Son bir yılda gelen taleplerin neredeyse tamamı aynı cümleyle başlıyor: "Ekibimize bir yapay zekâ eğitimi verelim." Sonra kapsamı konuşmaya başlıyoruz ve talep her seferinde aynı yere iniyor: hangi araca nereden girilir, komut nasıl yazılır, hangi düğme ne yapar.
Araç eğitimi kötü bir şey değil. Ama tek başına verildiğinde, altı ay sonra elinizde arayüzü değişmiş bir araç ve o eğitimi almış bir ekip kalıyor. Öğrenilen şeyin raf ömrü, aracın sürüm notları kadar.
Size bir itirafta bulunayım: biz de bir dönem bu talebi olduğu gibi karşıladık. İstenen buydu, bilgi bizdeydi, verdik. Sonra aynı kurumlardan gelen ikinci dalga soruları duymaya başladık: "Çıktının doğru olup olmadığını nasıl anlayacağız?", "Bunu müşteriye göndersek sorumlusu kim?", "Ekip artık her şeyi buna yazdırıyor, bu iyi mi?" İlk eğitimde bu soruların hiçbiri yoktu. Asıl ihtiyaç oradaydı.
Bu yazı, elimizdeki kanıtın ne söylediğine ve söylemediğine bakıyor; sonra da eğitim tarafında yarın ne yapılacağına.
Kanıt ne diyor
Önce beklentiyi yere indirelim. 2013'te çok konuşulan bir çalışma, ABD'deki işlerin yaklaşık %47'sinin on-yirmi yıl içinde otomasyon riski altında olduğunu hesaplamıştı (Frey ve Osborne, 2013). Aradan on üç yıl geçti. İşsizlik oranları o senaryonun yanından geçmedi. Tahmin tamamen yanlıştı da denemez — ama takvimi ve mekanizması fena halde şaştı: otomatikleşen şey "işler" değil, işlerin içindeki görevler oldu.
İkincisi, makro tarafta iyimserliği dengeleyen bir hesap var. Yapay zekânın on yıllık toplam verimlilik etkisini modelleyen bir çalışma, kabaca %0,7 civarında bir toplam faktör verimliliği artışı öngörüyor — yani yılda binde birkaç (Acemoğlu, 2024). Sade bir dille: teknolojinin gerçekten etkileyebileceği görevlerin oranı görece küçük, ve etki ekonominin tamamına yayılınca rakam mütevazı kalıyor.
Üçüncüsü, gecikmenin kendisi bir kural. Genel amaçlı teknolojilerde ölçülen verimlilik önce düşer, sonra yükselir; çünkü asıl yatırım göze görünmeyen tarafa — süreçlere, veri düzenine, yeni iş yapış biçimlerine — gider ve bunlar hemen sonuç üretmez (Brynjolfsson, Rock ve Syverson, 2021). Kurumda "aracı aldık ama bir şey değişmedi" hissi tam olarak bu çukurun içinde yaşanır.
Dördüncüsü ve bence en önemlisi: işler yok olmuyor, yenileri doğuyor. 1940–2018 arasındaki iş unvanlarını tarayan bir çalışma, 2018'deki istihdamın yaklaşık %60'ının 1940'ta var olmayan iş türlerinde olduğunu buldu (Autor ve ark., 2024). Yani bugünkü mesleklerin bir kısmı erirken, adı bugün konmamış işler çoktan oluşmaya başlamıştır.
Bu dördü bir arada okunduğunda tablo şu: kısa vadede abartı, orta vadede görev düzeyinde yeniden dağılım, uzun vadede işin tanımının değişmesi.
Asıl risk işini kaybetmek değil
Kanıtın daha az konuşulan tarafı bilişsel. Bir şeyi hatırlama işini dışarıya devrettiğimizde, beynimiz bilginin kendisini değil nerede bulunacağını tutmaya geçiyor (Sparrow, Liu ve Wegner, 2011). Yol bulmayı sürekli cihaza bırakan insanların mekânsal hafıza ölçümlerinin daha zayıf çıktığını gösteren çalışmalar var (Dahmani ve Bohbot, 2020). Daha yenisi doğrudan bizim konumuz: 319 bilgi çalışanıyla yapılan bir araştırmada, yapay zekâya duyulan güven arttıkça görevde harcanan eleştirel düşünme çabasının azaldığı, kişinin kendi yetkinliğine güveni yüksek olduğunda ise arttığı bulundu (Lee ve ark., 2025).
Buna kurumda verdiğim ad şu: bilişsel borç. Bugün hızlı çıktı alıyorsunuz, ama ödemeyi ileride, "bu çıktı doğru mu?" sorusunun sorulması gereken anda yapıyorsunuz — ve o an sorabilecek kas zayıflamış oluyor.
