Özet. “İşten çıkarılmaya karşı bağışık” bir kariyer hedeflemek yanlış bir hedef. Asıl faydalı soru, bir rolün kesintiye uğrama olasılığı ile o roldeki kişinin ne kadar hızlı yeniden ayağa kalktığıdır ve federal veriler bu ikisini ayrı sorunlar olarak ele alır. Ocak 2023 ile Aralık 2025 arasında, üç yıl veya daha uzun kıdeme sahip 3,3 milyon ABD’li çalışan işyeri kapanışları, iş azalması ya da kaldırılan pozisyonlar nedeniyle işini kaybetti. Ocak 2026 itibarıyla bunların yüzde 66,1’i yeniden çalışıyordu; ancak yeniden tam zamanlı ücretli işe dönenlerin yalnızca yaklaşık yüzde 49’u eskisi kadar kazanıyordu. İki yıl önce bu oran yaklaşık yüzde 62’ydi. BLS işten çıkarma anketini (JOLTS), Yerinden Edilmiş Çalışanlar Anketi’ni ve BLS’nin yeni yapay zeka maruziyet kategorilerini birleştiren bir CEOtudent analizi üç örüntü ortaya koyuyor. Sık işten çıkarma yapan sektörler, çalışanlarının yeniden işe girmekte en çok zorlandığı sektörler değil. Bilgi sektöründe işten çıkarmalar 2026’nın ilk yarısında belirgin biçimde arttı. Büro ve idari destek ise en zayıf toparlanma rakamlarını, en yoğun yapay zeka maruziyetini ve öngörülen istihdam düşüşünü bir arada taşıyan tek meslek grubu. Buradaki tüm veriler yalnızca ABD’ye aittir ve hiçbiri yapay zekanın belirli bir işten çıkarmaya neden olduğunu göstermez.
Bu yazı, işinizin yapay zeka ile değiştirilebilirlik denetiminin piyasa düzeyindeki tamamlayıcısıdır: sektörün işten çıkarma ritmi, mesleğin işten çıkarma sonrasındaki seyri ve resmi on yıllık görünüm. CEO hamlesi bunu bir portföy incelemesi gibi ele almaktır. Öğrenci hamlesi ise uyarı notlarını manşetler kadar dikkatle okumaktır.
Son federal veriler aslında neyi ölçüyor?
2023-2026 yeniden yapılanma dönemini üç kamuya açık veri seti kapsıyor ve her biri farklı bir şeyi ölçüyor. İşten çıkarmalarla ilgili yorumların çoğu, bu üçünü birbirine karıştırdığı için yanlış yere varıyor.
- JOLTS (Job Openings and Labor Turnover Survey), BLS. Aylık bir işveren anketidir. “İşten çıkarma ve ihraç oranı”, bir ayda gerçekleşen istem dışı ayrılmaların istihdama yüzde olarak oranıdır. Bir sektörün ne sıklıkla insanları işten çıkardığını söyler; nedenini ya da sonrasında onlara ne olduğunu söylemez. BLS kamu API’si üzerinden 28 sektör serisinin Ocak 2023 ile Ağustos 2026 arasındaki mevsimsellikten arındırılmamış aylık oranlarını çektik. Ağustos 2026 hala öncü veri olarak işaretli.
- Yerinden Edilmiş Çalışanlar Anketi (DWS), BLS. Current Population Survey’in eki olarak iki yılda bir yapılan bir hane halkı anketidir. 27 Ağustos 2026’da yayımlanan sürüm, Ocak 2023 ile Aralık 2025 arasında “fabrikaları ya da şirketleri kapandığı veya taşındığı, yapacak yeterli iş kalmadığı ya da pozisyonları veya vardiyaları kaldırıldığı için” işini kaybeden ya da işinden ayrılan 20 yaş ve üzeri kişileri kapsar ve Ocak 2026’ya kadar bu kişilere ne olduğunu izler. Toparlanma verisi budur.
- Yapay zeka maruziyet kategorileri ve 2025-35 istihdam projeksiyonları, BLS. 2025-35 projeksiyonlarıyla birlikte yayımlanan bu dosya, 831 ayrıntılı mesleği dört göreli yapay zeka maruziyet grubuna (Düşük, Orta, Yüksek, Çok yüksek) ayırır ve her birinin öngörülen istihdam değişimini listeler.
Birleştirildiklerinde kesinti riskini, toparlanmayı ve uzun vadeli talebi birbirinden ayırırlar.
2023-2025 döneminde işini kaybeden çalışanlar gerçekte ne yaşadı?
