Dört Boyutlu Analitik Model

Çerçeve, basit "yapay zekaya maruz kalma" ölçümlerinin ötesine geçerek dört boyutu birleştiriyor :

• Teknik yapay zeka yeteneği — Mevcut yapay zeka sistemlerinin (GPT-4 sınıfı modeller) mesleğin temel görevlerini medyan insan seviyesinde veya üzerinde gerçekleştirip gerçekleştiremediği. GPT-4 sınıfı modeller, beyaz yakalı işlerin %60-80'inde medyan insan seviyesinde veya üzerinde performans gösteriyor .
• İnsani zorunluluk — Mesleğin tam otomasyondan korunmasını sağlayan düzenleyici zorunluluklar, ilişkisel güven veya fiziksel varlık gerektirip gerektirmediği. Düzenleyici (hakimler, mahkemedeki avukatlar), ilişkisel (öğretmenler, terapistler, palyatif bakım hemşireleri) ve fiziksel (tesisatçılar, elektrikçiler, bakım verenler) faktörler koruyucu hendekler oluşturuyor .
• Talep esnekliği — Mesleğin, maliyetten bağımsız sabit bir talebin (esnek olmayan talep) veya yapay zeka maliyetleri düştükçe genişleyebilecek bir talebin (esnek talep) olup olmadığı .
• Gözlemlenen ChatGPT kullanımı — Gerçek dünyadaki benimseme modellerine göre doğrulama; en fazla otomatikleştirilebilir rollerdeki (veri giriş memurları, muhasebeciler) çalışanlar, yapay zekayı daha az savunmasız rollerdeki çalışanlara kıyasla ilgili sorumluluklarının üç katı kadar daha fazla kullanıyor .

Dört Geçiş Arketipi

Birleştirilen ve doğrulanan bu boyutlar, her mesleği dört kategoriden birine ayırıyor :

1. Yüksek otomasyon riski (ABD işlerinin ~%18'i) — Yüksek yapay zeka maruziyeti, zayıf insani zorunluluk, esnek olmayan talep. Veri girişi, muhasebe, müşteri hizmetleri, kasiyerler, hukuki destek çalışmaları ve sınıflandırma memurlarını içerir. Bunlar, kısa vadede iş kaybının en olası olduğu roller.

2. Yeniden yapılanacak (işlerin ~%24'ü) — Yüksek yapay zeka maruziyeti, güçlü insani zorunluluk. Görev kompozisyonu önemli ölçüde değişir, ancak insan çalışanlar temel ilişkisel, düzenleyici veya fiziksel işlevler için vazgeçilmez olmaya devam eder. Rol devam etse bile istihdam sayısı azalabilir.

3. Büyüyecek/genişleyecek (işlerin ~%12'si) — Yüksek yapay zeka maruziyeti ile birleşen esnek talep, yapay zekanın maliyetleri düşürmesi ve pazarı genişletmesi anlamına gelir ve daha fazla iş yaratır. Örnekler arasında yapay zekanın büyüyen sektörlerde bir verimlilik çarpanı olarak hareket ettiği roller bulunur.

4. Nispeten etkilenmeyecek (işlerin ~%46'sı) — Başlangıçta düşük yapay zeka maruziyeti, genellikle fiziksel, ilişkisel veya düzenleyici engeller nedeniyle. Bu meslekler kısa vadede minimum yapay zeka etkisi görür.

ABD vs. AB Otomasyon Riski: %18'e Karşı %14

OpenAI çerçevesi, ABD işlerinin yaklaşık %18'inin kısa vadede nispeten daha yüksek otomasyon riskiyle karşı karşıya olduğunu tahmin ediyor . AB için, AB kurumu olan CEDEFOP (Avrupa Mesleki Eğitimi Geliştirme Merkezi) tarafından yapılan ayrı bir analiz, AB'deki yetişkin çalışanların yaklaşık %14'ünün çok yüksek otomasyon riskiyle karşı karşıya olduğunu ortaya koyuyor . Bu risk, düşük düzeyde enine ve sosyal beceri gerektiren rutin işlerde yoğunlaşmakta ve erkek çalışanlar arasında daha yüksek .