Ama abartmayalım — sınırları da var
Dürüst olalım: yukarıdaki rakamların hiçbiri geleceği bilmiyor. Frey ve Osborne örneği zaten bunun kanıtı; bugün alıntıladığım verimlilik hesabı da bir model, varsayımları değişirse sonucu değişir. "2028'de şu olacak" diyen her belge — bu yazı dahil — tahmin üretiyor, ölçüm değil.
Bilişsel taraftaki çalışmaların çoğu ilişkisel: yapay zekâya çok güvenenlerin daha az sorguladığını gösteriyor, ama zaten az sorgulayanların mı ona daha çok güvendiğini kesinleştirmiyor. Yön oku iki tarafa da bakabilir.
Bir de dolaşan ama dayanağı zayıf rakamlar var. "Bir becerinin raf ömrü artık üç-beş yıl" cümlesini çok duyacaksınız; kaynağına indiğinizde genelde bir anket ya da bir sunum çıkıyor, ölçüm değil. Ben bu yazıda kullanmadım.
Ve ters yön: kazanç gerçek. Dar, bağlamı belli görevlerde hız artışı ölçülmüş bir şey. Mesele "işe yarıyor mu" değil, neyin karşılığında işe yaradığı.
Ne çözer, ne çözmez
Çözer: ilk taslağı, biçimlendirmeyi, özetlemeyi, çeviri yükünü, hacmi. Bir uzmanın rutin işini kısaltır.
Çözmez: kurumda olmayan uzmanlığı yaratmaz. Bir sonraki adımın ne olması gerektiğine karar vermez. En önemlisi: sorumluluğu üstlenmez. Yanlış rakamın, hatalı prosedürün, gönderilmiş yanlış e-postanın arkasında yine bir isim durur.
Bu yüzden "yapay zekâ eğitimi" dendiğinde araç anlatmak, sürücü kursunda direksiyonun nasıl tutulduğunu öğretip trafiği hiç konuşmamaya benziyor.
Eğitim tarafında yarın ne yapmalı
- Araç eğitimini "sonuç eğitimi"ne bağlayın. Eğitimin çıktısı "aracı öğrendi" değil, "kendi işindeki şu görevi şu kalitede çıkarabiliyor" olsun. Çünkü aracın arayüzü değişir, görev tanımı kalır.
- Doğrulama adımını eğitimin içine koyun. Her modülde "bu çıktı nasıl yanlış olabilir?" diye bir bölüm olsun; katılımcıya kasten hatalı bir çıktı verip bulmasını isteyin. Yapay zekâ bir tahmin motorudur, doğruluk motoru değil — bunu anlatmanın en iyi yolu yaşatmaktır.
- Kimin onayladığını yazın. Hangi işte çıktının insan onayı olmadan kullanılamayacağı bir cümleyle tanımlansın. Sorumluluk belirsizse kimse kontrol etmez; herkes kontrol edildiğini varsayar.
- Yasak listesi değil, kullanım politikası yazın. Yasak koyan kurumlarda araç kullanımı bitmiyor, sadece görünmez oluyor. Görünmez kullanım en riskli kullanımdır: hangi verinin nereye yapıştırıldığını kimse bilmez.
- Veri ve gizlilik eğitimini yapay zekâ eğitiminden ayırmayın. Sahadaki en yaygın kaza, iyi niyetli bir çalışanın müşteri verisini bir sohbet kutusuna yapıştırması. Bu bir yetkinlik açığı değil, eğitim açığı.
- Ekibin muhakemesini ölçün, araç bilgisini değil. Sınavda "hangi komut ne yapar" sormak kolaydır ve hiçbir şey ölçmez. Bir çıktı verip "bunu müşteriye gönderir miydin, neden?" diye sormak zordur ve her şeyi ölçer.
- Öğrenmeyi bir kereye sıkıştırmayın. Sürümü sık değişen bir teknolojide yıllık tek eğitim, tanımı gereği eskimiş eğitimdir. Kısa, tekrarlı, işin içine gömülü olan tutar.
Kapanış
2028'in nasıl görüneceğini bilmiyorum; bilen birine de rastlamadım. Ama şunu biliyorum: bir teknolojinin sizi nerede bırakacağını, o teknolojiyi kullanırken hangi kasınızı çalıştırmaya devam ettiğiniz belirler.
Aracı öğretmek bir günlük iştir. Muhakemeyi korumak bir eğitim programı meselesidir — ve asıl geciktiğimiz yer orası.