DWS’nin manşet rakamları, işten çıkarılmanın bir kariyere maliyetine dair en doğrudan kanıttır. Aşağıda yayımlandığı haliyle aktarılıyor.
Tablo 1. Uzun kıdemli yerinden edilmiş çalışanların durumu, 2023-2025 (doğrulanmış BLS verisi)
| Ölçüt | Değer |
|---|---|
| İşini kaybeden uzun kıdemli çalışanlar, Ocak 2023 – Aralık 2025 | 3,3 milyon (2021-2023’e göre 746.000 artış) |
| Tüm yerinden edilmiş çalışanlar, kıdem fark etmeksizin | 7,4 milyon (6,3 milyondan artış) |
| Ocak 2026’da yeniden istihdam edilenler | %66,1 (Ocak 2024’te %65,7) |
| Ocak 2026’da işsiz olanlar | %18,3 |
| İş gücünden çıkanlar | %15,7 |
| Yeniden istihdam edilenler, 25-54 yaş | %72,9 |
| Yeniden istihdam edilenler, 55-64 yaş | %57,3 |
| Yeniden istihdam edilenler, 65 yaş ve üzeri | %38,6 |
| Pozisyonu veya vardiyası kaldırıldığı için işini kaybeden | %44,4 |
| Fabrika veya şirket kapanışı ya da taşınması nedeniyle işini kaybeden | %32,6 |
| Yetersiz iş nedeniyle işini kaybeden | %22,9 |
| Eskisi kadar veya daha fazla kazanan, yeniden tam zamanlı işe girenler (kazanç bildirenler) | yaklaşık %49 (Ocak 2024’te yaklaşık %62) |
Kaynak: BLS, Worker Displacement: 2023-2025 (USDL-26-1423), haber bülteni metni ve tablo 1, 2 ve 7.
Üç nokta öne çıkıyor. Birincisi, işini kaybetmenin en büyük tekil nedeni bir şirketin batması değil, bir pozisyonun ya da vardiyanın kaldırılmasıydı (yüzde 44,4). Bu bir yeniden yapılanmadır: işveren ayakta kalır ama rol kalmaz. İkincisi, kazanç kaybı derinleşti. Yeniden istihdam oranı neredeyse hiç değişmedi, ancak eski ücretini yakalayanların payı yaklaşık yüzde 62’den yaklaşık yüzde 49’a düştü. Yeniden iş bulmak ile kariyerini geri kazanmak farklı sonuçlardır. Üçüncüsü, yaş bültendeki en keskin ayrım çizgilerinden biri. 55-64 yaş arası çalışanların yeniden istihdam oranı, 25-54 yaş grubunun 15,6 puan altındaydı (yayımlanan oranlardan CEOtudent hesaplaması).
Hacim bakımından, uzun kıdemli çalışanların işini kaybetmesinin yüzde 19’u imalattan (642.000 çalışan), yüzde 16’sı profesyonel ve iş hizmetlerinden, yüzde 10’u perakende ticaretten kaynaklandı.
Yüksek işten çıkarma oranına sahip bir sektör daha büyük bir kariyer riski mi demek?
Her zaman değil ve bu, kariyer planlaması için en faydalı bulgu. Her sektörün DWS’nin kapsadığı aynı üç yıldaki (2023-2025) ortalama aylık JOLTS işten çıkarma oranını, o sektörden işini kaybeden çalışanların DWS’deki yeniden istihdam ve işsizlik paylarıyla eşleştirdik. Ayrıca her sektörün yeniden işe alım kapasitesine dair kaba bir gösterge olarak 2025 yılı işe alım / işten çıkarma oranını ekledik.
