Erik Brynjolfsson , Bharat Chandar ve Ruyu Chen, yapay zekanın ABD işgücü piyasasını nasıl yeniden şekillendirdiğine dair çığır açıcı bir çalışma olan “ Kömür Madenindeki Kanaryalar? ” ı yayınlayarak büyük ilgi gördü.
Bu makale, Amerika Birleşik Devletleri’ndeki en büyük bordro yazılımı sağlayıcısından alınan yüksek frekanslı idari verileri kullanarak, üretken yapay zekaya maruz kalan meslekler için işgücü piyasasındaki değişiklikleri incelemektedir. Bu değişimleri karakterize eden altı olguyu sunuyoruz. Üretken yapay zekanın yaygın olarak benimsenmesinden bu yana, yapay zekaya en çok maruz kalan mesleklerdeki kariyerinin başındaki çalışanların (22-25 yaş), firma düzeyindeki şoklar kontrol edildikten sonra bile istihdamda yüzde 13’lük bir göreli düşüş yaşadığını bulduk. Buna karşılık, daha az maruz kalan alanlardaki çalışanlar ve aynı mesleklerdeki daha deneyimli çalışanlar için istihdam sabit kaldı veya büyümeye devam etti. Ayrıca, ayarlamaların öncelikle tazminattan ziyade istihdam yoluyla gerçekleştiğini bulduk. Dahası, istihdamdaki düşüşler, yapay zekanın insan emeğini artırmak yerine otomatikleştirme olasılığının daha yüksek olduğu mesleklerde yoğunlaşıyor. Sonuçlarımız, teknolojiyle ilgili firmaları ve uzaktan çalışmaya uygun meslekleri hariç tutmak gibi alternatif açıklamalara karşı da sağlamdır. Bu altı gerçek, yapay zeka devriminin Amerikan işgücü piyasasındaki giriş seviyesi çalışanlar üzerinde önemli ve orantısız bir etki yaratmaya başladığı hipotezini destekleyen erken, büyük ölçekli kanıtlar sunmaktadır.
1 Giriş
Üretken yapay zekanın (YZ) yaygınlaşması, iş gücü piyasası üzerindeki potansiyel etkisi konusunda küresel bir tartışmayı tetikledi. Bu tartışma, akademi, kamu politikası, iş dünyası ve popüler medya genelinde, üretkenlikte artış sağlayan ütopyacı tahminlerden yaygın iş kayıplarına ilişkin distopyacı korkulara ve YZ’nin istihdam veya üretkenlik üzerinde minimal etkisi olacağına dYZr şüpheci görüşlere kadar uzanıyor. Tarihsel olarak teknolojiler, farklı görevleri, meslekleri ve sektörleri farklı şekillerde etkilemiş; bazılarında işi değiştirmiş, bazılarında güçlendirmiş ve bazılarında dönüştürmüştür. Bu heterojen etkiler, YZ’nin daha yaygın etkilerinin habercisi olabilecek “kömür madenindeki kanaryalar” olabileceğini işaret ediyor.
YZ yeteneklerinde birkaç alanda hızlı iyileşmeler yaşandı. Örneğin, en son YZ Endeksi Raporu’na göre, YZ sistemleri 2023’te yazılım mühendisliği için yaygın kullanılan bir kıyaslama olan SWE-Bench’teki kodlama sorunlarının yalnızca %4,4’ünü çözebiliyordu, ancak 2024’te performans %71,7’ye yükseldi (Maslej ve ark., 2025).1 YZ, dil anlama, konu bilgisi ve muhakeme gibi diğer kıyaslamalarda da iyileşme gösterdi. Aynı zamanda YZ sistemleri giderek daha yaygın bir şekilde benimseniyor. Hartley ve ark. (2025)’e göre, ABD’de 18 yaş üstü anket katılımcıları arasında iş yerinde LLM benimsenmesi Haziran/Temmuz 2025 itibarıyla %46’ya ulaştı.2
Daha iyi yetenekler ve yaygın benimsenme göz önüne alındığında, son manşetlerde de büyütülen temel bir endişe, YZ’nin insan emeğini, özellikle yazılım mühendisliği ve müşteri hizmetleri gibi yüksek maruziyetli mesleklerde genç, giriş seviyesi çalışanlar için yerini alıp almadığıdır.3
Bu tartışmanın yoğunluğuna rağmen, ampirik kanıtlar teknolojik ilerlemeyle aynı hızda ilerleyemedi ve birçok temel soru cevapsız kaldı. Bu makale, bu ampirik boşluğu, Amerika Birleşik Devletleri’ndeki en büyük bordro yazılımı sağlayıcısı ADP’den alınan yüksek frekanslı idari verileri kullanarak ele alıyor. Örneklemimiz, Temmuz 2025’e kadar aylık, bireysel düzeyde bordro kayıtlarını kapsıyor ve on binlerce firma genelinde milyonlarca çalışanı içeriyor. Bu zengin panel yapısı, istihdam dinamiklerini yüksek derecede ayrıntılı bir şekilde izlememize olanak tanıyor ve iş gücü piyasası ayarlamalarının neredeyse gerçek zamanlı bir görünümünü sağlıyor. Bu verileri, mesleki YZ maruziyeti ve diğer değişkenlere ilişkin yerleşik ölçümlerle bağlayarak, üretken YZ’nin yaygın benimsenmesinden bu yana gerçekleşen istihdam değişikliklerini ölçebiliyoruz.
