- Mevcut verilerde yapay zekaya maruziyeti yüksek mesleklerde büyük ölçekli istihdam düşüşü doğrulanmıyor; ancak yeni mezunlar ve genç beyaz yaka çalışanların işe alımındaki zayıflıkta yapay zekanın kısmen etkili olmuş olabileceği görülüyor
- 2022’den bu yana işsizlik oranı, yapay zekaya maruziyeti en yüksek %20’lik meslek grubunda 0,77 yüzde puan, en düşük %20’lik grupta ise 0,85 yüzde puan arttı; bu da yapay zeka kaynaklı iş kaybından çok işgücü piyasasındaki genel yavaşlamaya işaret ediyor
- Üretken yapay zeka müşteri desteği, kodlama, yazı yazma ve hukuk işleri gibi alanlarda genel olarak hızı artırdı; ancak etkisi işe ve beceri düzeyine göre değişti, ayrıca yanlışlıklar, hatalı tavsiyeler ve yaratıcılığın tekdüzeleşmesi de görüldü
- Şirketlerin yapay zeka benimseme oranı araştırmaya göre yaklaşık %20 ile %80’in üzeri arasında değişiyor ve hızla yükselmiş olsa da, çoğu hâlâ bazı işlevlerde deneme/pilot aşamasında kalıyor; bu yüzden istihdam üzerindeki etkisi de şimdilik sınırlı
- İlk kanıtlar tek başına yapay zekanın uzun vadeli istihdam etkisini kesinleştirmeye yetmiyor; benimseme hızı ve kurumsal yeniden yapılanma süresi, işgücü piyasası şokunun büyüklüğünü ve politika tepkisi için mevcut alanı belirleyecek
Büyük ölçekli yapay zeka kaynaklı iş kaybını destekleyen kanıtlar hâlâ yetersiz
- Yapay zekanın yakın vadede beyaz yaka işgücü piyasasını ciddi biçimde sarsacağı yönündeki kaygılar arttı; Anthropic CEO’su Dario Amodei, yapay zekanın beyaz yaka işlerinin yarısını ortadan kaldırıp işsizliği %20’ye çıkarabileceğini öngördü
- Mevcut toplu verilerde, yapay zekanın şimdiden ciddi istihdam kaybına yol açtığını gösteren kanıt neredeyse yok
- 2022’den bu yana işsizlik oranı yapay zekaya maruziyeti en yüksek %20’lik mesleklerde 0,77 yüzde puan, maruziyeti en düşük %20’lik mesleklerde ise 0,85 yüzde puan arttı
- Bu, yapay zekaya maruz kalan mesleklere özgü bir şoktan çok işgücü piyasasının genel zayıflamasına işaret ediyor
- Yapay zekaya maruziyeti yüksek mesleklerde istihdam eğilimi de görece istikrarlı
- Kodlama ağırlığı yüksek mesleklerde istihdam artış hızı yavaşladı, ancak hâlâ pozitif
- Yapay zeka benimsemesinin şirketlerin iş ilanlarını azalttığına dair kanıt yok
- Yazılım geliştirici ilanları son 1 yılda diğer mesleklere göre daha hızlı arttı
- Kurumsal yapay zekayı benimseyen şirketlerde istihdam sonraki 2 yılda %10 arttı; artışı çalışan başına en çok yapay zeka harcaması yapan şirketler sürükledi
- Yapay zeka gerekçesiyle açıklanan işten çıkarmaların gerçek nedenleri ise birbirinden farklı
- Bazı sınırlı küçülmeler yapay zeka otomasyonuyla ilişkili olabilir
- Diğer küçülmelerin, yapay zeka yatırımı için nakit yaratma veya pandemi dönemindeki aşırı işe alımı düzeltme kaynaklı olduğu görülüyor
- İK yöneticileri, doğrudan işten çıkarmadan çok görevlerin birleştirilmesi ve otomasyona uygun pozisyonlar için yeni işe alımdan kaçınılmasında yapay zekanın etkisinin daha belirgin olduğunu düşünüyor
