M.Nilgün Ercan
Genelde yapay zeka teknolojilerinin çeşitli alanlarda getirdiği yenilikler ile kolaylıklar, hangi sektörlerde ne amaçla kullanılabileceği ve sektörlere nasıl entegre edileceği gibi konular üzerinde ağırlıklı olarak duruluyor. Söz konusu teknolojinin sınırları, güvenilirliği, veri merkezlerinin enerji ve su tüketimi gibi dikkate alınması gereken etkileri ile içerik açısından etik kurallar ve insan haklarının korunmasına ilişkin sorunları da gündemde tutuluyor ve bunlara karşı bazı düzenlemeler dahil çözüm önerileri geliştirilmesi gerektiği vurgulanıyor. YZ’ nin hangi iş alanlarında insan emeğinin yerini alacağı, buna karşılık hangi yeni iş alanları açacağı da genel olarak ele alınan konulardan biri.
Dijital teknoloji ve YZ teknolojisinde kullanılan ekipman ve donanımın imalatında yer alan emek konusunu saklı tutsak bile, dikkatlerden kaçmaması gereken konulardan biri de YZ modellerinin geliştirilmesi ve eğitimi sırasında yer alan insan emeği ve bu alanlarda görev yapanların çalışma koşullarına ilişkin sorunlar. Sistemin doğru ve adil sonuçlar üretebilmesi için, YZ modellerinin geliştirilmesi sürecinde sürekli olarak insan emeği ve gözetimine ihtiyaç duyuluyor.
İnsanın dahil olmaması veya gözlem altında tutmaması halinde, söz konusu modeller önyargılı, doğru olmayan, yetersiz veya hatalı verilere dayalı kararlar verebilir.
Geçtiğimiz yıl sonunda ILO uzmanları tarafından hazırlanan ve Yapay Zeka Renkleri’ nin 17. sayısında da yer verilen makalede, YZ sistemlerinin sürdürülebilirliğini sağlamak üzere emek veren bu insanların düşük ücretle, sosyal güvenlikten ve işyeri güvenliği ile sağlığının gerektirdiği koşullardan yoksun olarak çalıştırıldığı vurgulanıyor (1). ILO araştırmasına göre çalışanların büyük bölümü genellikle lisans veya lisans üstü derecelerde yüksek eğitimli, bilim, teknoloji, mühendislik ve matematik gibi alanlarda uzmanlığı olan kişilerden oluşuyor. Bu insanlar, genellikle uzmanlık bilgilerini kullanmalarına gerek olmayan yeknesak ve tekrarlamalı veri işinde çalışıyor; aldıkları eğitim ile dengeli olmayan görevleri yürütüyorlar. Bu durumun sonuçta iş memnuniyetsizliği ve güvensizliği yaratmasının yanı sıra, özellikle sınırlı imkanları arasında yüksek eğitime kaynak ayıran gelişmekte olan ülkelerde vasıflı emeğin ziyan edilmesi gibi olumsuz etkilerini de saymak mümkün.
Araştırma, gelişmekte olan ülkelerde bu işçilerin ortalama olarak saatte 2 ABD $‘ı ücret aldıklarını, sınırlı sosyal güvenceye sahip olduklarını ve işten atılma risklerinin yüksek olduğunu ortaya koyuyor. Uygulanan iş modellerinin çalışanlar üzerinde vasıfsızlaşma, gelir adaletsizliği gibi sorunları arttırdığı ortaya çıkıyor. YZ’ nin sağladığı yeni olanaklar ve üretkenliği arttırma potansiyelinden söz edilirken sosyal etkileri, işçilerin haklarının korunması, sektörün daha şeffaf ve hesap verebilir olması gerekliliği de gözden kaçırılmaması gereken konular.
