# Yapay Zekâ İşleri Değiştirirken Çalışanları Eğitmek Yetmez

> Yapay zekâ görevleri değiştirirken şirketler çalışanlarını nasıl hazırlamalı? Eğitim, rol tasarımı ve kurum içi geçişleri birlikte ele alıyorum.

> 💡 **Özet: Ana Çıkarımlar**
> - **AI çoğu zaman önce mesleği değil, mesleğin içindeki görevleri değiştirir.** Bu nedenle ilk karar eğitim satın almak değil, işin yeni hâlini tarif etmektir.
> - **Şirket içi beceri geliştirme ile iş kaybı sonrası yeniden eğitim farklı problemlerdir.** Birinde hedef iş ve işletme bağlamı bellidir. Diğerinde çalışanın yeni bir mesleğe ve gelir düzeyine geçmesi gerekir.
> - **Eğitim, yeniden tasarlanmış bir işin parçasıysa sonuç üretir.** Çalışanın hangi kararı vereceği, neyi kontrol edeceği ve hangi uzmanlığı koruyacağı belirsizse genel AI eğitimi bu boşluğu dolduramaz.

Bir müşteri hizmetleri ekibi yapay zekâyla çalışmaya başladığında ilk değişen şey genellikle müşteri temsilciliği değildir. AI konuşmayı özetler, ilk yanıtı hazırlar veya ilgili bilgiye ulaşmayı hızlandırır. Temsilci ise önerilen cevabın doğru olup olmadığına karar verir, istisnayı fark eder ve müşteriye verilecek sözün sorumluluğunu taşır.

İş ortadan kalkmamıştır. Fakat aynı iş de değildir.

Şirketler bu değişime çoğu zaman eğitimle karşılık veriyor. Çalışanlara birkaç araç tanıtılıyor, güvenli kullanım kuralları anlatılıyor ve herkesin artık AI ile daha verimli çalışması bekleniyor. Buradaki eksik, eğitimin kalitesi olmayabilir. Çalışanın eğitimden sonra döneceği iş hâlâ eski biçimiyle duruyorsa öğrendiği şeyi nereye yerleştireceği belli değildir.

Yapay zekâ araçlarını öğretmek gerekir. Ancak önce işin yeni hâlini tasarlamak gerekir.

## AI maruziyeti iş kaybıyla aynı şey değil

Bir mesleğin yapay zekâyla temas etmesi, o mesleğin ortadan kalkacağı anlamına gelmiyor. Şirket açısından belirleyici olan, hangi görevlerin değiştiği ve geride hangi sorumluluğun kaldığı.

Dünya Bankası'nın 2026'da Türkiye için hazırladığı [AI maruziyeti ve tamamlayıcılık araştırması](https://documents.worldbank.org/en/publication/documents-reports/documentdetail/099704407242668121){.dofollow target="_blank" rel="noopener"}, istihdamın yaklaşık yüzde 41'ini yüksek AI maruziyetli mesleklerde sınıflandırıyor. Bu oranı “işlerin yüzde 41'i kaybolacak” diye okumak yanlış olur. Araştırma, yapay zekânın bir meslekteki görevlerin anlamlı bölümüne teknik olarak dokunabilme ihtimalini ölçüyor; sonucun otomasyon mu, çalışanı güçlendirme mi yoksa görevlerin yeniden dağıtılması mı olacağını söylemiyor.

OECD'nin Temmuz 2026 tarihli [*Skills in the AI age* raporu](https://www.oecd.org/content/dam/oecd/en/publications/reports/2026/07/skills-in-the-ai-age_e8d8c1e6/972bd15e-en.pdf){.dofollow target="_blank" rel="noopener"} da maruziyet ile otomasyon riskini ayırıyor. Rapora göre yöneticiler, profesyoneller ve mühendisler AI ilerlemesine en açık gruplar arasında; otomasyon riski ise rutin ve düşük beceri gerektiren görevlerde daha yüksek. OECD'nin 2022–2024 dönemine ilişkin bu işgücü görünümü, şirketlere hazır bir eğitim programı vermiyor. Hangi görevlerin insanda kalacağını ve çalışanın hangi beceriyi geliştireceğini ayrıca tasarlamak gerekiyor.

Çünkü meslekler tek parça değil.

Bir muhasebecinin işi veri toplamak, kayıtları sınıflandırmak, tutarsızlıkları görmek, mevzuatı yorumlamak, yönetime açıklama yapmak ve sonucun arkasında durmak gibi farklı görevlerden oluşuyor. AI bunların bazısını hızlandırabilir. Bazısında yalnızca ilk taslağı verir. Bazısında ise hata maliyeti nedeniyle insan kontrolü daha önemli hâle gelir.

