İnsanların gece ikide, çözmekte zorlandıkları bir sınavı henüz geçen bir modelle ilgili bir başlığı daha okuduktan sonra bir sohbet penceresine yazdığı bir soru vardır. Soru şudur: “Yapay zeka işimi elimden alır mı?” Sorabileceğiniz en önemli şey gibi hissettirir. Neredeyse işe yaramazdır.
İşe yaramaz, çünkü bir iş bir demettir. Kartvizitinizdeki unvan bir düzine farklı etkinliği gizler ve bunlar aynı kaderi paylaşmaz. Bir finansal analist haftasının bir kısmını veri çekerek, bir kısmını temizleyerek, bir kısmını modeller kurarak, bir kısmını bu modellerin belirli bir korkusu olan belirli bir müşteri için ne anlama geldiğini yorumlayarak ve bir kısmını da bir odada o müşteriyi harekete geçmeye ikna ederek geçirir. “Finansal analist” ortadan kalkar mı diye sorun, cevabı yoktur. 2026 dil modelinin bu beş etkinlikten hangisini şimdiden profesyonel bir standartta yapabildiğini sorun, resim netleşir. Dürüst cevap şudur: bazıları neredeyse gitmiştir, bir ikisi her zamankinden daha güvenlidir ve gelişen bir analist ile kaygılı bir analist arasındaki fark tamamen saatlerini hangi etkinliklere harcadıklarıyla ilgilidir.
Bir CEO zor durumdaki bir şirketle tam da bunu yapardı. “Bu şirketin sonu geldi mi” diye sormazdı. Defterleri açar ve birim birim denetlerdi: bu kalem kan kaybediyor, şu sessizce büyüyor, bu iyi görünüyor ama kuralları değiştirmek üzere olan bir tedarikçiye bağlı. Kariyeriniz de aynı muameleyi hak ediyor. Bu yazının geri kalanı, gerçekten uygulayabileceğiniz bir puanlama yöntemiyle o denetimin kendisidir ve sonuçları aldıktan sonra ne yapacağınıza dair bir plandır.
“Yapay zeka işimi elimden alır mı” neden yanlış soru
Bütün işler cinsinden düşünme içgüdüsü, otomasyonun önceki dalgalarının nasıl işlediğinden gelir. Bir makine montaj hattındaki bir istasyonu devraldı ve o istasyona bağlı rol ortadan kalktı. Bütün işler gitti; bu yüzden bütün-iş birimleri cinsinden endişelenmeyi öğrendik.
Üretken yapay zeka böyle hareket etmez. Rolleri bütün olarak yutmak yerine neredeyse her rolün içine dağılmış görevlere uzanan genel amaçlı bir teknolojidir. En net kanıt, modern tartışmayı başlatan çalışmadan gelir. 2023’te OpenAI, OpenResearch ve Pennsylvania Üniversitesi’nden araştırmacılar (“GPTs are GPTs” adlı çalışma metninde Eloundou ve arkadaşları) ABD mesleklerini görev görev, dil modellerinin yapabildiklerine karşı puanladı. Başlıktaki bulguları kesindir ve akılda tutmaya değer: ABD işgücünün yaklaşık %80’inin iş görevlerinin en az %10’u büyük dil modellerinden etkilenebilir; çalışanların yaklaşık %19’u ise görevlerinin en az %50’sinin etkilendiğini görebilir.
Bu iki sayıyı yavaşça okuyun. Birincisi, maruziyetin neredeyse evrensel ama genellikle sığ olduğunu söyler. Neredeyse herkesin bir modelin dokunabileceği bazı görevleri vardır. İkincisi, her beş çalışandan biri için maruziyetin tüm rolü yeniden şekillendirecek kadar derin olduğunu söyler. Önemli olan soru %80’in içinde olup olmadığınız değil. Neredeyse kesinlikle öylesiniz. Soru şudur: çok fazla saatiniz maruz kalan görevlerde oturduğu için %19’a doğru kayıyor musunuz ve bunu fark eder miydiniz?