Tablo 2. Sektöre göre kesinti riski ve toparlanma (BLS JOLTS ve BLS Yerinden Edilmiş Çalışanlar Anketi’nin CEOtudent analizi)
| Kaybedilen işin sektörü | Ort. aylık işten çıkarma oranı, 2023-25 (%) | İşten çıkarma oranı, Ocak-Ağustos 2026 ile Ocak-Ağustos 2024 farkı (puan) | İşten çıkarma başına işe alım, 2025 | İşini kaybeden, 2023-25 (bin) | Ocak 2026’da yeniden istihdam (%) | Ocak 2026’da işsiz (%) |
|---|---|---|---|---|---|---|
| İnşaat | 2,08 | -0,30 | 1,9 | 229 | 71,3 | 21,3 |
| Profesyonel ve iş hizmetleri | 1,85 | +0,28 | 2,2 | 524 | 60,3 | 27,1 |
| Ulaştırma ve depolama* | 1,59 | +0,27 | 2,3 | 116 | 60,6 | 21,8 |
| Konaklama ve eğlence | 1,46 | +0,14 | 3,7 | 167 | 55,3 | 9,7 |
| Bilgi | 1,18 | +0,62 | 2,0 | 108 | 76,8 | 8,1 |
| Perakende ticaret | 1,05 | -0,05 | 3,6 | 345 | 69,1 | 16,6 |
| Diğer hizmetler | 0,98 | +0,14 | 3,5 | 146 | 61,7 | 17,2 |
| İmalat | 0,92 | -0,12 | 2,6 | 642 | 68,6 | 13,5 |
| Özel eğitim hizmetleri | 0,76 | +0,01 | 3,1 | 87 | 55,9 | 36,5 |
| Sağlık ve sosyal yardım | 0,69 | +0,01 | 4,5 | 280 | 77,1 | 14,5 |
| Finans ve sigorta | 0,48 | -0,03 | 3,8 | 229 | 57,9 | 27,1 |
| Kamu | 0,36 | -0,01 | 3,8 | 179 | 57,8 | 16,4 |
Notlar: JOLTS oranları mevsimsellikten arındırılmamıştır. Ortalamalar BLS JOLTS aylık serilerinden yapılan CEOtudent hesaplamalarıdır; 2026 karşılaştırması, mevsimsel bozulmayı önlemek için her iki yılda da aynı sekiz ayı kullanır. “İşten çıkarma başına işe alım”, 2025 ortalama aylık işe alım oranının 2025 ortalama aylık işten çıkarma ve ihraç oranına bölünmesiyle elde edilir. Yalnızca yeniden işe alınan eski çalışanları değil, tüm işe alımları sayar. JOLTS serisi ulaştırma, depolama ve kamu hizmetlerini kapsar; DWS satırı ulaştırma ve depolamayı kapsar. Kalan kısım iş gücünden çıktığı için DWS payları toplamı 100 etmez. DWS sektör verileri artık 2022 Census sektör sınıflandırmasını kullanıyor ve BLS bu verinin önceki yıllarla “tam olarak karşılaştırılabilir olmadığını” belirtiyor.*
Tablonun gösterdikleri:
- İşten çıkarma sıklığı ile toparlanma neredeyse ilişkisiz. Bu 12 sektörde, 2023-25 işten çıkarma oranı ile yeniden istihdam oranı arasındaki sıra korelasyonu 0,17 (CEOtudent hesaplaması, Spearman). Bu zayıf bir değer ve yalnızca 12 veri noktasıyla iki yönde de güvenilir bir ilişki sayılmaz. İnşaat, buradaki sektörler arasında en sık işten çıkarma yapan sektör; buna rağmen işini kaybeden çalışanları görece yüksek bir yeniden istihdam oranına sahip. Finans ve sigorta ile kamu ise nadiren işten çıkarma yapıyor, ancak işini kaybeden çalışanlarının onda altısından azı Ocak 2026’da yeniden çalışıyordu.
- Düşük kesinti riski, yüksek yeniden konumlanma riskini gizleyebilir. Anketin doğrudan ölçmediği bir yorum: düşük devir hızlı sektörlerdeki uzun kariyerler, dış piyasası daha dar olan işverene özgü beceriler biriktirir. Finans alt sektöründe, işini kaybeden uzun kıdemli çalışanların yüzde 30,9’u Ocak 2026’da hala işsizdi.
- Profesyonel ve iş hizmetleri iki açıdan da zayıf halkaydı. İkinci en yüksek işten çıkarma oranına sahipti, oranı 2026’ya girerken yeniden yükseldi ve işini kaybeden çalışanlarının yüzde 27,1’i Ocak 2026’da işsizdi. Bu grubun içinde profesyonel ve teknik hizmetlerde işsizlerin payı yüzde 31,0’dı.
- Bilgi sektörü 2026’nın izlenmesi gereken sinyali. Ocak-Ağustos 2026 döneminde ortalama aylık işten çıkarma oranı yüzde 1,76 oldu; 2024’ün aynı aylarında bu oran yüzde 1,14’tü. Bu sekiz ayın beşi, 2024’ün en yüksek tekil ayının (yüzde 1,5) üzerindeydi. Oran Temmuz’da 1,2’ye ve Ağustos’ta öncü veriyle 0,9’a geriledi; bu nedenle bir trendden söz etmek için henüz erken. 2023-25’te bilgi sektöründen işini kaybeden çalışanlar yüzde 76,8 oranında yeniden istihdam edildi; BLS bu oranın bir önceki ankete göre arttığını belirtiyor. 2026’daki daha yeni işten çıkarmalar henüz hiçbir toparlanma verisinde yer almıyor.