- Toplu istatistiklerde görünmeyen bazı gruplar üzerinde darbe olabilir; özellikle genç beyaz yaka çalışanlara olan talepte olumsuz sinyaller görülüyor
Yeni mezun işe alımındaki düşüş ile yapay zeka arasındaki ilişki
- Yeni mezun işsizlik oranı 2026 başında %5,6 seviyesine çıktı; bu, 3 yıl öncesine göre 1,6 yüzde puanlık artış demek
- Giriş seviyesi görevlerde, rutin araştırma, analiz ve yazı yazma gibi yapay zekanın büyük ölçüde üstlenebileceği işler çok olduğundan yeni işe alım talebi zayıflayabilir
- Brynjolfsson·Chandar·Chen araştırması, 2022’de ChatGPT’nin çıkışından sonra yazılım geliştiriciler ve müşteri hizmetleri çalışanları gibi yapay zekaya maruz kalan mesleklerde kariyerinin başındaki çalışanların istihdamının belirgin biçimde azaldığını gösteriyor
- Aynı mesleklerde daha yaşlı çalışanların istihdamı görece istikrarlı kaldı ya da artmayı sürdürdü
- Araştırmacılar genç çalışanları, yapay zekanın işgücü piyasası şokunu ilk yaşayan “kömür madenindeki kanarya”ya benzetiyor
- ABD ve Birleşik Krallık’taki takip araştırmalarında da 2022’den itibaren genç, yapay zekaya maruz kalan çalışanların işe alımında benzer olumsuz etkiler doğrulandı
- Ancak düşüşün zamanlamasını yalnızca yapay zeka ile açıklamak zor
- 2022’de yapay zeka modellerinin yetenekleri çok sınırlıydı
- ABD Merkez Bankası, enflasyona yanıt olarak faizleri agresif biçimde artırmaya ChatGPT’nin yayımlanmasından aylar önce, Mart 2022’de başladı
- Her iki araştırma da, yapay zekaya maruz kalan mesleklerde işe alım düşüşünün para politikasındaki dönüşümden sonra ve ChatGPT’nin çıkışından önce başladığını analiz ediyor
- Pandemi dönemindeki aşırı işe alım ve uzaktan çalışmanın yaygınlaşması da etkili olmuş olabilir
- Uzaktan çalışma, iş başında öğrenmeyi yavaşlatarak genç çalışanları işe almanın değerini düşürebilir; pandemi sonrasında uzaktan çalışmaya uygun mesleklerde işe alım, deneyimli çalışanlar lehine kaymaya başladı
- Karıştırıcı etkenleri kontrol eden ek analizlerde giriş seviyesi çalışan istihdamındaki düşüşün 2024’ten itibaren belirginleştiği görülüyor
- 2022 civarındaki düşüşte yapay zeka dışı etkenler rol oynamış olabilir
- 2024’te yapay zeka benimsemesi ve model yetenekleri büyük ölçüde geliştiği için doğrudan yapay zeka etkisi daha olası hâle geldi
- 2022 civarında giriş seviyesi, yapay zekaya maruz kalan mesleklerde işe alımın ciddi biçimde azaldığı açık; ancak yapay zekanın nedensel etkisini makroekonomik şoklardan ayırma sorunu hâlâ çözülebilmiş değil
Verimlilik genel olarak arttı ama etkiler eşit dağılmadı
- Deneylerde chatbot’lar ve kodlama araçları, deneyimi ve performansı düşük çalışanların iş performansını görece daha fazla artırdı
- Büyük bir çağrı merkezindeki üretken yapay zeka yardımcısı toplam verimliliği %15 artırdı
- Yeni başlayan veya düşük becerili temsilcilerin saat başına çözdüğü sorun sayısı %30 arttı
- Yüksek becerili temsilcilerde performans iyileşmesi görülmedi ve yanıt kalitesi hafifçe düştü
