Yapay zekâ işten çıkarmadan iş sayısını azaltıyor

💡 Özet: Ana Çıkarımlar

• İşten çıkarma görünürdür, hiç açılmayan rol değil. Bu nedenle yerinden edilen çalışanları saymak, AI'ın iş talebini nasıl değiştirdiğinin tamamını anlatmaz.
• Bu, belirli bir karar noktasından bakış. CTO ve kurucu olarak, eskiden gelecek yılın bütçesiyle ve yeni bir işe alımla başlayacak projelerin mevcut ekiple başladığını görüyorum.
• Erken veriler işaret veriyor, hüküm vermiyor. ABD bordro verileri bazı genç çalışan gruplarında işe alımın zayıfladığını gösteriyor; toplu işgücü verileri ise henüz temiz bir nedensel hikâye kurmuyor.
• Kariyer açısından sonuç, daha geniş muhakeme ihtiyacı. AI komşu becerileri denemeyi ucuzlatabilir. Fakat işi çerçevelemek, araçları yönlendirmek ve çıktıyı kontrol etmek daha değerli hale gelir.

AI ve işler konusundaki kamusal tartışma iki basit hikâye arasında gidip geliyor. Ya büyük çaplı işten çıkarmalar gelecek ya da büyük çaplı işten çıkarma görülmüyorsa önemli hiçbir şey değişmemiş olacak.

İşe alım kararı verirken ikisi de pek işe yaramıyor.

Benim eksik gördüğüm değişken, sessizce hiç gerçekleşmeyen işe alım.

İşten çıkarma sayısının göremediği değişken

İşten çıkarma somut bir olaydır. Bir tarihi, basın bülteni ve elinde kutuyla ofisten ayrılan bir insanı vardır. Sayılır, anketlere dökülür, mahkemelik olur. Yapay zekanın iş gücü piyasasına asıl yaptığı şey ise bir olayın tam tersidir: Sessizce hiç gerçekleşmeyen bir işe alım. Tarih yok, duyuru yok, röportaj yapılacak işsiz kalmış biri yok. Sadece bir yıl önce açacağınız, ama şimdi açmadığınız bir pozisyon var.

Bunu kimlerin kovulduğunu sayarak ölçemezsiniz. İşten çıkarma serisi doğru olabilir; yine de bu mekanizmayı gözden kaçırabilir.

Aradaki farkı çok iyi biliyorum çünkü kararın her iki tarafında da bizzat yer alıyorum. Gündüzleri bir CTO, geceleri ise bir kurucuyum. Gündüzleri bir şirkette, ekiple ve bütçeyle çalışıyor; işe alım kararları veriyorum. Geceleri tek kişilik bir operasyon yürütüyorum. Aynı mekanizma her ikisinde de kendini gösteriyor. Gündüz işimde bunu genel istatistiklerin veremeyeceği bir netlikle izleyebiliyorum. Çünkü işe alımı yapmama kararını veren kişi benim.

İşe alım kararının verildiği yerde

İşte kimsenin ölçmediği kısım tam olarak burası.

Yıllarca projeleri ertelemek iki şekilde işlerdi. Bir proje elimizdeki ekipten daha büyükse onu rafa kaldırırdık. Rafa kaldırılan bir projenin önünde yalnızca iki yol bulunurdu. Ya gelecekte ekibin vakit bulabileceği daha sakin bir dönemi beklerdi ya da şansımız yaver giderse bütçe onaylanır, ekibi genişletir, bir veya iki senior yazılımcıyı işe alır, projeye altı ay ile bir yıl arası zaman tanırdık. Boş zaman veya daha fazla insan: İşin bitmesini sağlayan yegane yollar bunlardı. Ertelenen projeler listesi, işe alımların ana motoruydu. Ekibe kattığımız her yeni ismin arkasında, henüz el atamadığımız bir yığın iş bulunurdu.

İşte yapay zeka, tam da bu iş yığınını temizledi.

Eskiden "bütçeyle birlikte gelecek yıl başlarız" diye rafa kaldırdığımız projelere artık doğrudan başlıyoruz. Herhangi birini işe aldığımız için değil. Mevcut ekip artı yapay zeka, eskiden yeni bir işe alım gerektiren o iş yükünü absorbe ettiği için. Normalde junior seviyesindeki bir çalışanı işe almamızı haklı çıkaracak görevleri, artık doğrudan ve hızlı bir şekilde mevcut geliştiricilerimiz ve ben hallediyoruz. Dolayısıyla ekibe yeni bir junior katılmasına gerek kalmıyor.