Tablonun göstermediği: bu işten çıkarmaların hiçbirinin neden gerçekleştiği. JOLTS işverenlere yapay zekayı sormaz; DWS ise yalnızca yukarıda sayılan üç geniş nedeni kaydeder. Belirli bir sektördeki işten çıkarmaların “yapay zeka kaynaklı işten çıkarmalar” olduğu iddiası, bu verinin desteklediği sınırın ötesine geçer.
Hangi meslekler zayıf toparlanmayı yüksek yapay zeka maruziyetiyle birleştiriyor?
Sektör, resmin yalnızca yarısı; çünkü insanlar sektör değiştirmeyi meslek değiştirmekten çok daha kolay yapar. BLS de işini kaybeden çalışanların “işini kaybettikleri sektörlerde yeniden istihdam edilmek zorunda olmadıklarını” belirtiyor. Bu nedenle ikinci birleştirme meslek düzeyinde yapıldı. BLS yapay zeka maruziyet dosyasındaki 831 mesleği, DWS meslek gruplarıyla eşleşecek şekilde SOC ana gruplarına göre topladık. Her grup için 2025 istihdamı içinde Yüksek veya Çok yüksek maruziyetli mesleklerin payını ve grubun öngörülen 2025-35 istihdam değişimini hesapladık.
Tablo 3. Meslek grubuna göre işini kaybettikten sonra toparlanma, yapay zeka maruziyeti ve 10 yıllık görünüm (BLS Yerinden Edilmiş Çalışanlar Anketi ve BLS yapay zeka maruziyet kategorilerinin CEOtudent analizi)
| Kaybedilen işin meslek grubu | İşini kaybeden, 2023-25 (bin) | Ocak 2026’da yeniden istihdam (%) | Ocak 2026’da işsiz (%) | Yüksek veya Çok yüksek yapay zeka maruziyetindeki 2025 istihdamı (%) | Bunun Çok yüksek olanı (%) | Öngörülen istihdam değişimi, 2025-35 (%) |
|---|---|---|---|---|---|---|
| Büro ve idari destek | 316 | 63,9 | 29,5 | 95,9 | 88,4 | -4,0 |
| Satış ve ilgili meslekler | 211 | 77,3 | 9,0 | 99,8 | 66,3 | -1,4 |
| Yönetim, iş ve finansal operasyonlar | 916 | 65,4 | 20,9 | 94,4 | 55,0 | +5,9 |
| Profesyonel ve ilgili meslekler | 629 | 65,1 | 20,4 | 86,1 | 34,8 | +5,3 |
| Hizmet | 302 | 65,2 | 14,0 | 11,2 | 0,1 | +5,8 |
| Kurulum, bakım ve onarım | 134 | 78,5 | yayımlanmadı | 13,0 | 0,0 | +5,4 |
| Üretim | 352 | 65,2 | 13,0 | 10,3 | 0,3 | -0,4 |
| İnşaat ve maden çıkarma | 188 | 59,6 | 27,1 | 2,1 | 0,0 | +5,1 |
| Ulaştırma ve malzeme taşıma | 213 | 65,4 | 12,7 | 5,7 | 0,0 | +4,3 |
Notlar: Maruziyet payları ve öngörülen değişim, BLS dosyasındaki istihdam ağırlıklı ayrıntılı mesleklerin SOC ana gruplarına (11 ve 13; 15-29; 31-39; 41; 43; 47; 49; 51; 53) eşlenmesiyle yapılan CEOtudent toplamlarıdır. DWS, SOC ana gruplarını yakından ama birebir olmayan biçimde izleyen Census meslek gruplarını kullanır. BLS, tabanı 75.000’in altında kalan değerleri yayımlamaz. Büro ve idari destek için -4,0 yüzdesi, BLS projeksiyon bültenindeki rakamla örtüşüyor.