- GitHub Copilot deneyi, yazılım geliştirme işlerinin %56 daha hızlı tamamlandığını ve iyileşmenin ağırlıkla daha az deneyimli geliştiricilerde yoğunlaştığını gösterdi
- Ayrı şirket içi saha deneylerinde ise şirkete göre geliştirme verimliliği etkisi %10 ila %30 arasında görüldü
- ChatGPT, tüm beceri gruplarında yazı yazma süresini kısalttı ve yazma becerisi daha düşük çalışanların çıktı kalitesini de yükseltti
- Genç avukatların sözleşme hazırlaması gibi hukuki işlerde ve tıbbi kayıt yazımında da hız artışı gözlendi
- Tıbbi yapay zeka kayıt araçlarının etkisi sınırlıydı ve aralıklı yanlışlıklar nedeniyle doktor gözetimi gerekiyordu
- Her araştırmanın iş türü ve süresi farklı, ayrıca bazıları randomize deney değil; bu yüzden etki büyüklüklerini doğrudan karşılaştırmak zor
Göreve göre değişen yetenekler ve muhakeme maliyeti
- Yapay zeka performansı, uygulandığı göreve göre çok olumlu ya da olumsuz olabilen pürüzlü sınır (jagged frontier) sergiliyor
- Gerçek iş ortamında çalışanların yapay zekayı ne zaman ve nasıl kullanacağına karar vermesi, sonucun yararlı olup olmadığını ya da ek düzeltme gerektirip gerektirmediğini değerlendirmesi gerekiyor
- Kenyalı girişimciler üzerinde yapılan bir deneyde, düşük becerili girişimcilerin yapay zeka kullanmasına rağmen, hiç kullanmadan işini büyüten gruba göre gelir ve kârı daha düşük kaldı
- Düşük becerili kişiler, kendi durumlarına uymayan genel yapay zeka tavsiyelerini uygulamaya daha yatkındı
- Başarılı girişimciler ise işlerinin ihtiyaçlarına daha uygun önerileri ayıklayabildi
- Yapay zeka, bireysel çıktıların kalitesini artırırken grubun fikir çeşitliliğini azaltabilir
- Yaratıcı yazmada düşük becerili kişilerin hikâye kalitesi artmasına rağmen, yapay zeka kullanılan hikâyeler birbirine insan yazımı hikâyelerden çok daha fazla benziyordu
- Yapay zeka araçlarını benimseyen bilim insanları daha fazla makale yayımladı, ancak çalışılan toplam konu sayısı ve bilim insanları arasındaki etkileşim azaldı
Tek tek görevlerdeki iyileşmeler neden ekonominin genel verimliliğine yansımıyor?
- Yapay zekanın kârlı biçimde kısaltabildiği görevlerin payı, ekonomi genelinde hâlâ küçük olabilir
- Yapay zekanın destekleyemediği süreçlerdeki darboğazlar, toplam verimlilik artışını sınırlayabilir
- Şirketler yeni teknolojiyi benimserken işlevleri yeniden düzenlemek ve tamamlayıcı yatırım yapmak zorunda olduğundan, ölçülen verimlilik başlangıçta tersine düşebilir
- Deneylerde görülen etkiler çoğunlukla belirli görevlere ve kısa dönemlere ait olduğundan, bunlar ekonomi genelindeki uzun vadeli verimlilik etkisiyle aynı şey değil
- Yapay zeka sonunda verimliliği artırabilir; ancak şirketlerdeki mevcut benimseme hızında bu durum toplam verimlilik istatistiklerine henüz yansımıyor olabilir
Hızlı ama eşitsiz kurumsal benimseme
- Yapay zeka dönüşümünün 3 yılda mı yoksa 20 yılda mı gerçekleşeceği, politika sorunlarını büyük ölçüde değiştiriyor
- Hızlı dönüşüm çok sayıda çalışanı aynı anda işin dışına itebilir