Bu konuda bazı önlemler almaya çalışılsa da özellikle gelişmekte olan ülkelerde işçi hakları açısından atılması gereken adımlar çok. Örneğin, bu konuda çalışmaları olan bir gazetecinin Brezilya’daki uygulamalardan hareketle yazdığı bir makalede YZ sistemlerinin eğitilmesinde görev alan çalışanlardan “hayaletler” olarak söz ediliyor (2). YZ sistemlerinin, özellikle üretken YZ’ nin eğitilmesi için genel olarak Küresel Güney’den toplanan işçi ordusu, devasa miktarda fotoğraf, video, işitsel dosyalar, çeviriler, belgeler, bilgi notlarındaki kalıpları tarayarak kabul edilir olanla olmayanı arayüze öğretmeye çalışıyor. Önde gelen teknoloji firmaları bu veri sınıflandırmasının maliyetini düşürmek için, işin bütününü parçalayarak tedarikçi şirketler aracılığıyla düşük ücretli alt gruplara veriyorlar. Bu iş modelinde, bir tarafında işçilerin, ortasında onları iş bazında kiralayan aracı şirketlerin ve diğer uçta ise YZ sistemlerini geliştiren teknoloji şirketlerinin yer aldığı bir tedarik zinciri oluşuyor.
Dünya ölçeğindeki YZ sistemlerini veri setleri ile beslemek üzere, bölümlere ayrılmış, tekrarlayan işleri yapmak için düşük ücretlerle çalıştırılan insanlar söz konusu. Yapılan işler bölünmüş ve yalıtılmış durumda; işçiler genel olarak hangi sistemi eğitmek üzere hatta hangi şirket için çalıştıklarını bilmiyor. Son derece katı gizlilik sözleşmesi imzalanıyor; şirketler ücretleri kontrol ediyor ve çalışanların kendi aralarında örgütlenmelerini de engelliyor. Platform dışında görevlerinden söz etmeleri resmi olarak yasaklansa da işçiler sosyal ağlarda gruplar ve forumlar oluşturarak birbirlerini destekliyor, ipuçları ve tavsiyeler paylaşıyor, çoğu proje yeterli eğitimi vermediği için yaptıkları işin kalitesini iyileştirmeye çalışıyor. Buna karşılık gazetecilerle konuşmak konusunda isteksizler; bir neden işin popüler olması halinde rekabetin artması iken esas neden de dışarıya bilgi sızması ve şirket ile yaptıkları gizlilik sözleşmesinin ihlali nedeniyle cezalandırılma korkusu (2).
YZ’nın arkasındaki gizlenen emek
YZ olarak adlandırılan sistem istatistiksel makine öğrenmesi, daha da özelinde yapay sinir ağları vasıtasıyla derin öğrenmeye dayanmakta olup, bu süreç muazzam miktarlarda veri kullanılarak gerçekleştirilmekte. YZ 15 yıl öncesine kadar ağırlıklı olarak akademik düzeyde araştırmacılar tarafından çalışılan bir alandı. Genel olarak algoritmanın önemli olduğunu düşünülürken, ABD üniversitelerinde çalışan araştırmacılar Fei Fei-Li ve Jia Deng veri setlerinin önemli olduğunu gördü; onların öncülüğünde Amazon’ un Mechanical Turk olarak adlandırılan çevrim içi platformu vasıtasıyla etiketlenmiş, dönemin en kapsamlı ImageNet veri setinin açık kaynak olarak sunulması sonrasında durum daha farklı bir aşamaya geçti (3).
Buna bağlı olarak platform üzerinden çalışma (crowd work-bazı yayınlarda “kalabalık taşeron işi” olarak yer alıyor) modeli yaygınlaştı; zaman alan ve tekdüze /tekrarlayan muazzam kapsamdaki iş(ler)in bölünerek, farklı ülkelerde birbirlerine paralel olarak düşük ücretlerle çalışan binlerce isimsiz işçi tarafından yapılması olanaklı kılındı. Diğer bir deyişle, günümüzde dijital teknoloji milyarderlerinin faaliyet alanı içinde olan YZ sektörünün parlaması, prekarya koşullarında çalıştırılan milyonlarca işçinin emeği vasıtasıyla mümkün hale geldi. Derin öğrenmeye dayalı modellerin gelişmesi beraberinde etiketlenmiş verilere, dolayısıyla güvencesiz koşullarda çalışan emek sahiplerine olan ihtiyacı da arttırdı. Örneğin, sahte haberler, nefret konuşmaları, şiddet vb. uygunsuz içerikleri kontrol edenler (content moderators), YZ sistemlerinin eğitiminden ve toplumsal kesimlerin güvenliğinden sorumlu olmalarına karşılık son derece düşük ücretlerle çalıştırılıyor. Bu işçiler, maruz kaldıkları uygunsuz içeriğin yarattığı endişe, depresyon ve travma sonrası stres bozukluğu gibi rahatsızlıklara karşı herhangi bir destek alamadıkları gibi, makine muamelesi görüyor ve işveren tarafından sürekli gözetim altında tutuldukları bir ortamda çalıştırılıyor (3). Bu alanda çalışmaları olan, Berlin Üniversitesi ve Weizenbaum Enstitüsü’ nden sosyolog ve bilgisayar uzmanı Milagros Miceli bu işin kömür madenciliği kadar riskli olduğunu söylüyor. Düşük ücretlerle geçici olarak çalıştırılan bu YZ işçilerine Amazon gibi e-ticaret şirketlerinin depo işçileri ile sürücülerini ve onların çalışma koşullarındaki sorunları da eklemek gerekiyor.