Bu tabloyu BLS’nin kendi uyarısını akılda tutarak okuyun. BLS, ana meslek gruplarına göre yeniden istihdam oranlarının “Ocak 2026’da birbirinden pek farklı olmadığını” söylüyor. Yeniden istihdam sütunundaki farkların çoğu istatistiksel olarak anlamlı değil. Bu uyarıya rağmen bir satır her ölçütte ayrışıyor:
- Büro ve idari destek, işini kaybeden çalışanlar arasında en yüksek işsiz payına (yüzde 29,5), en yüksek Çok yüksek maruziyet payına (istihdamın yüzde 88,4’ü) ve en dik öngörülen düşüşe sahip. BLS bu grubun “2025-35 on yılında 752.100 iş kaybedeceğini, bunun da tüm ana meslek grupları arasında en yüksek kayıp olduğunu” öngörüyor ve gerekçelerden biri olarak “yapay zeka destekli olanlar dahil otomasyon araçlarının entegrasyonunun sürmesini” gösteriyor. Toparlanma verisinin, maruziyet verisinin ve BLS’nin kendi projeksiyonunun aynı yönü gösterdiği tek yer burası.
- Yüksek maruziyet, düşüş anlamına gelmez. Yönetim, iş ve finans meslekleri yüzde 94,4 oranında Yüksek veya Çok yüksek maruziyete sahip; yine de BLS bu grubun yüzde 5,9 büyümesini, yani tüm meslekler ortalaması olan yüzde 3,5’in belirgin biçimde üzerinde büyümesini öngörüyor. Satış neredeyse tamamen maruz durumda ve yine de ikinci en yüksek yeniden istihdam oranına (yüzde 77,3) sahipti. Maruziyet, işin ne kadarına yapay zekanın dokunabileceğini ölçer. Sonucun daha az insan mı yoksa daha üretken insanlar mı olacağını söylemez.
- Düşük maruziyet, güvende olmak anlamına gelmez. İnşaat ve maden çıkarma çalışanlarının yapay zeka maruziyeti neredeyse sıfır; buna rağmen bu gruptan işini kaybedenlerin yüzde 27,1’i Ocak 2026’da işsizdi. Fiziksel iş bir riske karşı koruma sağlar. Ekonomik döngüye karşı korumaz.
Yapay zeka maruziyet dosyası önümüzdeki on yıl hakkında ne söylüyor?
831 mesleğin tamamını maruziyet kategorisine göre gruplamak, popüler “maruz kalan işler yok oluyor” anlatısıyla çelişen bir tablo ortaya koyuyor.
Tablo 4. Göreli yapay zeka maruziyet kategorisine göre 2025-35 projeksiyonları (BLS yapay zeka maruziyet kategorileri dosyasının CEOtudent analizi)
| Göreli yapay zeka maruziyeti | Meslek sayısı | 2025 istihdamı (milyon) | İstihdam payı | Öngörülen değişim, 2025-35 | Düşüş öngörülen meslekler | Meslek medyan ücretlerinin medyanı |
|---|---|---|---|---|---|---|
| Düşük | 213 | 30,3 | %17,8 | +%2,5 | 76 | $49.120 |
| Orta | 206 | 44,7 | %26,2 | +%6,2 | 50 | $52.760 |
| Yüksek | 206 | 42,1 | %24,8 | +%3,1 | 39 | $73.985 |
| Çok yüksek | 206 | 53,2 | %31,3 | +%2,0 | 58 | $78.105 |
| Tümü | 831 | 170,3 | %100 | +%3,5 | 223 |
Not: BLS, toplam istihdamın 170,3 milyondan 176,2 milyona çıkmasını (+%3,5) öngörüyor; 2015-25 döneminde büyüme yüzde 10,9’du.
Çok yüksek maruziyetli mesleklerin en yavaş büyümesi öngörülüyor, ancak yine de büyüyorlar (+%2,0). 206 Çok yüksek maruziyetli meslekten 139’unun büyümesi, 58’inin küçülmesi ve 9’unun yatay kalması bekleniyor. Fark kategoriler arasında değil, kategorinin içinde. Çok yüksek maruziyetli meslekler arasında projeksiyonun kaybedenleri ve kazananları şöyle (BLS rakamları, istihdam bin kişi olarak):
Tablo 5. Aynı maruziyet, zıt görünüm: seçilmiş Çok yüksek maruziyetli meslekler (doğrulanmış BLS verisi)
| En çok küçülmesi öngörülen (sayısal) | Değişim 2025-35 | En çok büyümesi öngörülen (sayısal) | Değişim 2025-35 |
|---|---|---|---|
| Genel büro memurları | -156,2 (-%6,0) | Yazılım geliştiriciler | +174,7 (+%10,2) |
| Müşteri hizmetleri temsilcileri | -141,8 (-%5,3) | Yönetim analistleri | +109,2 (+%10,1) |
| Sekreterler ve idari asistanlar (hukuk, tıp ve üst yönetim hariç) | -114,1 (-%6,0) | Bilgisayar ve bilgi sistemleri yöneticileri | +108,1 (+%15,8) |
| Defter tutma, muhasebe ve denetim memurları | -85,6 (-%5,6) | Veri bilimciler | +95,4 (+%34,6) |
| Veri giriş operatörleri | -33,6 (-%25,5) | Finans yöneticileri | +84,9 (+%9,7) |
| Bordro ve puantaj memurları | -25,4 (-%15,9) | Muhasebeciler ve denetçiler | +79,4 (+%5,0) |
Kaynak: BLS, AI exposure categories and 2025-35 employment projections (xlsx).