Bu makale, verilerden ortaya çıkan altı anahtar gerçeği sistematik olarak sunuyor ve YZ devriminin Amerikan iş gücünü nasıl yeniden şekillendirdiği konusunda bir değerlendirme sunuyor.
İlk anahtar bulgumuz, YZ’ye en çok maruz kalan mesleklerde (yazılım geliştiricileri ve müşteri hizmetleri temsilcileri gibi) erken kariyer çalışanları (22-25 yaş) için istihdamda önemli düşüşler tespit ettiğimizdir. Buna karşılık, aynı mesleklerde daha deneyimli çalışanlar ve hemşire yardımcıları gibi daha az maruz kalan alanlardaki tüm yaşlardaki çalışanlar için istihdam eğilimleri istikrarlı kaldı veya büyümeye devam etti.
İkinci anahtar gerçeğimiz, genel istihdamın güçlü bir şekilde büyümeye devam etmesidir, ancak özellikle genç çalışanlar için istihdam büyümesi 2022 sonundan beri durgunlaşmıştır. YZ’ye daha az maruz kalan işlerde genç çalışanlar, yaşlı çalışanlarla karşılaştırılabilir istihdam büyümesi yaşadı. Buna karşılık, 22-25 yaş arası çalışanlar, en çok YZ’ye maruz kalan mesleklerde 2022 sonundan Temmuz 2025’e kadar %6’lık bir istihdam düşüşü yaşadı; bu, yaşlı çalışanlar için %6-9’luk artışa kıyasla. Bu sonuçlar, YZ’ye maruz kalan işlerdeki istihdam düşüşünün, yaşlı çalışanlar için istihdamın büyümeye devam etmesine rağmen 22-25 yaş arası kişiler için genel istihdam büyümesinin durgunlaşmasını sürüklediğini gösteriyor.
Üçüncü anahtar gerçeğimiz, YZ’nin tüm kullanımlarının istihdam düşüşleriyle ilişkili olmadığıdır. Özellikle, giriş seviyesi istihdam, YZ’nin işi otomatikleştirdiği uygulamalarda düşmüş, ancak en çok artırdığı uygulamalarda düşmemiştir. Otomatikleştirme ile artırma arasında ampirik olarak ayrım yapmak için, Claude LLM’ye gözlemlenen sorguların, o meslekteki görevleri ikame mi yoksa tamamlayıcı mı olduğunu tahmin eden tahminleri kullanıyoruz. Genç çalışanlar için YZ’nin öncelikle işi otomatikleştirdiği mesleklerde istihdam düşüşü tespit ederken, YZ kullanımının en artırıcı olduğu mesleklerde istihdam büyümesi buluyoruz. Bu bulgular, YZ’nin otomatikleştirici kullanımlarının emeği ikame ettiği, artırıcı kullanımlarının ise etmediğiyle tutarlıdır.