Veri Etiketleme
Yapay zeka uygulamaları arasında yer alan ChatGPT gibi popüler sohbet robotlarının önceden eğitilmesi zorunlu. İnsanlar tarafından etiketlenmiş veri setlerinden nasıl sonuçlar üretileceği bilgisi model eğitimi için gerekli.
Etiketleme ile uğraşan gruplar verilen farklı görevleri yerine getiriyor; örneğin bir görselin belirli bir özelliği barındırıp barındırmadığını ya da saldırgan bir ifadeye karşı çıkılıp çıkılmayacağına dair hususları teyit etmeleri bekleniyor. Gerek modelin çıktılarının doğruluğu gerekse güvenlik açısından veri etiketleme gerekli bir süreç. Ancak güvenlik kavramı şirketlerin prensiplerine ve amaçlarına göre değişebiliyor. Örneğin bir şirket için “güvenlik” telif hakkını ihlal etmemek iken, diğeri için önyargılı ve klişeler içeren yanlış bilgileri en aza indirmek olarak anlaşılabiliyor. Bu koşullar düzgün bir şekilde etiketlenmiş veri setleri ile kısmen sağlanabiliyor (4).
Veri etiketleme için gerekli olan işgücü genellikle Küresel Güney’den temin ediliyor. TIME Dergisi tarafından 2023 yılında yapılan bir röportajda, OpenAI ile sözleşmesi olan San Fransisco merkezli bir etiketleme şirketi olan SAMA tarafından Kenya’daki uydu ofiste işçilerin saati 1,32 ABD$ ücretle çalıştırıldığı ortaya çıkmıştı. WIRED Dergisi Güney Amerika ve Doğu Asya’da etiketleme işi ile uğraşanların ekonomik durumlarını araştırmış, bazılarının günde 18 saatten fazla ve ülkelerindeki asgari ücretin altında çalıştıklarını ortaya çıkarmıştı. Washington Post Filipinler’de en az 10 bin işçiyi çalıştıran ScaleAI şirketinin işçilere çok düşük ücretler verdiğini, ödemelerini geciktirdiğini veya yapmadığını, buna karşılık işçilere pek de başvuru olanağı tanımadığını haberleştirmişti (4).
Şirketler genel olarak çalışanlarını, tam zamanlı çalışanlar yerine, üçüncü taraf niteliğindeki sözleşmeli firmalar aracılığıyla göçmenler, gözetim altında olanlar, yoksul kesimler, kısaca çok fazla seçeneği olmayan insanlar arasından buluyor. Nitekim ihtiyaç duyulan “işçi orduları” ağırlıklı olarak Hindistan, Meksika, Filipinler, Kenya gibi ülkelerden temin ediliyor. Ayrıca yapılan araştırmalarda, ülkelere göre ücretlerin farklılık gösterdiği de ortaya çıkmış; örneğin ABD’ de bir veri yorumcusu saatte 10-25 ABD$ ücret alabilirken, aynı iş için Kenyalı bir işçi ancak 2 ABD$/saat veya daha az ücret kazanabiliyor. Nitekim, ABD-Kenya diplomatik ilişkilerinin 60. yılında Mayıs 2024’te 97 Kenyalı YZ işçisi o zamanki ABD Başkanı Biden’a bir mektup göndererek büyük teknoloji firmalarının tedarik zinciri sürecinde kendi emeklerinin sömürülmesi ve suistimal edilmesine karşı taleplerini ilettiler (5).