- Yavaş dönüşüm ise çalışanlara ve politika yapıcılara uyum için zaman tanır
- Şirket anketlerinin tümü yapay zeka kullanımının hızla arttığını gösterse de benimseme oranı tahminleri büyük farklılık gösteriyor
- ABD Nüfus Bürosu’nun ulusal temsili anketi BTOS, şirketlerin yaklaşık %20’sinin yapay zeka kullandığını tahmin ediyor
- ABD’li şirket yöneticileriyle yapılan bir ankette çalışanların %80’inden fazlasının işlerinde yapay zeka kullandığı belirtildi
- Ramp müşterilerinin %50’sinden fazlası yapay zeka araçlarına veya tedarikçilerine harcama yapıyor
- Ulusal temsili hanehalkı anketinde çalışan katılımcıların %40’ından fazlası işyerinde yapay zeka kullandığını söyledi
- Sayılardaki fark, anket yöntemi ve örneklem yapısından kaynaklanıyor
- Büyük şirketlerde yapay zeka benimseme oranı daha yüksek olduğu için, istihdam büyüklüğüne göre ağırlıklandırılmış oran basit şirket sayısına göre daha yüksek çıkıyor
- Ramp örneklemi tüm şirketleri temsil etmiyor ve yapay zeka benimsemesi yüksek teknoloji şirketlerine eğilimli
- Federal Reserve araştırması, ulusal örneklem kullanan Nüfus Bürosu’nun daha düşük tahminini tercih etmek için gerekçe olduğunu ve istihdam ağırlığı uygulandığında anketler arasındaki farkın önemli ölçüde azaldığını savunuyor
- Yapay zeka benimsemesi teknoloji şirketleri ve finans gibi bilgi yoğun sektörlerde yoğunlaşıyor
- En yaygın uygulama alanları satış-pazarlama, BT, strateji, finans ve muhasebe
- Benimseyen şirketler de çoğu zaman bunu bir ya da iki işlevle sınırlıyor veya birçok görevde düşük sıklıkla kullanıyor
- Kapsamlı yapay zeka entegrasyonu istisna; McKinsey anketine göre çoğu hâlâ deneme/pilot aşamasında ve ölçekli dağıtımı yalnızca az sayıda büyük şirket sürüklüyor
- Günümüzde şirketlerin yapay zeka benimsemesinin istihdam üzerindeki etkisi küçük
- Nüfus Bürosu verilerinde istihdam etkisi olduğunu söyleyen şirket oranı %5’ti; artış ve azalış yanıtlarının sayısı aynıydı
- Atlanta Fed anketindeki yöneticilerin %80’i, yapay zeka yatırımının henüz çalışan sayısını veya verimliliği değiştirmediğini söyledi
- Danimarka araştırmasında yapay zeka çalışanların görev ve zaman dağılımını yeniden şekillendirdi, ancak istihdam, çalışma saatleri ve gelir üzerinde henüz etki yaratmadı
- Yapay zeka benimseyen şirketlerde istihdamın sonraki 2 yılda %10 arttığını gösteren bir araştırma da var
İlk kanıtlar uzun vadeli geleceği belirlemez
- Geçmişteki teknolojik yeniliklerin şirketleri ve işgücü piyasasını dönüştürmesi yıllar hatta on yıllar aldı
- Robert Solow, 1987’de “bilgisayar çağını üretkenlik istatistikleri dışında her yerde görebilirsiniz” demişti
- 1980’lerde şirketler PC’lere büyük yatırım yaptı, ancak sonuç almak için kurumsal yazılım, çalışanların yeniden eğitimi ve örgütsel yeniden yapılanma da gerekti
- Bu benimseme sürtünmesi nedeniyle bilgisayar devriminin ölçülebilir ekonomik getirileri ancak 1990’ların sonlarında ortaya çıktı
- Yapay zekaya dair beklentiler keskin biçimde ayrışıyor