Bunu ancak işinize bakmayı bırakıp görevlerinize bakmaya başlarsanız fark edersiniz.
Birim görevdir, iş değil
Şu andan onlarca yıl önce ekonomistler David Autor, Frank Levy ve Richard Murnane bize hâlâ işleyen çerçeveyi verdi (teknolojik değişimin beceri içeriği üzerine 2003 tarihli makalelerinde). İşi iki eksende ayırdılar: rutin ve rutin-olmayan, bilişsel ve el işi. Rutin görevler bir makineye devredilebilen açık kuralları izler. Rutin-olmayan görevler yargı, doğaçlama veya insan varlığı gerektirir. Otuz yıl boyunca güvenli liman, kodlamaya direnen düşünce olan rutin-olmayan bilişsel işti.
Üretken yapay zeka tam da o limanı kırdığı için ilginçtir. Rutin-olmayan bilişsel görevlere derinlemesine uzanan ilk otomasyon dalgasıdır: taslak yazma, özetleme, ilk analiz, kodlama, çeviri, fikir üretimi. Bir kuşağa “düşünme” içerdiği için geleceğe dayanıklı dediğimiz etkinlikler en çok maruz kalanların bazıları çıktı. Son üç yılın tüm şoku tek bir cümlede budur. Dolayısıyla modern denetimin rutin ve rutin-olmayan ayrımından daha keskin bir merceğe ihtiyacı var. Her görev için aynı anda üç ayrı soru sorması gerekir.
Birincisi, görev ne kadar rutin ve kodlanabilir, çünkü bu, bir modelin buna girişip girişemeyeceğini belirler. İkincisi, görev gerçek bir hesap verebilirlik, zevk veya insan ilişkisi taşıyor mu, çünkü bu, bir makinenin onu denetimsiz yapmasını birinin kabul edip etmeyeceğini belirler. Üçüncüsü ve en çok ihmal edileni, görevin stratejik kaldıracı nedir, yani onu iyi yapmak önemli bir sonucu değiştiriyor mu, yoksa sadece hareket mi. Bir görev yapay zekaya yüksek oranda maruz kalabilir ve yine de değerinizin yaşadığı yer olabilir; eğer rolünüz onu elle üretmek değil, çıktıyı yönlendirmek, yargılamak ve sahiplenmekse. Aşağıdaki denetim üçünü de puanlar.
Görev Değiştirilebilirlik Matrisi
Bu, görevlerinizi puanlamadan önce ayrıştıracağınız çerçevedir. Autor-Levy-Murnane rutin çerçevesinin üretken yapay zeka için güncellenmiş editöryel bir sentezidir, bir veri seti değil; bu yüzden çeyrekleri bir ölçüm değil bir mercek olarak görün.
| Görev türü | Örnek etkinlikler | 2026’da yapay zeka yetkinliği | Sizin için ne anlama geliyor |
|---|---|---|---|
| Rutin bilişsel | Veri girişi, biçimlendirme, standart raporlar, temel araştırma, ilk taslak metin | Yüksek. Bir model bunun çoğunu profesyonel taslak kalitesinde yapar | Elle yapmayı bırakın. Aracı yönlendirin, sonra doğrulayın. Buradaki saatler sıfıra doğru daralmalı |
| Rutin-olmayan bilişsel, düşük hesap verebilirlik | Fikir üretimi, özetleme, keşifsel analiz, kod iskeleti, çeviri | Yüksek ama denetimli. Harika ilk taslak, yargılayacak ve sahiplenecek bir insan gerekir | Kendinizi üreticiden editöre dönüştürün. Değeriniz görevi çerçevelemeye ve çıktıyı kontrol etmeye kayar |
| Rutin-olmayan bilişsel, yüksek hesap verebilirlik | Strateji görüşmeleri, özgün problem çerçeveleme, belirsizlik altında yargı, zevk ağırlıklı kararlar | Kısmi. Bir model yardım eder ama karardan sorumlu tutulamaz | Savunun ve derinleştirin. Bu, bileşik büyüyen iştir. En iyi saatlerinizi buraya yatırın |
| Rutin-olmayan kişilerarası | Müzakere, koçluk, bakım, güven inşası, yüksek riskli ikna, liderlik | Düşük. Varlık, güven ve hesap verebilirlik bir araca aktarılmaz | Bugün en güvenli liman. Analitik insanlar tarafından “yumuşak” diye küçümsenip hafife alınır |
Neredeyse herkesin yaptığı hata, ilk iki satıra bakmak, panik yapmak ve işinin risk altında olduğu sonucuna varmaktır. Doğru okuma bunun tam tersidir. İlk iki satır, bir makine istemeniz gereken yerdir, çünkü bunlar kendi zamanınızla fazla ödeme yaptığınız düşük-kaldıraçlı saatlerdir. Denetim, saatlerinizden kaçının orada sıkışıp kaldığını öğrenmek için vardır; böylece onları bilinçli olarak tablonun aşağısına taşıyabilirsiniz.