Küçülen taraf ağırlıklı olarak bilgiyi sabit bir süreç içinde aktaran rollerden oluşuyor. Büyüyen taraf ise ağırlıklı olarak süreci tasarlayan, kuran ya da sonuçlarından sorumlu olan roller. Defter tutma memurları küçülürken muhasebeciler ve denetçiler büyüyor; oysa ikisi de Çok yüksek maruziyetli olarak sınıflandırılmış. Bu, kariyer sermayesinde neyin büyüyüp neyin eridiğine dair analizimizde izlediğimiz kaymanın aynısı.
BLS’nin altını çizdiği uyarılar
BLS metodoloji sayfası, bu dosyanın her kullanımına eşlik etmesi gereken sınırları sıralıyor. Bir maruziyet kategorisi “istihdam artışı ya da azalışı tahmini değildir” ve “çalışan ikamesi tahmini değildir”. Kategoriler “otomasyondan kaynaklanan yapay zeka etkilerini güçlendirmeden (augmentation) kaynaklananlardan ayırmaz”. Kesin değil, diğer mesleklere göre görelidir. Arkasındaki teorik kaynaklar “yapay zeka yeteneklerini en geç 2023 ortasında mevcut olanlar olarak kavramsallaştırır”; kaynakların çoğu dil modellerine odaklanır ve görsel ile video üretimini dışarıda bırakır; gözlemlenen kullanıma dayalı kaynaklar ise “erken benimseyenlere doğru kayabilir”. Kategorileri, ortadan kalkmak üzere olan işlerin listesi olarak değil, yapay zekanın işe nerede dokunduğunu gösteren bir harita olarak ele alın.
Kendi rolünüzün dayanıklılığını nasıl puanlayabilirsiniz?
Veriler yaklaşımda pratik bir değişikliğe işaret ediyor. Yapay zekanın işi alıp almayacağını sormak yerine, rolü kesinti riski, yeniden konumlanma riski ve uzun vadeli talep açısından ayrı ayrı puanlayın. Ardından emeğinizi puanın en zayıf olduğu yere yöneltin. Aşağıdaki puan kartı bir CEOtudent editoryal çerçevesidir. Yukarıdaki kamu verilerini okumanın yapılandırılmış bir yoludur, doğrulanmış bir tahmin modeli değildir.
Rol Dayanıklılığı Puan Kartı (CEOtudent editoryal çerçevesi)
Her sinyale 0, 1 veya 2 puan verin. Yukarıdaki tabloları ve yazının sonunda listelenen ücretsiz BLS kaynaklarını kullanın.
| # | Sinyal | 0 puan | 1 puan | 2 puan | Nereden kontrol edilir |
|---|---|---|---|---|---|
| 1 | Sektörün kesinti sıklığı | Ort. aylık işten çıkarma oranı %1,5’in üzerinde veya yıllık bazda 0,2 puandan fazla artıyor | %0,8 ile %1,5 arası, istikrarlı | %0,8’in altında, istikrarlı | JOLTS, Tablo 2 |
| 2 | Sektörün yeniden işe alım derinliği | İşten çıkarma başına işe alım 2,5’in altında | 2,5 ile 3,5 arası | 3,5’in üzerinde | JOLTS, Tablo 2 |
| 3 | Mesleğin yeniden konumlanma karnesi | İşini kaybedenler arasında işsiz payı %25’in üzerinde | %15 ile %25 arası | %15’in altında | DWS, Tablo 3 |
| 4 | Tam olarak sizin mesleğinize yönelik on yıllık talep | Düşüş öngörülüyor | %0 ile %3,5 arası (ortalama veya altı) | %3,5’in üzerinde | BLS projeksiyon dosyası |
| 5 | Maruziyetin yönü | Yüksek veya Çok yüksek maruziyet ve iş ağırlıklı olarak bilgiyi sabit bir süreç içinde aktarmak | Karma | Düşük maruziyet ya da Yüksek maruziyet ama muhakeme, tasarım veya sonuçların sorumluluğu sizde | BLS maruziyet dosyası ve kendi görev denetiminiz |
| 6 | Taşınabilirlik | Beceriler ve ağ tek bir işverene veya tek bir sektöre bağlı | Tek bir sektör içinde aktarılabilir | İki veya daha fazla sektörde ya da bağımsız olarak kanıtlanmış | Kendi geçmişiniz |
Toplam puan nasıl okunur (0-12):
- 9-12: Biriktirin. Asıl riskiniz rehavet. Öğrenci alışkanlığını sürdürün: her yıl yeni bir komşu beceri edinin ve işvereninizin dışındaki ağınızı canlı tutun.