Parçalanmış iş süreçlerinde çalışan bu insanların sendikalaşması zor. Bununla birlikte, bazı örgütlenme pratikleri de söz konusu. Örneğin, Amazon Mechanical Turk platformunda çalışan işçileri işveren ile ilişkileri konusunda bilgi paylaşımına, karşılıklı dayanışmaya, haklarını korumaya çağıran aktivist bir platform olarak Turkopticon kurulmuş durumda. Amerikan İletişim İşçileri Sendikasına (CWA) bağlı Alphabet İşçileri Sendikası (enformel olarak Google Union olarak da biliniyor) örneğinde olduğu gibi, Silikon vadisindeki yüksek ücretli çalışanlar ile diğerlerinin aynı sendikada örgütlü olmaları ya da herhangi bir coğrafyada sendikalaşmış işçilerin diğerleri için emsal teşkil etmeleri olumlu örnekler. Google’ ın ana şirketi olan Alphabet çalışanları, Aralık 2024’te Google tedarikçisi olan Accenture ile bir toplu pazarlık sonucunda sözleşme imzalayarak bu konuda sendikanın tarihindeki ilk, Google ofis işçileri arasındaki ikinci grup oldular. 14 Şubat 2025 tarihli bir habere göre, Kenya’da YZ işçileri adil ücret, zihinsel sağlık desteği ve daha iyi çalışma koşulları için Veri Etiketleyiciler Birliğini kurdular. Bu alanda çalışan işçilerin uluslararası örgütlenmesinin desteklenmesi de YZ çalışanlarının birbirlerinin deneyimlerinden faydalanmaları için gerekli bir adım olarak görülüyor. ILO, etiketleme, içerik kontrolü gibi alanlarla sınırlı kalmamak üzere platform üzerinden sürdürülen diğer iş süreçlerini de ele alan “Platform Ekonomisinde Düzgün Çalışmayı Gerçekleştirmek” başlıklı raporu yayımladı; 2025 ve 2026 yıllarında bunun uluslararası konferanslarda ele alınması bekleniyor (5).
Bir yanda milyarlarca doları bulan kazançlarıyla teknoloji devleri, çeşitli alanlardaki kullanımı giderek artan aynı zamanda popülaritesi de yüksek teknolojik gelişmeler diğer yanda düşük ücretlerle, güvencesiz ve sürekli olmayan koşullarda çalışan emek sahipleri. Yapay zeka sektörünün günümüzde sermaye birikiminin itici güçlerinden biri olduğu açık. Günlük yaşantımıza da giren YZ modellerinin ve uygulamalarının geliştirilmesi sürecinde yer alan işgücünün hangi koşullarda çalıştığı, emek sömürüsünün hangi boyutlarda olduğu düşünülmesi ve üzerinde durulması gereken konular. Dijital teknoloji ve YZ alanında sadece modellerin içeriklerine ve kullanımına ilişkin konularda etik kurallara uyulması ve şeffaflığın yeterli olmadığı, üretimden uygulamaya kadar uzanan süreçte, adil olmayan koşullarda çalıştırılan emek sahiplerinin hakları dahil, şirketlerin şeffaflık ve hesap verebilirlik kriterlerini karşılamaları gerektiği ortaya çıkıyor.
Kaynaklar:
1-Uma Rani ve Rishabh Kumar Dhir, ILO, 10 Aralık 2024, The Artificial Intelligence illusion: How invisible workers fuel the “automated” economy | International Labour Organization
2-Tatiana Dias, Pulitzer Center, 4 Şubat 2025, How We Investigated the Human Labor Behind AI | Pulitzer Center
3-Adrienne Williams ve diğ. NOEMA (Berggruen Enstitüsü yayını), 13 Ekim 2022, The Exploited Labor Behind Artificial Intelligence
4-Ben Lee Taylor, The Conversation, 15 Kasım 2023, Long hours and low wages: the human labour powering AI’s development
5-Privacy International, 15 Ağustos 2024 Humans in the AI loop: the data labelers behind some of the most powerful LLMs’ training datasets | Privacy International