Önemli uyarı: AB'deki %14'lük rakam, doğrudan OpenAI'ın çerçevesinden değil, CEDEFOP'un bağımsız beceri ihtiyaçları metodolojisinden geliyor. Ancak yön tutarlı: AB'nin daha düzenlenmiş işgücü piyasaları, daha güçlü sosyal korumaları ve farklı mesleki yapısı, ABD'ye kıyasla daha düşük bir kısa vadeli otomasyon payı üretiyor.

Ülke Düzeyinde Farklılıklar

Bir Coface analizi (Nisan 2026'da yayımlandı), Avrupa ülkeleri genelinde yapay zeka işgücü maruziyetini haritalandırıyor :

• Yüksek otomasyon riski taşıyan ülkeler: Lüksemburg, Birleşik Krallık, İsviçre, Hollanda, Norveç ve Danimarka, otomasyona maruz kalan en yüksek görev içeriği payına sahip. Bu oran Türkiye'de ~%12'den Birleşik Krallık'ta neredeyse %20'ye kadar değişiyor .
• Lüksemburg, İsveç ve Hollanda, büyüme odaklı, yüksek becerili hizmet istihdamının daha büyük paylarına sahip olma eğilimindedir, ancak aynı zamanda finans ve profesyonel hizmet sektörlerinde yüksek yapay zeka maruziyeti vardır.
• Almanya, Yunanistan ve İtalya farklı bir risk profiliyle karşı karşıya: imalat, rutin temelli idari işlerin daha büyük payları ve daha düşük dijital hizmet nüfuzu, otomasyon potansiyelinin ticarete konu olan mallar sektörlerinde daha yüksek olduğu anlamına geliyor .

OpenAI AB Ekonomik Planı 2.0 (Ocak 2026), ülkeleri yapay zeka nüfuzu ve kullanım yoğunluğuna göre daha da segmentlere ayırıyor. Litvanya ve Letonya, hem yüksek nüfus nüfuzunu hem de gelişmiş yapay zeka düşünme yeteneklerinin yüksek yoğunluklu kullanımını birleştirerek öne çıkarken, diğer AB ülkeleri yayılımda önemli ölçüde geride kalıyor .

Politika Bağlamı: Chatterji Brüksel'de, AB Yapay Zeka Yasası ve İş Kaybı

Ronnie Chatterji, Ekim 2024'te OpenAI'ın ilk Başekonomisti olarak atandı; daha önce Biden ve Obama yönetimlerinde ekonomi danışmanı olarak görev yaptı. Temel mesajı, ekonominin "arada kalmış zamanlarda" olduğu — çoğu insanın şu anda yapay zekayı bir ikame değil, bir tamamlayıcı olarak kullandığı yönünde . Haziran 2026 sonu itibarıyla Chatterji, POLITICO Europe tarafından düzenlenen bir etkinlik de dahil olmak üzere bir dizi üst düzey görüşme için Avrupa'da bulunuyordu .

Önemli politika gerilimleri:

• OpenAI, AB Yapay Zeka Yasası Genel Amaçlı Uygulama Kuralları'nı imzalayan ilk ABD merkezli yapay zeka geliştiricisi oldu .
• Carnegie Vakfı, AB Yapay Zeka Yasası'nın yanı sıra, ideal olarak bloğun 2028–2034 bütçesine yerleştirilmiş "özel bir Avrupa işgücü geçiş çerçevesine" ihtiyaç olduğunu savunuyor .
• Avrupa Komisyonu, yapay zeka ve dijital teknolojilerin "Avrupa'da genel istihdamı artırmasının beklendiğini, ancak kazanımların eşitsiz olacağını, ağırlıklı olarak yüksek vasıflı, orta yaştaki işçilere ve kadınlara fayda sağlayacağını; düşük vasıflı ve genç işçiler ile yapısal olarak daha zayıf bölgelerin olumsuz etkilere daha açık kalacağını" belirtiyor .