- 5-8: Riskinizi dengeleyin. Önce en düşük puanlı sinyali düzeltin. Zayıflık sinyal 1 veya 2’deyse (sektör), en ucuz hamle çoğu zaman aynı mesleği başka bir sektörde sürdürmektir. Zayıflık sinyal 4 veya 5’teyse (meslek), Tablo 5’teki defter tutma memurundan muhasebeciye örüntüsünü izleyerek alanınızın büyüyen kısımlarına kayın.
- 0-4: Şimdi, hala çalışırken yeniden inşa edin. Gerekçe DWS kazanç verisinde: yeniden tam zamanlı işe girenlerin yalnızca yaklaşık yarısı eski ücretini yakalayabildi. İşten çıkarılmadan önce hamle yapmak, genellikle sonrasında yapmaktan daha az maliyetlidir. Seçenekleri açık tutmanın yapılandırılmış bir yolu için kariyer stratejisi olarak opsiyonellik yazımıza göz atın.
Verilerin desteklediği üç karar kuralı:
- İstikrarlı bir işvereni dayanıklı bir kariyerle karıştırmayın. Tablo 2’deki düşük devir hızlı sektörler (finans ve sigorta, kamu, özel eğitim) en zayıf yeniden istihdam sonuçlarından bazılarına sahipti. Bunlardan birinde çalışıyorsanız CEO hamlesi, dış piyasanın değer verdiği becerileri bilinçli olarak inşa etmektir: sertifikalar, portföy çalışmaları, dış ağlar.
- Maruz kalan bir alanın içinde karara doğru ilerleyin. Tablo 5’teki her Çok yüksek maruziyetli meslek ailesinde öngörülen büyüme, girdileri işleyen rollerde değil; analistler, yöneticiler ve denetçiler gibi muhakemenin sahibi olan rollerde. Yapay zeka sonrası orta kademe yöneticilik analizimiz aynı mantığı yönetimin içine uyguluyor.
- 55 yaşın üzerindeyseniz daha erken başlayın. 55-64 yaş arası çalışanların yeniden istihdam oranı 25-54 yaş grubundakilerin 15,6 puan altındaydı; 65 yaş ve üzerindekilerde bu oran yüzde 38,6’ydı. İleri yaş gruplarındakiler, hala çalışırken taşınabilirlik inşa etmekten en çok kazancı elde edenlerdir.
Bu analizin size söyleyemeyecekleri
Verilerin sınırları var ve bu sınırlar dipnotlarda değil, akıl yürütmenin içinde yer almalı. Buradaki her şey ABD verisidir. Avrupa’daki ve başka yerlerdeki iş piyasalarının işten çıkarma kuralları ve sosyal güvenlik ağları farklıdır; bu nedenle örüntüler aktarılabilse bile seviyeler aktarılamaz. DWS, Aralık 2025’e kadar işini kaybeden ve Ocak 2026’da ankete katılan kişileri tanımlar. 2026’daki bilgi sektörü işten çıkarmalarının nasıl sonuçlanacağını henüz gösteremez. JOLTS rakamları revize edilir ve Ağustos 2026 değeri öncü veridir. Tablo 2 ve 3’teki birleştirmeler bireyleri değil grupları karşılaştırır; dolayısıyla gösterdikleri ilişkiler, karıştırıcı bir faktörle (örneğin her sektörün yaş dağılımıyla) açıklanabilir. Burada kullanılan veri setlerinin hiçbiri yapay zekayı herhangi bir işten çıkarmanın nedeni olarak tanımlamaz. Aynı piyasanın, baskının işten çıkarmalar yerine daha az junior pozisyon olarak kendini gösterdiği giriş seviyesi tarafı için giriş seviyesi iş daralması yazımıza bakın.
SSS
Verilere göre işten çıkarmaya en dayanıklı işler hangileri?