Denetimi uygulayın: beş adımlı öz-değerlendirme
Bir öğleden sonra ayırın. İş tanımınızın değil, gerçekte ne yaptığınızın bir listesine ihtiyacınız var. İkisi nadiren aynıdır ve aradaki fark, işe yarar keşiflerin saklandığı yerdir.
Adım 1. Görevlerinizi listeleyin. Temsili bir hafta için, saatlerinizi dolduran her ayrı etkinliği yazın. On beş ila otuz kalem hedefleyin. Ayrıntılı olun. “Raporlama” fazla kaba; veriyi çekmek, temizlemek, görünümü kurmak ve yorumlamak diye bölün, çünkü bu dördü çok farklı puan alacak.
Adım 2. Saatleri tahmin edin. Her görevin yanına, tükettiği çalışma zamanının kabaca payını koyun. Bu, en önemli sütun ve insanların atladığı sütundur. Zaman ağırlığı olmadan değiştirilebilirlik önemsiz bir ayrıntıdır. Bir modelin tamamen yapabildiği ama haftanızın %1’ini yiyen bir görev gürültüdür. Yarısını yapabildiği ama haftanızın %40’ını yiyen bir görev tüm stratejik probleminizdir.
Adım 3. Yapay zeka yetkinliğini puanlayın (1 ila 5). Her görev için sorun: profesyonel bir standartta, 2026’da, iyi bir model yetkin bir yönlendirmeyle bunun ne kadarını yapabilir? Neredeyse tamamını yapıyorsa 5, anlamlı biçimde yardım edemiyorsa 1 verin. Savunmacı değil, dürüst olun. Bir denetimin amacı karanlık noktaları bulmaktır ve burada kendinizi pohpohlamak yalnızca onları gizler.
Adım 4. Stratejik kaldıracı puanlayın (1 ila 5). Sorun: bu görev yeterli yerine mükemmel yapıldığında, önemli bir sonuç gerçekten değişiyor mu? Kalitenin gerçek sonuçları yönlendirdiği görevler için 5 (müşteri kararı, ürün bahsi, kurtarılan ilişki) ve olması gereken ama yalnızca iyi olsaydı kimsenin fark etmeyeceği saf hareket için 1 verin.
Adım 5. Dört bölgeyi okuyun. İki puanı çaprazlayın ve her görev, ne yapacağınızı tam olarak söyleyen dört bölgeden birine iner:
- Yüksek yetkinlik, düşük kaldıraç (şimdi otomatikleştirin): model yapabilir ve iyi yapmak neredeyse hiç önemli değil. Bu çeyrekte devredin. Bunlar geri kazanılan saatlerinizdir.
- Yüksek yetkinlik, yüksek kaldıraç (yönetmen olun): model yapabilir ama sonuç kaliteye ve yargıya bağlı. Elle yapılan işi değil, yargıyı savunun. Buradaki işiniz çerçevelemek, yönlendirmek ve sahiplenmek; yazmak değil.
