Yapay Zeka ve Dijital Emek: Algoritmaların Arkasındaki İnsan Eli

Yapay zeka üzerine kurulan en popüler tartışmalardan biri hala aynı soru etrafında dönüyor: “AI mesleklerimizi elimizden alacak mı?”

Bana kalırsa bu soru hem fazla dramatik hem de yeterince politik değil. Çünkü asıl mesele yapay zekanın insan emeğini tamamen ortadan kaldırması değil; emeği yeniden sınıflandırması, görünmezleştirmesi ve kimi zaman değersizleştirmesi.

Bugün ChatGPT’ye bir sosyal medya planı yazdırmak, Midjourney ’den bir görsel üretmek, Veo 3.1. ile profesyonel sinematik çekimler yapmak ya da Claude ’da bir otomasyon sistemi oluşturmak gerçekten mümkün.

Ama buradan “artık stratejiste, tasarımcıya, editöre, araştırmacıya ya da pazarlama uzmanına gerek yok” sonucunu çıkarmak, bana kalırsa teknolojik ilerleme değil; yönetsel körlüktür. Başka bir deyişle: bir AI okuryazarlığı problemidir.

Yapay zeka çıktısı, kendi başına iş değildir.

İş; o çıktının neden üretildiğini, hangi bağlama oturduğunu, neyi eksik bıraktığını, nerede yanıldığını ve nasıl daha iyi hale getirileceğini bilen insan emeğiyle başlar.

Yapay zeka insan emeğini çalmıyor; arayüzün arkasına taşıyor

Massachusetts Institute of Technology ekonomisti Daron Acemoğlu ve Pascual Restrepo’nun otomasyon üzerine geliştirdikleri çerçeveye göre, yapay zeka iki yönde gelişebilir: Yapay zeka ya insan emeğini tamamlayıcı yeni görevler yaratabilir ya da insanı tamamen devreden çıkaran “vasat otomasyon (so-so technologies)”a dönüşebilir.

Buradaki asıl sorun AI’ın varlığı değil; teknolojinin ağırlıklı olarak ikinci yöne, yani insan emeğini güçlendirmek yerine onu devreden çıkarmaya yönelmesi. Çünkü bu eğilim işgücü talebini yavaşlatıyor, ücret pazarlığını zayıflatıyor ve eşitsizliği derinleştiriyor. — Acemoglu & Restrepo, “Wrong Kind of AI? Artificial Intelligence and The Future of Labor Demand”, 2022

Başka bir deyişle, başından beri yanlış sorunun peşindeyiz.

Asıl sorgulamamız gereken, yapay zekanın işlerimizi elimizden alıp almayacağı değil; bu dönüşümde kimin emeğinin görünmezleştiği, kimin işinin yeniden tanımlandığı ve kimlerin teknolojinin yanlış kavranması nedeniyle emek piyasasının dışına itildiği olmalı.

Microsoft Research antropologları Mary Gray ve Siddharth Suri’nin Ghost Work kitabı da bu görünmezlik meselesini başka bir düzeyde ele alıyor: AI sistemlerini çalışır kılan şeyin önemli bir kısmı, görünmez, parçalı ve düşük ücretli insan emeğidir. Bu bağlamda makine öğreniyor gibi görünür; aslında milyonlarca insanın yargısı ve tecrübesiyle beslenmektedir.

Öte yandan Kate Crawford da Atlas of AI’da aynı perdeyi farklı bir yerden kaldırıyor: yapay zekayı yalnızca kod ve algoritma olarak değil, veri madenciliğinden veri setlerine uzanan bir çıkarım sistemi olarak ele alıyor. Her “akıllı” sistemin arkasında çevresel maliyet ve insan bedeni var, diyor.

Yapay zeka emeği ortadan kaldırmıyor; onu arayüzün arkasına, veri setinin içine, prompt’un kıvrımlarına taşıyor. — Gray & Suri “Ghost Work: How to Stop Silicon Valley from Building a New Global Underclass”, 2019

Photoshop’tan ChatGPT’ye: Aynı yanılgı, yeni teknoloji

Teknoloji değiştikçe sergilenen yönetimsel direnç ve indirgemeci bakış açısı şaşırtıcı derecede benzerdir.

1990'larda Adobe Photoshop, Illustrator ve CAD (Bilgisayar Destekli Tasarım) gibi araçlar profesyonel hayatımıza girdiğinde benzer bir “vasıfsızlaştırma” ve “kolaycılık” tartışması yaşanmıştı.

Kimileri tasarımı “bilgisayarda on dakikalık iş” sanmış; tasarımcının renk teorisi, kompozisyon bilgisi, görsel kültürü ve estetik yargısını göremeyip sadece ekrana bakmıştı.

Benzer biçimde 2000'lerde Google arama motoru yaygınlaştığında “bilgi artık her yerde, araştırmacıya ne gerek var?” yanılgısı ortaya çıkmıştı.

Bugün aynı zihniyet ChatGPT, Midjourney vb. üretken yapay zeka araçları üzerinden geri döndü.

Teknoloji değişti; emeği küçümseyen bakış değişmedi.