Hiçbir meslek işten çıkarılmaya karşı bağışık değil. Burada ölçülen bileşimde en iyi sonucu sağlık ve sosyal yardım veriyor: düşük işten çıkarma oranı (2023-25’te ortalama aylık yüzde 0,69), eşleştirilen sektörler arasında işten çıkarma başına en yüksek işe alım (4,5) ve işini kaybeden çalışanlar için yüzde 77,1 yeniden istihdam oranı. BLS ayrıca sağlık destek ve sağlık uygulayıcısı mesleklerinin 2035’e kadar en hızlı büyüyen gruplar olmasını öngörüyor.
Yapay zekaya maruz kalan işler en çok mu kesiliyor?
Kamu verileri bu soruyu doğrudan yanıtlayamaz; çünkü ne JOLTS ne de Yerinden Edilmiş Çalışanlar Anketi yapay zekayı iş kaybı nedeni olarak kaydeder. Verilerin gösterdiği şu: en çok maruz kalan ana grup olan büro ve idari destek, işini kaybeden çalışanlar arasında en yüksek işsiz payına ve en dik öngörülen düşüşe sahipti. Öte yandan yoğun biçimde maruz kalan yönetim, iş ve finans mesleklerinin ortalamadan daha hızlı büyümesi öngörülüyor.
2026’da işten çıkarmalar arttı mı?
Ekonominin geneli için hayır. Tarım dışı toplam istihdamda ortalama aylık işten çıkarma oranı Ocak-Ağustos 2026’da yüzde 1,07 oldu; 2025’in aynı aylarında yüzde 1,09, 2024’te ise yüzde 1,02’ydi. İstisna bilgi sektörü: bu aylarda oranı ortalama yüzde 1,76’ya çıktı, 2024’te yüzde 1,14’tü; ancak Temmuz ve Ağustos daha düşüktü.
İşten çıkarıldıktan sonra iş bulmak ne kadar sürer?
Yerinden Edilmiş Çalışanlar Anketi bir süre değil, durum fotoğrafı sunar. 2023-2025 arasında işini kaybeden uzun kıdemli çalışanların yüzde 66,1’i Ocak 2026’da çalışıyordu, yüzde 18,3’ü işsizdi ve yüzde 15,7’si iş gücünden çıkmıştı. En iyi sonucu 25-54 yaş arası çalışanlar elde etti (yüzde 72,9 yeniden istihdam).
BLS’nin Yüksek veya Çok yüksek yapay zeka maruziyeti derecesi, bir işin yok olacağı anlamına mı geliyor?
Hayır. BLS, bir maruziyet kategorisinin istihdam düşüşü tahmini ve çalışan ikamesi tahmini olmadığını açıkça belirtiyor. 206 Çok yüksek maruziyetli meslekten 139’unun 2025-2035 arasında büyümesi öngörülüyor. Bu dereceyi, görevlerinizden hangilerine yapay zekanın dokunduğunu görmek için kullanın; ardından sizin mesleğinizin büyümesinin öngörülüp öngörülmediğini kontrol edin. İşverenlerin şu anda aradığı beceriler için en çok aranan beceriler analizimize göz atın.
Kaynakça
- U.S. Bureau of Labor Statistics, Job Openings and Labor Turnover Survey (JOLTS), sektöre göre işten çıkarma ve ihraç oranı ile işe alım oranı, mevsimsellikten arındırılmamış, aylık, Ocak 2023 – Ağustos 2026 (Ağustos 2026 öncü veri), BLS Public Data API üzerinden erişildi, Ekim 2026.
- U.S. Bureau of Labor Statistics, “Worker Displacement: 2023-2025,” haber bülteni USDL-26-1423, 27 Ağustos 2026.
- U.S. Bureau of Labor Statistics, Displaced Workers Survey tablo 4, 5 ve 7 (kaybedilen işin sektörüne ve mesleğine göre uzun kıdemli yerinden edilmiş çalışanlar ile yeniden istihdam edilenlerin kazançları), Ocak 2026 Current Population Survey eki.
- U.S. Bureau of Labor Statistics, “AI exposure categories and 2025-35 employment projections,” Employment Projections programı veri dosyası, 2026.
- U.S. Bureau of Labor Statistics, “Artificial Intelligence (AI) exposure categories,” Employment Projections programı metodoloji ve sınırlılıklar sayfası, 27 Ağustos 2026.
- U.S. Bureau of Labor Statistics, “Employment Projections – 2025-2035,” haber bülteni USDL-26-1422, 27 Ağustos 2026.
Bu içerik, derinlemesine bir araştırmanın ardından yapay zeka desteğiyle derlenmiş ve CEOtudent editör ekibi tarafından yazılıp yayına hazırlanmıştır.