Dördüncü olarak, genç, YZ’ye maruz kalan çalışanlar için istihdam düşüşleri, firma-zaman etkilerine şartlandırıldıktan sonra da devam ediyor. Bulgularımız için bir açıklama sınıfı, yaş ve ölçülen YZ maruziyetiyle sıralama kalıplarıyla ilişkili fYZz oranı değişiklikleri gibi sektör veya firma düzeyinde şoklar tarafından sürüklenebileceğidir. Bu tür karıştırıcıların bir sınıfını test etmek için, bir olay çalışması regresyonunda firma-zaman etkilerini kontrol ederek, YZ maruziyetine bakılmaksızın bir firmadaki tüm çalışanları etkileyen toplam firma şoklarını emeriz. 22-25 yaş arası çalışanlar için, en az maruz kalan beşinciye kıyasla en çok maruz kalan beşincilerde göreli istihdamda 12 log-puanlık bir düşüş buluyoruz; bu, büyük ve istatistiksel olarak anlamlı bir etki. Diğer yaş grupları için tahminler çok daha küçük büyüklükte ve istatistiksel olarak anlamlı değil. Bu bulgular, gözlemlediğimiz istihdam eğilimlerinin, orantısız şekilde YZ’ye maruz genç çalışanları istihdam eden firmalara yönelik farklı şoklar tarafından sürüklenmediğini ima ediyor.
Beşinci olarak, iş gücü piyasası ayarlamaları, istihdamda ücretlerden daha görünürdür. İstihdam bulgularımızın aksine, yaş veya maruziyet beşincisine göre yıllık maaş eğilimlerinde az fark buluyoruz; bu, olası ücret yapışkanlığını işaret ediyor. Eğer öyleyse, YZ, en azından başlangıçta ücretlerden ziyade istihdam üzerinde daha büyük etkilere sahip olabilir.
Altıncı olarak, yukarıdaki gerçekler çeşitli alternatif örneklem inşalarında büyük ölçüde tutarlıdır. Sonuçlarımızın yalnızca bilgisayar meslekleri veya uzaktan çalışmaya ve dış kaynak kullanımına yatkın meslekler tarafından sürüklenmediğini buluyoruz. Ayrıca, YZ maruziyet taksonomisinin, LLM’lerin yaygın kullanımından önceki dönemde genç çalışanlar için istihdam sonuçlarını anlamlı bir şekilde öngörmediğini, COVID-19 salgını kaynaklı işsizlik artışını da dahil ederek buluyoruz. Verilerde gözlemlediğimiz kalıplar, üretken YZ araçlarının hızlı yayılımı dönemi olan 2022 sonundan itibaren en keskin şekilde ortaya çıkıyor. Ayrıca, hem yüksek üniversite mezunu payına sahip mesleklerde hem de düşük olanlarda geçerli; bu, COVID-19 sırasında bozulan eğitim sonuçlarının sonuçlarımızı sürüklemediğini gösteriyor. Üniversite dışı çalışanlar için, deneyim, iş gücü piyasası bozulmasına karşı daha az tampon görevi görebilir; düşük üniversite payına sahip meslekler, 40 yaşına kadar YZ maruziyetine göre farklı istihdam sonuçları gösteriyor.
Belgelediğimiz gerçeklerin kısmen üretken YZ dışındaki faktörlerden etkilenebileceğini uyarırken, sonuçlarımız üretken YZ’nin giriş seviyesi istihdamı etkilemeye başladığı hipoteziyle tutarlıdır. Bu eğilimlerin gelecekte değişip değişmediğini değerlendirmek için verileri sürekli izlemeye devam etmeyi planlıyoruz.
YZ, neden maruz kalan giriş seviyesi çalışanları diğer yaş gruplarından daha olumsuz etkileyebilir? Bir olasılık, model eğitim sürecinin doğası gereği YZ’nin, resmi eğitimin çekirdeğini oluşturan kodlanmış bilgiyi değiştirmesidir. YZ, deneyimle biriken özgün ipuçları ve püf noktaları olan örtük bilgiyi değiştirmede daha az yetenekli olabilir.5 Genç çalışanlar, maruz kalan mesleklerde YZ’den daha fazla görev ikamesiyle karşılaşıp istihdam yeniden dağılımına yol açarak (Acemoglu ve Autor, 2011) nispeten daha fazla kodlanmış bilgi sağladığından. Buna karşılık, biriken örtük bilgiye sahip yaşlı çalışanlar daha az görev ikamesiyle karşılaşabilir. Örtük bilginin bu faydaları, deneyime düşük getiri sağlayan mesleklerde üniversite dışı çalışanlara daha az fayda sağlayabilir. Ayrıca, daha deneyimli çalışanlar başka şekillerde daha yetenekli olabilir ve YZ araçları tarafından ikameye daha az savunmasız olabilir (Ide, 2025). Araştırma için önemli bir yön, bu tahminleri daha fazla modellemek ve test etmektir.
https://mYZl.google.com/mYZl/u/0/?tab=rm&ogbl#label/BLOG+37/FMfcgzQcpTNbMdvxbCKqJFBXqTjtRRQd