- Onu normal teknoloji (normal technology) olarak görenler, yapay zekanın geçmiş teknolojiler gibi dönüştürücü ama kademeli yayılacağını düşünüyor
- Diğerleri ise dünyanın gidişatını değiştirecek etkinin 2027 gibi erken bir tarihte görülebileceğini öngörüyor
- Normal teknoloji görüşünü destekleyen güçlü dayanak, geçmiş teknoloji devrimlerinin bazı mesleklerde emek talebini ortadan kaldırırken veya azaltırken aynı zamanda yeni işler ve sektörler yaratmış olması
- İşin ve ekonominin niteliği değişti, ancak toplam istihdam arttı
- Yapay zekanın geçmişten farklı olduğunu savunanlar ise hızlı benimseme hızı, bilişsel emek üzerindeki orantısız etkisi ve tek bir mesleğe değil geniş bir beyaz yaka yelpazesine yayılması gibi noktalara dikkat çekiyor
- Hangi görüş doğru çıkarsa çıksın, teknoloji devrimleri bireyler için büyük sarsıntı yaratabilir; bu nedenle işgücü piyasasındaki değişimleri hızla tespit edip olası politika tepkilerine hazırlanmak gerekiyor
1 yorum
Hacker News görüşleri
Tartışma açılır açılmaz en üstteki iki yorum birbirinin tam tersi. Biri AI'ın mevcut yüksek performanslı çalışanların verimliliğini daha da artırıp 80:20'yi 99:1 yaptığını söylüyor, diğeri ise LLM'lerin ortalamanın altındakileri yukarı çekip uzmanları engelleyerek ortalamaya yakınsattığını savunuyor
Kolay işler bitince geriye sadece zor işler kalır ve junior'lar artık ilerleyemeyebilir. Bürokratik şirketler çok sayıda kolay iş üretir, bu yüzden üretkenliği Jira ticket çıktısıyla ölçersen junior'ların AI verimlilik artışı çok daha büyük görünür
Şimdi benden, 2 frontend geliştiriciden, neredeyse full-stack bir geliştiriciden, bir testçiden, 2 ürün sorumlusundan ve bir PM'den oluşan büyük bir projeyi sadece ben ve testçiyle daha verimli yürütebileceğimi düşünüyorum. 20 yıl sonra yeniden SQL yazsam da yavaşlamıyorum, CSS·özellikler·testleri bile tek başıma hızlıca halledebiliyorum
Zaten proje başına 1-2 geliştiricisi olan küçük bir organizasyonuz; büyük projeleri yürütmek berbattı ve çabanın %80'i iletişimde boşa gidiyordu. İlk kapsam ve UI/UX kalıplarında ürün ekibi faydalıydı ama sonrasında yalnızca spesifik tasarım isteklerini vermeleri yetiyor; titiz bir testçi de tuhaf sınır koşullarını yakalarsa bu yeterli oluyor
Demek istediğim ben dahi değilim; sadece birçok alanda yeterince yetkinim. Buna rağmen tecrübeli bir full-stack geliştirici UX sezgisi ve paydaş yönetimi becerisiyle bu araçları kullanırsa yapılabilecekler korkutucu düzeyde
İyileşmenin junior'larda yoğunlaşması sonucu da verilen işlerin farklılığından kaynaklanıyor olabilir. Senior'lar junior işlerini yapsa %1.000 daha hızlı olabilir ama gerçekte zor işler senior'lara yığılıyor ve artık Claude ile kolayca çözülemeyen işler zaten zor iş olarak sınıflandırılıyor
Yüksek performanslı çalışanlar işleri çok hızlı bitirip kalite ve sürece odaklanarak iyi cilalanmış yazılım üretiyor ama PM'ler bunu fark edip sprint'e sürekli daha fazla iş ekledikçe durum bozulmaya başlıyor