Bu nedenle şirketin “Muhasebecilere AI eğitimi verelim” demeden önce hangi görevin değiştiğini görmesi gerekiyor. Kayıt toplama azalırken inceleme artacak mı? Daha fazla işlem aynı ekipten geçecekse istisnaları kim yönetecek? İlk taslak ucuzladığında doğrulama için gereken alan bilgisi nasıl korunacak?

[Yapay zekâ kullanmak ile şirket için değer üretmek arasındaki farkı ele aldığım yazıda](/tr/ai-kullanmak-ile-ai-dan-deger-uretmek-arasinda-ne-var), model kapasitesinin kalıcı iş kabiliyeti olmadığını anlatmıştım. Çalışan eğitimi de aynı zincirin içinde. Bir aracı kullanabilmek, yeniden tasarlanmış işi güvenilir biçimde yapabilmek için gerekli olabilir. Tek başına yeterli değildir.

## Aynı eğitim başlığı altında üç farklı karar var

“Çalışanları yeniden eğitmek” dediğimizde en az üç farklı durumu birbirine karıştırıyoruz.

İlk durumda meslek yerinde kalır, görevlerin yapılış biçimi değişir. Pazarlama uzmanı araştırma ve ilk taslakta AI kullanır, fakat marka kararını ve son kontrolü sürdürür. Yazılımcı daha az kodu elle yazar, daha fazla doğrulama ve sistem kararı üstlenir. Burada ihtiyaç çoğunlukla işin içinde beceri geliştirmektir.

İkinci durumda rolün ağırlık merkezi değişir. Tekrarlanan görevlerin önemli bölümü azalır, daha önce küçük yer tutan muhakeme, müşteri iletişimi, istisna yönetimi veya kalite kontrolü rolün ana işi hâline gelir. Eski iş unvanı korunabilir, fakat çalışandan beklenen değer değişmiştir. Eğitimle birlikte rolün, hedeflerin ve yetkilerin de güncellenmesi gerekir.

Üçüncü durumda o işe olan talep gerçekten azalır. Çalışanın şirket içinde başka bir role veya bütünüyle yeni bir mesleğe geçmesi gerekir. Artık konu bir aracı kullanmayı öğrenmek değildir. İnsan yeni bir iş piyasasına, farklı bir ücret yapısına ve belki yıllar sürecek bir uzmanlık yoluna girmektedir.

Bu üç duruma aynı AI okuryazarlığı programını uygulamak, sorunu eğitim faaliyetine çevirmekten başka bir işe yaramaz.

## Şirket içindeki dönüşüm daha yönetilebilir

Mevcut çalışanı kendi işi içinde geliştiren şirketin elinde önemli avantajlar var. Şirket işi biliyor. Müşteriyi, kullanılan veriyi, hata maliyetini ve çalışanın mevcut uzmanlığını da biliyor. Hedef rol çoğu zaman aynı organizasyonun içinde.

Bu bağlamda beceri geliştirme bir sınıf eğitimiyle başlayabilir, fakat gerçek işin içinde tamamlanır. Çalışanın AI çıktısını gördüğü, karar verdiği, hatayı fark ettiği ve geri bildirim aldığı bir çalışma düzeni gerekir.

Bu beceri tek seferlik araç tanıtımıyla oluşmuyor. Çalışanın gerçek iş içinde görev seçmesi, bağlam vermesi, sonucu denemesi ve hatayı görmesi gerekiyor. Öğrenme için ayrılan zaman da yeni çalışma düzeninin parçası olmalı.

Örneğin AI bir satış görüşmesini özetliyorsa çalışanı yalnızca özet üretmeye hazırlamak anlamsızdır. Özetin ardından ne yapacağını bilmesi gerekir. Hangi sinyal fırsat sayılacak? Hangi bilgi CRM'e yazılacak? Yanlış çıkarımı kim düzeltecek? Yönetici bu veriyi hangi kararda kullanacak?

Eğitim bu soruların cevabını vermez. İş akışı verir.

Burada yönetimin görevi çalışanlara bir araç teslim etmekten daha geniştir:

- AI'ın üstleneceği ve insanda kalacak görevleri ayırmak,
- sonucun sorumluluğunu kimin taşıdığını açıklamak,
- öğrenme ve kontrol için gerçek çalışma zamanı ayırmak,
- performans ölçülerini işin yeni hâline göre güncellemek,
- hız kazanırken alan bilgisinin ve kalite kontrolünün kaybolmasını önlemek.

