdemli bir yazılımcı, muhasebeci ya da danışman üretemedi. Sektör bu hattı kapatırsa, açık şimdi görünmez. Yaklaşık beş yıl sonra, işe almak istediğiniz insanlar ortada olmadığında ve mevcut olanlar üç katına mal olduğunda görünür.
Bu maliyetin bir kısmı doğrudan size, bir kısmı herkese aynı anda biner. Her hâlükârda alt kademede işe alımı dondurmak, şimdi ucuz yetenek yetiştirmek yerine sonra pahalı yetenek satın almaya karar vermek demek.
İşe alıyorsanız ne yapmalı
Junior'ı üretim için değil, muhakeme için alın
Eski junior rolü hacim işiydi. Taslağı çıkar, rakamları hesapla, kuyruğu boşalt. Bu iş artık ucuz. Değecek junior, bir modelin ürettiğine bakıp size yanlış olduğunu söyleyen ve nedenini açıklayabilen kişi. Mülakatta doğrudan bunu ölçün. Adaya inandırıcı ama hatalı bir yapay zeka çıktısı verin ve gözden geçirmesini isteyin. On dakikada, herhangi bir ev ödevinden öğreneceğinizden fazlasını öğrenirsiniz.
İlk altı ayı yeniden kurgulayın
Çoğu oryantasyon planı hâlâ yeni kişinin altı ay boyunca basit işleri öğüterek öğreneceğini varsayıyor. O işleri artık yapay zeka yapıyorsa, öğrenme başka bir yerden gelmek zorunda. Junior'ları müşterinin karşısına daha erken çıkarın. Düzenlenmiş sonucu teslim almak yerine karmaşık kararların içinde bulunsunlar. Büyük ve soyut bir şeyin parçaları yerine küçük ama gerçek bir şeyin sorumluluğunu verin.
Bugün sadece kafalarda olanı yazıya dökün
Burada kullanmaya değer bir ironi var. Örtük bilgi kıdemli ekibinizi koruyan şey ve aynı zamanda en büyük operasyonel riskiniz, çünkü onlarla birlikte kapıdan çıkıp gidiyor. Bu dönemden iyi çıkacak ekipler, süreç şemasında ne yazdığını değil, kararların gerçekte nasıl alındığını yazıya dökenler.
Kendi rollerinizden hangileri kodlanmış, bakın
Ekibinizin işini gözden geçirin ve hangi kısımların belgelenmiş, standartlaştırılmış bilgiyle yürüdüğünü işaretleyin. Bu sizin risk haritanız ve yapay zekanın yerini alacağı meslekleri sıralayan genel geçer listelerden daha dürüst. Yapay zekayı tam olarak bu tür rutin işlere yöneltmenin pratik tarafını iki saatte junior operasyon asistanı kurmak yazımızda anlatmıştık.
Araştırmacıların kendi koyduğu çekinceler
Bilmekte fayda var, çünkü grafiği paylaşanlar bu kısmı genelde atlıyor. Stanford ekibi, eğitim düzeyi hesaba katıldığında farkların küçüldüğünü belirtiyor. Bu eğilimlerin bir kısmı üretken yapay zekadan önce de vardı. Ve tek bir çalışmanın kesin kanıt sayılamayacağını açıkça söylüyorlar. Faiz oranları, işe alım döngüleri ve yeni mezun piyasasının genel durumu da aynı verinin içinde duruyor.
Yani bunu bir hüküm değil, güçlü bir erken sinyal olarak görün. Yazarlar da böyle çerçeveliyor ve dürüst kullanım şekli bu.
Küçük bir şirket için kısa hali
- Bunu işlerin yok olduğunun kanıtı olarak okumayın. Toplam istihdam ayakta.
- Belgelenmiş bilgiye dayanan giriş seviyesi işlerin hızla otomatikleştiğinin kanıtı olarak okuyun.
- Junior almaya devam edin, ama üretim için değil, gözden geçirme ve karar için alın.