Daha da şaşırtıcı olan, artık alan uzmanı (SME) olmanın gerekmemesi. Android deneyimi hiç olmayan küçük bir ekip, taşınması zor bir ürün özelliğini birkaç ay içinde neredeyse hatasız çıkardı; AI olmasaydı en az yarım yıl daha sürerdi. Bir gün önce “bunun ne anlama geldiğini bile anlamıyorum” denilen işin ertesi gün tamamlanması seviyesinde
Bu tür araştırmaların zorluğu, Claude Code ve OpenAI Codex gibi kodlama ajanlarının ancak kasım sonlarında gerçekten düzgün çalışmaya başlaması ve aralık tatili yüzünden birçok kişinin bunları fiilen ancak ocak başında kullanmış olması. OpenClaw, Anthropic Copilot, ChatGPT “Work” gibi genel amaçlı ajanlar daha da geç geldi
Bunların 2022~2025 arasındaki konuşmalı sistemlerden çok daha büyük bir iş etkisi olabilir; dolayısıyla sadece 2025 sonuna kadar bakan araştırmalar fiili performans sıçramasını kaçırmış olabilir
Claude kullanıyorum ama başka yerlerde gördüğüm türden AI fanatikleriyle neredeyse hiç karşılaşmadım; bu da iş ararken önemli bir filtreydi. İşlerin azaldığı anlatısı büyük ölçüde abartılıyor ve daha çok Anthropic ile OpenAI ve onların sözcülerinin kıyamet pazarlamasına benziyor
Geçen yıl hava “aynı yazılımı daha az kişiyle yaparız” yönündeydi ama şimdi erken aşama şirketler “farklı türde ya da farklı biçimde yazılım üretiriz” beklentisiyle büyüyor. Yine de bunun gelecekteki kadro büyüklüğünü ya da başarıyı garanti ettiğini söylemez
Start-up dışı şirketlerde ise hâlâ işten çıkarılma tehdidi ve AI araçlarını kullanma baskısı var; ayrıca uzun süre çalışan ajanların legacy code üzerinde dikkatli gözetim olmadan bozulmadan etkili kalıp kalamayacağı konusunda görüşler bölünmüş durumda
Yazılım geliştirme tamamen değişmiş olsa bile 2027'de geliştiricilere artık ihtiyaç kalmayacağına ya da sayının %50 azalacağına inanan pek fazla kişi yok gibi görünüyor
Verimlilik Pareto dağılımını izler ve yapay zeka, zaten üretken olan kişileri orantılı olarak daha da üretken hâle getiren keskin bir araçtır. Yapay zeka zekâsı arttıkça 80:20, 90:10, 95:5, 99:1 hâline gelebilir
Kurumsal bürokrasi yavaş değişir, ancak en yüksek performans gösterenler ayrılıp daha küçük rakipler kurarsa orta ve büyük ölçekli şirketlerin küçük işletmelerle yer değiştirmesi hızlı olabilir. Verimli şirketler arası rekabet tüketici artığını artırırken aynı anda büyük ölçekli ekonomik dışlanma ve vergi tabanının çöküşünü de doğurabilir
Yapay zeka ancak yakın zamanda bu kadar iyi oldu ve rakip şirket kurmak da zaman gerektirdiği için, bunun geriden gelen göstergelerde henüz görünmemesi muhtemeldir. Ben de niş bir sektördeki üst düzey yazılımdan daha iyi bir ürünü fiilen ücretsiz sunup büyük para kazanmayı amaçlayan bir metalaştırma süreci yürütüyorum ve bunu rakiplere söylemek için bir nedenim yok. Aynı şey birçok sektörde olursa dünya tamamen değişebilir
Çoklu bulut ve çoklu bölge dağıtımından yerel düzenlemelere, muhasebe, vergi ve hukuka kadar bürokrasiyi yönetecek çok akıllı robotlar gerekir; bugün bu rolü SAP gibi şirketler üstleniyor. Böyle bir otomasyon mümkün olursa, bildiğimiz anlamdaki şirketin kendisine bile ihtiyaç kalmayan bir duruma yaklaşılır