- Düşük yetkinlik, yüksek kaldıraç (savunun ve derinleştirin): çekirdeğiniz. Bu saatleri erozyondan koruyun ve geri kazanılan zamanınızı buraya dökün.
- Düşük yetkinlik, düşük kaldıraç (sorgulayın): bir makine yardım edemez ve pek önemli de değil. Var olması gerekip gerekmediğini sorun.
Bittiğinde, hiçbir başlığın veremeyeceği bir şeye sahip olursunuz: kendi maruziyetinizin zaman-ağırlıklı bir haritası. Çoğu insan, haftalarının şaşırtıcı bir kısmının ilk bölgede yaşadığını keşfeder ki bu kesinlikle iyi haberdir, çünkü bunlar geri satın alması en kolay saatlerdir.
Doğrulanmış veri maruziyet hakkında ne diyor
Kişisel denetiminiz, tasarımı gereği özneldir, çünkü gerçek görevlerinizi yalnızca siz bilirsiniz. Maruziyetin gerçekte nerede yoğunlaştığına dair kamuya açık araştırmaya karşı koyduğunuzda daha yararlı hale gelir. Aşağıdaki tablo iki otoriter kaynağın bulgularını sentezler. Sayılar onlara aittir ve tam olarak korunmuştur; gruplama, onları yukarıdaki matrise bağlamak için editöryel bir illüstrasyondur.
| Sinyal | Araştırma ne buldu | Kaynak | Denetim çıkarımı |
|---|---|---|---|
| Maruziyetin genişliği | ABD’li çalışanların yaklaşık %80’inin görevlerinin en az %10’u dil modellerine maruz | Eloundou vd., “GPTs are GPTs,” 2023 | Maruz kaldığınızı varsayın. Soru derinlik, maruz kalıp kalmadığınız değil |
| Maruziyetin derinliği | Çalışanların yaklaşık %19’unun görevlerinin en az %50’si maruz | Eloundou vd., 2023 | Denetiminiz saatlerin çoğunu yüksek-yetkinlik bölgelerine koyuyorsa, bu gruba yakınsınız |
| Yazı ağırlıklı roller nerede | Yazma ve programlama merkezli meslekler en çok maruz kalanlar arasında | Eloundou vd., 2023 | “Düşünme” işi otomatik güvenli değildir; onu koruyan hesap verebilirlik ve kaldıraçtır |
| 2030’a kadar beceri değişimi | 2030’a kadar çalışanların temel becerilerinin %39’unun değişmesi bekleniyor (2023’te %44’ten düştü) | WEF, Future of Jobs Report 2025 | Denetiminizin bir raf ömrü var. Yetkinlikler hareket ettikçe yeniden uygulayın |
| En hızlı yükselen beceriler | Yapay zeka ve büyük veri, 2030’a kadar en hızlı büyüyen becerilerin başında | WEF, Future of Jobs Report 2025 | Yapay zekayı yönlendirme yeteneği, eklemeye değer yüksek-kaldıraçlı bir görevin kendisidir |
İki veri seti tutarlı bir hikaye anlatır. Maruziyet geniştir, güvenli sandığımız bilişsel işin tam içinden geçer ve zemin sürekli hareket eder; bu yüzden tek seferlik bir denetim bir hükümden çok bir anlık görüntüdür. Son adımın bir sonuç değil, bir dizi hamle olmasının nedeni budur.
Sonuçlarla ne yapmalı
Takviminizi değiştirmeyen bir denetim, bir günlük kaydıdır. Bir CEO-öğrencinin haritayı eyleme nasıl dönüştürdüğü, kabaca en hızlı geri dönüş sağlayan sırayla şöyledir.
İlk bölgeyi agresif ve duygusuzca otomatikleştirin. Yüksek-yetkinlik, düşük-kaldıraç görevleri, geri kazanamayacağınız tek para biriminde ödediğiniz saf genel giderdir. Yapay zekayı bunlara sertçe yönlendirin, bir doğrula-ve-devam et ritmini kabul edin ve saatleri geri kazanın. Bu, CEO hamlesidir: daha ucuz bir sistemin yeterince iyi yaptığı işi kıdemli birine elle yaptırmazsınız. Bunu kendinize yapmayı bırakın. Geri kazanılan zaman, sonrasında gelen her şeyin tüm bütçesidir.