- Oryantasyonu, artık var olmayan rutin işler yerine gerçek kararlardan öğrenecek şekilde yeniden kurun.
- Kıdemlilerinizin örtük bilgisini, onlarla birlikte gitmeden önce belgeleyin.
Rahatsız edici olan şu: birkaç yıl bekleyip yavaş yavaş kıdemli olmak artık tek başına işleyen bir plan değil. Bu hem işe aldığınız insanlar için hem de onları nasıl geliştirdiğiniz için geçerli. Otomasyonun şirket fonksiyonlarında nereye oturduğuna dair daha geniş bir resim isterseniz, iş otomasyonunda güncel yapay zeka eğilimleri yazımız konuyu kapsıyor.
Sık sorulan sorular
Yapay zeka gerçekten işleri yok ediyor mu?
Bu araştırmaya göre ekonomi genelinde hayır. Stanford ekibi yaygın bir yerinden etme bulmadığını açıkça söylüyor. Buldukları şey, yapay zekaya en açık mesleklerde giriş seviyesi istihdamda keskin ve yoğunlaşmış bir düşüş, buna karşılık aynı mesleklerdeki deneyimli çalışanların istihdamının korunması ya da artması.
Yüzde 19 rakamı tam olarak ne anlama geliyor?
Bu bir fark, işten çıkarma sayısı değil. Yapay zekaya çok açık mesleklerdeki 22 ile 25 yaş arası istihdam, daha az etkilenen mesleklerdeki yaşıtlarıyla aynı hızda büyüseydi olacağı seviyenin yaklaşık yüzde 19 altında. Karşılaştırma grubuna göre bir geri kalmayı ölçüyor, kapatılan pozisyonları değil.
Hangi tür roller en çok etkileniyor?
Kodlanmış bilgiyle yürüyen roller, yani eğitimle ve kılavuzlarla aktarılabilen resmi ve belgelenmiş bilgiye dayananlar. Deneyim ve pratikle inşa edilen örtük bilgiye dayanan roller yerini korudu ya da büyüdü.
Junior almayı bırakmalı mıyız?
Biz bırakmazdık. Junior rolünün yeniden tasarlanması gerekiyor, silinmesi değil. Kimse junior yetiştirmezse deneyimli insan arzı birkaç yıl içinde kuruyor ve herkes için pahalılaşıyor. Gerekiyorsa daha az alın, ama muhakemeyi hızlı geliştiren işlerin içine koyun.
Çalışma ne kadar güvenilir?
Anket yerine milyonlarca çalışanın bordro kayıtlarını kullanıyor, bu da onu konuyla ilgili çoğu habere göre daha sağlam kılıyor. Yine de yazarlar, eğitim hesaba katıldığında farkların daraldığını, bazı eğilimlerin üretken yapay zekadan önce başladığını ve tek bir çalışmanın kesin olmadığını hatırlatıyor.
Genç bir profesyonel bu bilgiyle ne yapmalı?
İşin hiçbir yerde yazılı olmayan kısımlarını geliştirmeli. Müşteri karşısında muhakeme, işi doğru kapsamlandırmak, hangi problemin çözmeye değer olduğunu görmek, sadece üretmek yerine bir yapay zekanın işini kontrol edebilmek. Bunlar eskiden kıdemli becerisi sayılırdı, bugün daha çok giriş bileti.
Bizimle çalışmak
Buinsoft, Prag merkezli bir yapay zeka ve yazılım danışmanlığı. İşimizin önemli bir kısmı, küçük ve orta ölçekli şirketlerin operasyonlarının hangi kısımlarının makul biçimde otomatikleştirilecek kadar rutin olduğunu, hangilerinin ise haftasını daha değerli bir şeye ayırması gereken insanlara bağlı olduğunu ayırt etmesine yardım etmek.
Yapay zeka entegrasyon danışmanlığımız hakkında daha fazlasını okuyabilir, info@buinsoft.com adresinden yazabilir ya da iletişim sayfamızdan bize ulaşabilirsiniz.