İşsizlik grafiğinin neden COVID ortaya çıkmadan önceki bir yıldan uzun süre boyunca yavaşça yükseldiği merak konusu. BLS verileri 2020 Mart'ta aniden sıçrıyor(veri)
Ayrıca 2015'teki “AI maruziyeti”nin ne olduğu da belirsiz. O dönemde LLM yoktu ve alıntılanan makaledeki beşlik dilimler fiilen yapay zekâdan çok bilgisayar kullanımına daha yakın. Satranç oynayan yapay zekâ ile gerçek işi yapan LLM'leri ayırmak gerekir; ikincisi muhtemelen sadece yaklaşık 1 yıldır var
Yakın zamanda işe alım piyasasında kendi niteliklerimi sınadım; son 18 ayı bir organizasyonda tek geliştirici olarak geçirmiş ve yeterince güncel kaldığımı düşünmüştüm, ama sonuç sert oldu. Şirketler 4 yıl ajan tabanlı yapay zeka deneyimi istiyordu
Sonuçta herkes bir şeyler uyduruyor; temel ilkeleri anlamadan abartıya inanıp kimsenin aşamayacağı standartlar koyuyorlar. AI-native yetkinlikler geliştirseniz bile AI-native pozisyonlar için yetersiz kalıyorsunuz
Yine de eski modelleri ya da kısıtları benzer olan güncel küçük modelleri denemenin değeri var. Özenli bağlam yönetimi ve iyi hazırlanmış örnekler gibi alışkanlıklar en yeni modellerde de işe yarar; performansı artırır ve maliyeti düşürür. Mümkünse anlatmak yerine göstermek gerekir
Çok ilginç ve eğlenceli olan temel/metin modellerinin kaybolmuş olması üzücü
“X yıl deneyim” de çoğu zaman kelimesi kelimesine bir süre değil, yetkinliğin vekil göstergesidir. O işi X yıl yapmış ortalama biri kadar iyi yapabiliyor ve bunu kanıtlayabiliyorsanız bu yeterlidir
Vurgulanması gereken iki temel nokta var. Birincisi, Grafik 3'teki verimlilik araştırmalarının çoğu 2023-2024 verilerine dayanıyor; bu yüzden Copilot yüksek rakamlar gösterdi, ancak o dönemde bu daha çok güçlü otomatik tamamlama düzeyindeydi ve kodlama ajanları patlayıcı şekilde yayılmadan önceydi
İkincisi, Amerikalıların %50'sinden fazlası her hafta yapay zeka kullandığını kendi beyan ediyor, ama gerçek kullanım çalışma süresinin sadece %6'sı; bu da Google araştırmasının dediği gibi “geniş ama sığ kullanım”a karşılık geliyor
Aynı ankette kazanılan zaman çalışma süresinin %2'si olarak çıktı; bu da yapay zeka kullanımı başına üretkenlik artışının %30'u aştığını gösteriyor ve çeşitli sektörler ile kontrollü çalışma sonuçlarıyla da uyumlu. Bazı ekonomistler bu kadar düşük benimseme oranının bile ulusal düzeyde iş gücü verimliliği istatistiklerinde etkisinin görülebileceğini düşünüyor
%6 çok düşük, bu yüzden istihdam etkisi daha yeni başlıyor olabilir. Öz bildirimler ile mikro ve makro verilerde faydası doğrulandığı için hem kullanıcı sayısı hem de görev kapsamı artacaktır; etkinin yavaş ilerleyip sonra bir anda patlama ihtimali korkutucu
Benimseme takip verisi, Google araştırması (tartışma), St. Louis Fed verisi, verimlilik analizi