[Yapay zekânın kazandırdığı zamanın şirkette nereye gittiğini incelerken](/tr/yapay-zekanin-degeri-her-zaman-daha-fazla-is-degildir), boşalan her dakikayı yeni işle doldurmak zorunda olmadığımızı savunmuştum. Aynı zaman çalışanların yeni rolü öğrenmesi, AI çıktısını kontrol etmesi ve daha iyi karar vermesi için de kullanılabilir. Eski iş yükünü aynen koruyup yeni çalışma biçimini çalışanın boş zamanına eklemek, dönüşüm maliyetini görünmez kılar.

## Her çalışanı AI uzmanına dönüştürmek gerekmiyor

AI bazı işleri değiştiriyor diye çalışanları doğrudan “AI mesleklerine” yönlendirmek kolay bir çözüm gibi görünebilir. Fakat yeni iş, çalışanın mevcut bilgi ve becerilerinden ne kadar uzaksa geçiş de o kadar zorlaşıyor.

OECD'nin aynı raporu, çalışanların çoğu için hedefin ileri düzey model geliştirme becerisi olmadığını da vurguluyor. Raporun ifadesiyle: “Çoğu çalışanın ihtiyacı, yapay zekâ sistemlerini etkili kullanıp onlarla etkileşime girmeye yetecek okuryazarlıktır.” (Türkçe çeviri bana ait.) İleri AI becerilerine sahip çalışanlar işgücünün yaklaşık yüzde 1'iyle sınırlı kalırken, şirketlerin asıl ihtiyacı çoğu rolde AI çıktısını anlayan, sorgulayan ve iş akışına doğru yerleştiren çalışanlar olacak.

Şirketlerde bunun başka bir biçimini de görüyorum. Yapay zekâ sayesinde iş yükü azalan, kurum bilgisini taşıyan değerli bir çalışana yeni bir iş yaratılmaya çalışılıyor. Mantık kabaca şöyle: A işini zaten iyi biliyor; B işinde deneyimi olmasa da elinin altında ChatGPT var, onun yardımıyla yapabilir.

Oysa A işindeki uzmanlık B işine kendiliğinden taşınmıyor. ChatGPT kullanabilmek de çalışana ne B alanının bilgisini ne de AI ile güvenilir sonuç üretme becerisini kazandırıyor. Hangi sorunun sorulacağını, cevabın nerede eksik kalabileceğini ve çıktının nasıl doğrulanacağını bilmeyen biri, akıcı görünen bir sonuç üretebilir. Bu, işi doğru yaptığı anlamına gelmez.

AI araçları ve ajanlarla çalışma konusunda gerçekten yetkin biri, uzmanlığı dışındaki bir alanda belki daha hızlı yol alabilir. Fakat bu istisnayı “ChatGPT kullanabilen herkes bilmediği işi AI ile yapabilir” genellemesine çevirmemek gerekir.

New York Fed araştırmacıları bu meseleyi 2012–2023 arasındaki [1,6 milyondan fazla iş gücü geliştirme kaydı](https://www.newyorkfed.org/research/staff_reports/sr1165){.dofollow target="_blank" rel="noopener"} üzerinden inceledi. AI'dan daha fazla etkilenmesi beklenen mesleklerden gelen ve eğitim alan çalışanlar, yalnızca iş arama desteği alan benzer çalışanlara göre daha yüksek gelir artışı yaşadı. Fakat eğitim onları AI'ın daha yoğun kullanıldığı mesleklere hazırladığında sonuç tersine döndü: Gelir artışı, daha genel alanlara yönelik eğitim alan benzer çalışanlara kıyasla yüzde 29 daha düşük kaldı.

Bu sonuç “AI eğitimi işe yaramıyor” demiyor. Çalışanı, yalnızca gelecek vadettiği düşünüldüğü için mevcut deneyiminden uzak bir AI rolüne yönlendirmenin iyi bir geçiş planı olmadığını gösteriyor. Hedef işin gerçekten var olması, çalışanın mevcut becerileriyle ilişki kurması ve makul bir gelir sunması, rolün adında AI geçmesinden daha önemli.

Türkiye'deki LinkedIn verileriyle hazırlanan bir [Dünya Bankası araştırması](https://documents.worldbank.org/en/publication/documents-reports/documentdetail/099432404282619243){.dofollow target="_blank" rel="noopener"} da ileri AI becerilerinin az sayıda meslek ve sektörde toplandığını gösteriyor. Bu rollere geçişler çoğunlukla zaten yakın teknik alanlardan gerçekleşiyor. Üstelik iş ilanlarında görülen talep, her zaman aynı ölçüde işe alım anlamına gelmiyor.