İkinci bölgede üreticiden yönetmene geçin. Yapay zekanın yetkin olduğu ama işin gerçek kaldıraç taşıdığı yerde, değeriniz artık üretimde değil. Problemi iyi çerçevelemekte, aracı zevkle yönlendirmekte ve neyin yayınlanacağına dair yargıya sahip çıkmaktadır. Bu gerçek ve kıt bir beceridir. Çoğu insan ya aracı kullanmayı reddedip geride kalır ya da onu kullanıp düzenlenmemiş çıktısını yayınlar ve yakalanır. Hem keskin çerçeveleyen hem de acımasızca yargılayan yönetmen, WEF verisinin piyasanın ödeme yapacağını ima ettiği kişidir.
Üçüncü bölgeyi bilançonuzmuş gibi savunun ve derinleştirin. Düşük-yetkinlik, yüksek-kaldıraç görevler (yargı kararları, zevk, ilişkiler, hesap verebilirlik) kalıcı değerin yaşadığı yerdir. Bu saatleri, onları aşındıran toplantı istilasından ve idari işten koruyun ve geri kazanılan zamanınızı buraya yeniden yatırın. Bu, bileşik büyüyen varlıktır. Öğrenci içgüdüsü yardımcı olur: bu beceriler bir iyi yılla değil, kasıtlı pratik ve dürüst geri bildirimle büyür.
Denetim acımasızsa yer değiştirin. Bazen dürüst harita, saatlerinizin ve kaldıracınızın çoğunun bir makinenin hızla tırmandığı bölgelerde oturduğunu gösterir. Bu acı vericidir ve aynı zamanda bir denetimin size söyleyebileceği en değerli şeydir, çünkü size erken söyler. Yanıt, küçülen bir limanda daha çok çalışmak değildir. Bitişik olana geçmektir: mevcut güçlü yönlerinizin daha yüksek-kaldıraçlı, daha düşük-yetkinlikli işe bağlandığı rolü, ekibi veya problemi bulun ve geçişe şimdi, hâlâ seçme hakkınız varken başlayın; daha sonra, karar sizin yerinize verildiğinde değil.
Bunların hiçbiri geleceği tahmin etmeyi gerektirmez ki bu şanslıdır, çünkü kimse tahmin edemez. Kendi haftanıza dürüstçe bakmayı, onu pohpohlamadan puanlamayı ve en kıt kaynağınızı bileşik büyüyen işe doğru yeniden tahsis etmeyi gerektirir. Bu bir yapay zeka stratejisi değildir. Yalnızca iyi yönetimdir, bu kez asla satamayacağınız tek işletmeye uygulanmıştır: kendi çalışma hayatınıza.
Sıkça sorulan sorular
Yüksek yapay zeka maruziyeti işimin elimden alınacağı anlamına mı gelir?
Hayır ve ikisini karıştırmak paniğin çoğuna neden olur. Maruziyet, bir modelin bazı görevlerinizi yapabileceği anlamına gelir, rolünüzün ortadan kalkacağı değil. Eloundou araştırması görev maruziyetini ölçer, iş kaybını değil ve derinlemesine maruz kalan roller bile genellikle ortadan kalkmak yerine yapay zekayı yönlendirmeye ve yargılamaya kayar. IMF de aynı ayrımı yapar: maruz kalan iş genellikle ikame edilmek yerine yapay zeka ile tamamlanır.
Bu denetimi ne sıklıkla yeniden uygulamalıyım?
Kabaca her çeyrekte ve kesinlikle araçların yapabildiklerini değiştiren her büyük model sürümünden sonra. WEF’in temel becerilerin %39’unun 2030’a kadar değişeceği bulgusu istikrarlı bir kayma ima eder; bu yüzden bu yıl yapay zeka yetkinliğinde 2 puan alan bir görev gelecek yıl 4 puan alabilir. Bunu tek seferlik bir hüküm değil, çeyreklik bir iş değerlendirmesi gibi görün.