Zafer ilan edenlerin uykusunu kaçırması gereken asıl sonuç ise şu: Gelecek yılın bütçesi elimize gerçekten de ulaştığında bile, o senior çalışanı da işe almıyoruz. Çünkü o işe alımı haklı kılan iş birikimi zaten çoktan eridi. Gelen para kadro sayısını geri getirmiyor, çünkü o kadroya ihtiyaç duyulmasının nedeni buharlaştı. Bu hiçbir zaman bir maliyet düşürme kararı değildi. Kimse bir odada oturup tasarruf yapmak uğruna insanlardan vazgeçmeyi seçmedi. Ekibi büyütme gerekçemiz, biz farkında bile olmadan öylece yok olup gitti.

Kapasite fazlası

Bu durum katlanarak büyüyor ve işin asıl hikayesi de bu birikimde yatıyor.

İlk adımla başlayalım: Rafa kaldırılmış projeyi, yapay zekanın bana kazandırdığı o yaklaşık %20'lik zaman diliminde hayata geçiriyorum. Senior çalışan yok, altı aylık bekleme süresi yok, organizasyon şemasında yeni bir kutucuk yok.

İkinci adım: Diyelim ki proje başarılı oldu ve bütçe geldi. Anlattığım durumda, eskiden daha büyük bir ekip planlayacağımız yerde bir senior eklemekle yetinebiliriz. AI desteğiyle o kişi, geçmişte daha fazla insanı haklı çıkaran işi kapsayabilir. Ekip, kişi sayısı aynı oranda artmadan yetkinlik kazanabilir.

Üçüncü adım: O senior, ortaya çıkan sistemi zamanının daha küçük bir bölümünde ayakta tutup geliştirebilir. Benim zamanımın bir bölümü de yeniden açılabilir ve bir sonraki rafa kaldırılmış projeye kayabilir. Bu, benim çalışma bağlamımda gördüğüm kapasite etkisi; her ekip için geçerli bir tahmin değil. İş, ekibin beceri sınırında kaldığı, araçlar faydalı olduğu ve yeni bir darboğaz ortaya çıkmadığı sürece geçerli.

Bu, eskiden işe alımı tetikleyen refleksi geciktirebilir: kapasitemiz doldu, artık büyüme zamanı. Ekibin kalıcı biçimde kapasite üstü kaldığı anlamına gelmez. Yeni talep, entegrasyon işi, kalite sorunları, mevzuat ya da başka bir operasyonel kısıt baskıyı geri getirebilir. Fakat yeni bir kişiyi haklı çıkarmak için gereken zamanlamayı ve kanıtı değiştirir.

Tüm bunlar insan emeğinin ortadan kalktığı anlamına gelmiyor. Emek sadece daha zor alanlara kayıyor: muhakeme yeteneğine, zevke, ortalığı temizlemeye ve neyin gerçekten inşa edilmeye değer olduğuna karar vermeye. Daha önce yapay zeka kod yazdıktan sonra ortalığı kimin temizlediği ve anlamadan çok hızlı teslimat yaptığınızda biriken anlama borcu hakkında yazmıştım. Ayakta kalan o %20'lik kısım işte tam olarak bu işlerden oluşuyor. Bu eskisinden daha küçük veya kolay bir iş değil, aksine daha zorlu bir görev. Ancak bu, zaten halihazırda burada olan insanların yapacağı bir iş. Yeni bir pozisyon açmak için bir gerekçe değil.

İstatistikler bunu neden göremeyebilir?

İşte bu yüzden, ortada bir sorun olmadığını gösteren verilerle ortadan kaybolan kariyer basamakları hiçbir çelişki barındırmadan bir arada var olabiliyor.

Yapay zekanın ayak izlerini süren ekonomistler çoğu zaman yerinden edilmeyle başlar: İşi olan ve bunu kaybeden biri. Bu makul bir başlangıç noktasıdır. Ancak normal şartlarda var olacakken artık var olmayan rolü, yani karşı olguyu tek başına açıklamaz. Hiç gerçekleşmemiş işe alımların tam bir veri tabanı yoktur. Hiç yayınlanmamış bir iş ilanı için çıkış mülakatı yapamazsınız. Gerçekleşmeyen olayı gözlemek yapısı gereği daha zordur.

Bu yazı yayımlandıktan sonra Stanford Digital Economy Lab, ABD'deki milyonlarca çalışanın bordro verilerini inceleyen araştırmasını güncelledi. 22–25 yaş grubunda, yapay zekânın daha fazla görev üstlenebildiği mesleklerde çalışan sayısı azalırken diğer mesleklerde arttı. Bu fark, daha fazla işten çıkarılma nedeniyle değil, daha az gencin işe alınmasıyla oluştu. Çalışma bunun nedeninin yapay zekâ olduğunu kanıtlamıyor. Yine de yalnızca işten çıkarmalara bakmanın işe alımdaki değişimi gözden kaçırabileceğini gösteriyor.