Buradaki yönetim sorusu, boşalan kapasiteye hangi işi sıkıştırabileceğimiz değil; çalışanın mevcut uzmanlığından hangi yeni değeri üretebileceğimizdir. Yeni sorumluluk çalışanın alan bilgisiyle anlamlı bir bağ kurmuyorsa AI bu boşluğu kapatmaz. Yalnızca yetersizliği, ilk bakışta makul görünen çıktılarla gizleyebilir.

Bu nedenle eğitim, hayalî bir “AI çalışanı” yaratmaya değil; sınırları, sorumluluğu, doğrulama yöntemi ve üreteceği iş sonucu tanımlanmış yeni role hazırlanmalı.

## Yönetici önce yeni işi tarif etmeli

AI nedeniyle görevler değişirken yöneticinin ilk işi bir eğitim programı seçmek olmamalı. Önce çalışanın eğitimden sonra döneceği işi tanımlaması gerekir.

Yeni işi tarif etmek, mevcut görev listesinin sonuna “AI kullanır” maddesi eklemek değildir. Hangi çıktının üretileceğini, beklenen kaliteyi, yapay zekânın nerede devreye gireceğini, hangi kararın insanda kalacağını ve hatanın sorumluluğunu kimin taşıyacağını belirlemek gerekir. AI'ın kazandırdığı zamanın nereye gideceği de bu tasarımın parçasıdır.

Ardından geçişin ne kadar büyük olduğu görülmeli:

- Rol büyük ölçüde aynı kalıyorsa eğitim, gerçek örnekler ve kontrol noktalarıyla iş akışının içine yerleştirilebilir.
- Rolün ağırlık merkezi değişiyorsa yalnızca yeni beceriler değil; yetki, sorumluluk ve performans ölçüleri de değişmelidir.
- O işe olan talep azalacaksa eğitimden önce şirket içinde gerçekten ihtiyaç duyulan komşu roller ve açık pozisyonlar bulunmalıdır.
- Çalışanın bütünüyle yeni bir mesleğe geçmesi gerekiyorsa kurs vermek yetmez; geçiş süresi, olası gelir kaybı ve işe yerleşme ihtimali de planın parçası olmalıdır.

Bu ayrımlar yapılmadan verilen eğitim kolayca ölçülebilen bir faaliyet üretir: Kaç kişi katıldı, kaç saat eğitim aldı, kaç araç denedi? Oysa şirketin bakması gereken sonuçlar yeni görevdeki kalite, hata türleri, karar hızı, iş sonucuna katkı ve çalışanın o rolde kalıcı olup olmadığıdır.

Yönetici eğitim bütçesini onaylamadan önce şu cümleyi tamamlayabilmeli: “Bu çalışan eğitimden sonra şu iş sonucundan, şu yetkiyle ve şu kontrol mekanizması içinde sorumlu olacak.” Bu cümle tamamlanamıyorsa ortada henüz bir eğitim planı yoktur. Yalnızca yeni işi daha tanımlamadan çalışanın değişmesini bekleyen bir niyet vardır.

## Yararlı Okumalar

- [AI Jobs Transition Framework](https://cdn.openai.com/pdf/the-ai-jobs-transition-framework-for-the-eu.pdf){.dofollow target="_blank" rel="noopener"}: Avrupa'daki 2.609 mesleği otomasyon, işin yeniden düzenlenmesi, AI ile büyüme ve sınırlı kısa vadeli değişim yollarıyla düşünmek için bir çerçeve sunuyor. Oranlar işsizlik tahmini değil; sağlayıcının hazırladığı bir geçiş haritası.
- [Anthropic Economic Index, Mart 2026](https://www.anthropic.com/research/economic-index-march-2026-report){.dofollow target="_blank" rel="noopener"}: Claude'u en az altı aydır kullananların konuşmalarında daha yüksek başarı oranı ve daha zor görev seçimi bildiriyor. Gözlemsel ürün telemetrisi, belirli bir eğitim programının etkisini veya bütün çalışanların öğrenme eğrisini göstermiyor.

---

Language: Turkish
License: CC BY 4.0
License URL: https://creativecommons.org/licenses/by/4.0/
Scope: Evren Bal-authored text, unless this article expressly states otherwise.
Excluded: Third-party material, quoted excerpts, logos, and separately marked images retain their own rights.
Attribution: Credit Evren Bal, link to the canonical source and license, and indicate changes.
Source: https://evrenbal.com/tr/yapay-zeka-isleri-degistirirse-yeniden-egitim-yetebilir-mi