Görevlerimin neredeyse tümü yapay zeka yetkinliğinde yüksek puan alıyorsa ne olur?
O zaman önceliğiniz üretim değil, kaldıraçtır. Araçla çıktı konusunda rekabet etmeyi bırakın ve denetimin ikinci ve üçüncü bölgeleri olan çerçeveleme, yargı ve hesap verebilirliğe doğru yığında yukarı çıkın. Mükemmel yapıldığında bile işinizin çok azı gerçek kaldıraç taşıyorsa, bunu güçlü yönlerinizin daha çok önemsendiği bir role yer değiştirmeniz için erken ve yararlı bir sinyal olarak görün.
Yapay zekayı yönlendirmede iyi olmak gerçekten kalıcı bir beceri mi?
Evet. Yüksek yetkinlik ile yüksek kaldıracın kesişiminde yer alır: araç üretimi yapar ama görevi çerçeveleme ve çıktıyı iyi yargılama sonucu değiştirir ve az kişi ikisini de yapar. WEF, yapay zeka ve büyük veriyi 2030’a kadar en hızlı büyüyen beceriler arasında sıralar ki bu, piyasanın bu yeteneği aşağı değil yukarı fiyatlamasıdır.
Gerçekten en güvenli görevler hangileri?
Rutin-olmayan kişilerarası iş (müzakere, koçluk, güven inşası, bakım, yüksek riskli liderlik) en az maruz kalan olarak kalır, çünkü varlık, güven ve hesap verebilirlik bir araca aktarılmaz. Analitik insanlar bunları rutin biçimde “yumuşak” diye hafife alır ki tam da bu yüzden değerli ve arzı yetersiz kalırlar.
Kendi işim hakkında önyargılı olduğuma göre kendi puanlamama güvenebilir miyim?
Tam olarak değil; bu yüzden yöntem iki düzeltmeye dayanır: önemsiz ayrıntıların arkasına saklanamayasınız diye her görevi zaman-ağırlıklamak ve yetkinlik puanlarınızı tahmin etmek yerine araca karşı doğrudan test etmek. Bir görevin otomatikleştirilemez olduğunu iddia ediyorsanız, iyi bir modele onu gerçekten yaptırmaya yirmi dakika harcayın. Sonuç genellikle alçaltıcıdır ve bir varsayımdan her zaman daha dürüsttür.
Kaynaklar
- Eloundou, Manning, Mishkin ve Rock, “GPTs are GPTs: An Early Look at the Labor Market Impact Potential of Large Language Models,” 2023 (ABD’li çalışanların yaklaşık %80’inin görevlerinin en az %10’u dil modellerine maruz; yaklaşık %19’unun en az %50’si maruz; yazma ve programlama meslekleri en çok maruz kalanlar arasında).
- Autor, Levy ve Murnane, “The Skill Content of Recent Technological Change,” 2003 (rutin ve rutin-olmayan, bilişsel ve el işi görev çerçevesi).
- Dünya Ekonomik Forumu, Future of Jobs Report 2025 (temel becerilerin %39’unun 2030’a kadar değişmesi bekleniyor, 2023’te %44’ten düştü; yapay zeka ve büyük veri en hızlı büyüyen beceriler arasında; 14 milyondan fazla çalışanı temsil eden 1.000’den fazla işverenin katıldığı anket).
- Uluslararası Para Fonu, “AI Will Transform the Global Economy,” Ocak 2024 (maruziyet ile ikame arasındaki ayrım; küresel işlerin kabaca %40’ı maruz, maruz kalan iş tamamlama ve ikame arasında bölünüyor).
Bu içerik, derinlemesine bir araştırmanın ardından yapay zeka desteğiyle derlenmiş ve CEOtudent editör ekibi tarafından yazılıp yayına hazırlanmıştır.