Verimlilik artışının esas olarak düşük kıdemli mühendislere yoğunlaştığı, yüksek kıdemlilerde ise ortadan kalktığı ya da negatife döndüğüne dair güçlü bir işaret var. Bu, LLM’lerin taban çizgisini ortalamaya taşıdığı; ortalamanın altındakilere yardımcı olurken ortalamanın üstündekilere engel olduğu yönündeki sezgiyle örtüşüyor
Ayrıca LLM ile yapılan iş, doğrudan yapılan işe göre hafızada daha az kalıyor. Öyleyse düşük kıdemli mühendisler gerçekte deneyim biriktiremiyor demektir. Teknoloji şirketi CEO’ları, daha az ücret ödeyebilecekleri düşük vasıflı çalışanlar istiyor olabilir
Buna karşılık yazılımın yalnızca çekirdek dışı bir bileşen ya da şirket içi BT sistemi olduğu şirketlerde geliştirici, gelir getiren bir varlık değil, minimize edilmesi gereken bir maliyet olarak görülür. En ucuz ve en az deneyimli iş gücünü ararlar; dış kaynak ya da LLM ile güçlü geliştiriciler işe almaktan kaçınmaya çalışırlar
Gerçek iş zor olup yetkin çalışanlar gerektirse bile, şirket bunu maliyet olarak gördüğü sürece işi en ucuz iş gücüyle yapmaya çalışacaktır. Mümkünse, yazılım kalitesi ile kârlılık arasındaki bağın yönetim için açık olmadığı ürün veya BT sistemi işlerinden kaçınmak gerekir
İş yerinde AI’ın en büyük etkisi geliştiricilere yönelik LLM kod üreticileri oldu ama bu, şirketlerde yapılabileceklerin sadece yüzeyini çiziyor. Bizim şirkette iş hedefleri için AI’ın gerçek gücünden yararlanacak yönelim, istek ve teknik yetkinlik yok; bu yüzden sadece dış paket çözümler satın alıyoruz ve ortama bir zeka katmanı entegre edemiyoruz
Bu tür şirketler muhtemelen az değil. Chatbot’lar faydalı ama AI’ın işi dönüştürmesi yıllar, belki onlarca yıl alacak; gündelik hayatta ise daha da uzun sürebilir. Ne kadar derin bir teknoloji olursa olsun, yayılırken gerçek dünyanın sürtünmesiyle mücadele etmek zorunda
Ama AI, bir web sitesinden çok daha geniş biçimde yayılıyor ve herkes zaten cep telefonu kullandığı için sürtünme de düşünüldüğünden daha düşük. MS Copilot yeterince iyi olursa teknik olmayan kullanıcılar da AI’a iş yaptıracaktır
Bir HVAC şirketinin sahibi, “Brentwood’daki Bob’s Burgers’ta büyük bir acil durum çıktı, iki çalışanı mümkün olduğunca çabuk gönder ve gerekirse diğer ziyaretleri yeniden düzenle” diyebilir. Bu tür işler çok büyük miktarda token gerektirmez, dolayısıyla ucuzlayacaktır; “takvim ayarla” ya da “X kişisiyle Y hakkında iletişime geç” gibi genel ofis komutlarının 3-5 yıl içinde çok kullanışlı hâle gelmesi bekleniyor. Asıl darboğaz, ajanların uygun verilere erişmesini sağlama işi
Çevremde gerçekten işini kaybeden insanlar görüyorum ama neyse ki henüz doğrudan etkilenmedim. SaaS, iPaaS ve serverless’ı temel sunum teknolojileri olarak benimsedikçe ajans işleri zaten 10 yıl öncesine göre daha küçük ekipler tarafından yapılıyor
AI sayesinde daha az kişiyle daha çok iş yapılabiliyor ama herkesi meşgul edecek kadar yeterli proje talebi yok
Anthropic CEO’su Dario Amodei, AI’ın beyaz yakalı işlerin yarısını ortadan kaldırıp işsizliği %20’ye çıkarabileceğini öngörürken aynı zamanda bazı modellerin piyasaya sürülmeyecek kadar tehlikeli olduğunu söylüyor