Toplu verideki sınır da önemli. Yale Budget Lab'in 2025 değerlendirmesi, ABD işgücü piyasasında AI'a maruz kalma ölçüleriyle istihdam veya işsizlikteki değişimler arasında şimdilik bir ilişki bulmadı ve daha iyi veriye ihtiyaç olduğunu belirtti. Bu, büyük iddialara sınır koyuyor. Fakat hiç onaylanmamış veya ilan edilmemiş bir pozisyonu gözlemlemiyor.

Ben bunun bir örneğini, tam olarak pozisyonu açmama kararının verildiği yerde durduğum için görebiliyorum. İçeriden bakıldığında karar belirsiz değil. Dışarıdan bakıldığında ise genel verinin içinde kaybolabilir. Deneyimim bu örüntünün büyüklüğünü belirleyemez; ancak verinin yanıtlaması gereken bir soruyu gösteriyor: Hangi planlanmış roller açılmadı ve neden?

Bu durum gerçekte ne anlama geliyor?

Burada dikkatli olmak istiyorum. Her iki tarafta da kendinden emin çok yorum var ve mevcut kanıt henüz temiz bir nedensel hikâye kurmaya yetmiyor. Ne bir tahmin ne de satacak bir ürün sunuyorum. Sadece bu kararın, verildiği koltuktan nasıl göründüğünü anlatıyorum.

Daha dar iddia şu: AI, mevcut bir çalışanı işten çıkarmadan da işi yeniden şekillendirebilir. Bazı ekiplerde bunu, projenin artık aynı işe alım gerekçesini yaratmamasıyla yapabilir. Benim bağlamımda junior rolü ertelenebiliyor, senior rolü gecikebiliyor ve eskiden daha büyük ekip düşündüren bir proje daha az kişiyle teslim edilebiliyor. Bu, evrensel bir işgücü piyasası sonucu değil, incelenmesi gereken bir mekanizma.

Yeni mezunlar, kariyer değiştirenler ve kariyer basamaklarının en altına adım atmak isteyenler için bu ihtimal, toplu veri netleşmeden de önem taşıyor. Kullanışlı cevap, genel geçer "AI kullanmayı öğrenin" önerisi değil. Bir alandaki gerçek derinliği korurken işi çerçevelemeye, araçları yönlendirmeye, sonucu kontrol etmeye ve işin temas ettiği komşu sistemleri anlamaya yetecek kadar genişlemek. Bu, dar bir uzmanlığın geleceği olmadığı iddiası değil. Bir görevin ilk sürümünün daha ucuza üretilebildiği piyasaya verilen pratik bir yanıt.

Bir SEO uzmanı için bu genişlik, gerçek bir marka brief'i yazacak kadar pazarlama bilmek, sitenin nasıl kurulduğunu anlayacak kadar kod bilmek ve çıktıyı birinin çevirmesini beklemeden aracı yönlendirecek kadar komşu zanaatları tanımak olabilir. AI bu kenarları denemeyi daha erişilebilir hale getirebilir. Çıktıyı hatasız yapmaz. Daha zor beceri, neyi devredeceğini, nasıl doğrulayacağını ve kulağa makul gelen sonucun ne zaman yeterince iyi olmadığını bilmektir.

Bu, araç kullanma becerisinden fazlasını istiyor. İlk taslak hızla geldiğinde hangi işin yapılmaya değer olduğunu, hangi kanıtın yeterli sayılacağını ve sonucun sahipliğinin kimde olduğunu muhakeme etmeyi istiyor.

İşgücü piyasasının resmi bir süre daha karmaşık kalabilir. İşten çıkarmalar önemli. İş ilanları, ücretler, görev tasarımı ve şirketlerin açmamayı seçtiği roller de önemli. Ben bunlardan yalnızca birini içeriden biliyorum. İşten çıkarma sayısı düşük kaldı diye giriş seviyesi sorunun çözüldüğünü ilan etmemek için bu yeterli.

Yararlı Okumalar

• SignalFire State of Tech Talent 2025: Büyük teknoloji şirketlerinde yeni mezunların 2024 işe alımlarındaki payının gerilediğini ve bunun arkasında AI dahil birden fazla etken olabileceğini anlatıyor. Rapor teknoloji sektörüyle sınırlı; tek tek işe alım kararlarının nedenini göstermiyor.
• AI Hiring Is Built for Experts: Haziran 2026'da yaklaşık 500 büyük halka açık şirketin LinkedIn'deki 161.645 ilanı içinde sınıflandırılan 8.140 AI odaklı ilanın kıdem dağılımını gösteriyor. Veri gerçekleşen işe alımları veya ilanların neden o dağılıma sahip olduğunu ölçmüyor.
• NACE Job Outlook 2026: Araştırmaya katılan işverenlerin giriş seviyesi işleri AI ile değiştirme planlarına ilişkin beyanlarını veriyor. Katılımcıların planları, fiilî işe alım davranışı veya bütün işgücü piyasası için kanıt değil.