“Artık stratejiyi ChatGPT yazıyor” veya “tasarımı Midjourney hallediyor” gibi ifadeler, teknolojik başarı kutlaması ya da teknolojiden anlamak değil; teknolojinin ve uzmanlığın doğasına dair yüzeysel bir okumanın göstergesidir.

Bir çıktının hızlı üretilmesi, onun doğru, özgün, stratejik ya da bağlama uygun olduğu anlamına gelmez.

İnsan uzmanlığının yeni kalesi: muhakeme ve karar verme

Bilgiye ulaşmanın ve içerik üretmenin maliyeti sıfıra yaklaştıkça, insan uzmanlığının değeri başka bir yere kayıyor: muhakeme ve karar verme becerisine.

Artık mesele yalnızca bir şeyi “yapabilmek” değil; yapılan şeyin doğru, gerekli, bağlama uygun ve stratejik olarak anlamlı olup olmadığını ayırt edebilmek.

Şayet yapay zekadan gelen çıktıyı değerlendirecek uzmanlığınız yoksa, teknolojiyi kullanan kişi olmaktan çıkıp onun ürettiği yanılsamaların taşıyıcısına dönüşürsünüz.

Kulağa doğru, göze profesyonel gelen; fakat hatalı varsayımlar, eksik bağlamlar ve yanlış öncelikler üzerine kurulu çıktılarla karar almaya başlarsınız.

Bu yalnızca pazarlama için değil; eğitimden sağlığa, mühendislikten hukuka kadar yapay zeka teknolojisinden faydalanan her sektör için kritik bir mesele.

Dolayısıyla yapay zeka çağında değeri belirleyen şey üretim hızı değil; o üretimin nereye yönlendirildiği, hangi problemi çözdüğü ve hangi stratejik akla hizmet ettiği olacak.

Yapay zeka çağında emeği ve uzmanlığı yeniden konumlandırmak

Bu yeni dönemde profesyonellerin ve kurumların sorması gereken soru şu değil:

“Bu işi AI yapabilir mi?”

Daha doğru soru şu:

“Bu işin hangi kısmını AI hızlandırabilir, hangi kısmı insan muhakemesi gerektirir ve hangi uzmanlık biçimleri bu süreçte görünmez hale gelir?”

Bence birkaç temel noktayı özellikle akılda tutmak gerekiyor:

↳ Görünmez emeğin farkına varmak: Kullandığımız her “akıllı” sistemin arkasında bir insan emeği olduğunu, bu sistemlerin kendi kendine öğrenmediğini, milyonlarca insanın yargısı ve tecrübesiyle beslendiğini unutmamak.

↳ Vasıfsızlaştırma tuzağına düşmemek: Yapay zekayı kolaylaştırıcı bir araç olarak kullanırken, o işin temelindeki alan uzmanlığını terk etmemek.

↳ Belegat tuzağına düşmemek: Yapay zekanın akıcı üslubuna (belagat tuzağına**) aldanmamak. Çıktıları her zaman şüpheyle karşılamak ve kendi alan uzmanlığımızın filtresinden geçirmek.

↳ Muhakeme kapasitesini artırmak: Yapay zekanın en zayıf olduğu alanlarda, yani bağlamsal düşünme, etik sorumluluk, stratejik önceliklendirme ve karar verme becerilerinde derinleşmek.

↳ Yönetsel indirgemeciliğe karşı durmak: Uzmanlığı bir prompt yazımına indirgeyen zihniyetle mücadele etmek. Çünkü strateji bir komut değil; ilişki, bağlam ve sonuç okuma becerisidir.

Bana göre yapay zeka ve dijital emek arasındaki ilişki bir yok oluş hikayesi değil — bir dönüşüm ve görünmezlik hikayesidir.

Yapay zeka emeği ortadan kaldırmıyor. Onu daha kritik bir denetleyici, düzenleyici ve karar verici role taşıyor.

Ancak bu rolün gerektirdiği derinliğe sahip olmazsak, Acemoğlu’nun deyimiyle vasat otomasyonun birer parçası haline gelmekten kurtulamayız.

Gerçek değer, yapay zekayı bir üretim fabrikası değil; insan zekasının sınırlarını genişleten bir laboratuvar olarak kullanabilmekte, bu perspektifte bir kurum kültürü ve yönetim anlayışı geliştirebilmekte yatıyor.

Uzun lafın kısası diyeceğim o ki; uzmanlık, hala ve her zaman, algoritmaların arkasındaki o “insan eli” ve “insan zihni” olmaya devam edecek gibi görünüyor…

*Bu makale; emek ekonomisi, AI sistemleri ve pazarlama uzmanlığı üzerine akademik literatüre dayanan kişisel bir analiz ve yorum çalışmasıdır.

** “Belagat Tuzağı” (Eloquence Trap): (Yapay Zeka bağlamlarında sıklıkla Akıcılık Tuzağı olarak da anılır); insanların yüksek düzeyde hitabeti güçlü, kendinden emin ve dil bilgisi bakımından kusursuz bir iletişimi, hakikat ve doğrulukla bir tutma eğilimi anlamına gelir.