ECB Anketi: Sınırlı Yoğun Yapay Zeka Kullanımı

ECB'nin 2025'in 4. çeyreğine ait, 5.000'den fazla euro bölgesi firmasını kapsayan İşletmelerin Finansmana Erişimi Anketi (SAFE), yapay zeka benimseme derinliğine ilişkin bir gerçeklik kontrolü sağlıyor :

• Firmaların %70'inden fazlası 2025 sonuna kadar bir şekilde yapay zeka kullandığını bildiriyor .
• Ancak, firmaların sadece yaklaşık %7'si yapay zekayı üretim, yenilik ve rekabet şekillerini değiştirecek kadar yoğun kullanıyor .
• Dağılım: %27'si hiç yapay zeka kullanmıyor; %33'ü çok seyrek kullanıyor; %31'i orta düzeyde kullanıyor; sadece %7-9'u yoğun kullanıyor .
• Önemli bir yatırım açığı var: çoğu firma yapay zeka kullanırken, çok azı özel yapay zeka altyapısına yatırım yapıyor. Yatırım yapan firmalar 2026'da toplam yatırımın ortalama %9'unu yapay zekaya ayırmayı planlıyor .
• ECB, "yayılımın hızla arttığı" ancak gündelik kullanım ile dönüştürücü entegrasyon arasındaki boşluğun çok geniş kaldığı sonucuna varıyor .

AB'nin Teknolojik Egemenlik Çabaları

OpenAI'dan AB Ekonomik Planı 2.0, Avrupa yapay zeka rekabet gücünü açıkça egemenlik etrafında çerçeveliyor . AB ülkelerini yapay zeka nüfuzu ve gelişmiş "düşünme" yeteneklerinin yüksek yoğunluklu kullanımına göre segmentlere ayırıyor ve yalnızca küçük bir ülke grubunun (Litvanya, Letonya) geniş erişimi derin yayılımla birleştirdiğini buluyor. Daha geniş stratejik itki — "teknolojik egemenlik" — AB'nin yapay zeka altyapısına yönelik yatırım planlarına, Yapay Zeka Yasası'nın düzenleyici hedefine ve Carnegie Vakfı gibi kuruluşların 2028–2034 Çok Yıllı Mali Çerçeve'ye yerleşik bir AB işgücü geçiş bütçesi çağrılarına yansıyor . Avrupa Komisyonu'nun kendi analizi, yapay zekanın Avrupa'da genel istihdamı artıracağını ancak hedefli politikalar olmadan yapısal olarak daha zayıf bölgelerin ve düşük vasıflı işçilerin geride kalacağı uyarısında bulunuyor .

Dört Boyutlu Analitik Model

Çerçeve, basit "yapay zekaya maruz kalma" ölçümlerinin ötesine geçerek dört boyutu birleştiriyor :

• Teknik yapay zeka yeteneği — Mevcut yapay zeka sistemlerinin (GPT-4 sınıfı modeller) mesleğin temel görevlerini medyan insan seviyesinde veya üzerinde gerçekleştirip gerçekleştiremediği. GPT-4 sınıfı modeller, beyaz yakalı işlerin %60-80'inde medyan insan seviyesinde veya üzerinde performans gösteriyor .
• İnsani zorunluluk — Mesleğin tam otomasyondan korunmasını sağlayan düzenleyici zorunluluklar, ilişkisel güven veya fiziksel varlık gerektirip gerektirmediği. Düzenleyici (hakimler, mahkemedeki avukatlar), ilişkisel (öğretmenler, terapistler, palyatif bakım hemşireleri) ve fiziksel (tesisatçılar, elektrikçiler, bakım verenler) faktörler koruyucu hendekler oluşturuyor .
• Talep esnekliği — Mesleğin, maliyetten bağımsız sabit bir talebin (esnek olmayan talep) veya yapay zeka maliyetleri düştükçe genişleyebilecek bir talebin (esnek talep) olup olmadığı .
• Gözlemlenen ChatGPT kullanımı — Gerçek dünyadaki benimseme modellerine göre doğrulama; en fazla otomatikleştirilebilir rollerdeki (veri giriş memurları, muhasebeciler) çalışanlar, yapay zekayı daha az savunmasız rollerdeki çalışanlara kıyasla ilgili sorumluluklarının üç katı kadar daha fazla kullanıyor .

Dört Geçiş Arketipi

Birleştirilen ve doğrulanan bu boyutlar, her mesleği dört kategoriden birine ayırıyor :

1. Yüksek otomasyon riski (ABD işlerinin ~%18'i) — Yüksek yapay zeka maruziyeti, zayıf insani zorunluluk, esnek olmayan talep. Veri girişi, muhasebe, müşteri hizmetleri, kasiyerler, hukuki destek çalışmaları ve sınıflandırma memurlarını içerir. Bunlar, kısa vadede iş kaybının en olası olduğu roller.

2. Yeniden yapılanacak (işlerin ~%24'ü) — Yüksek yapay zeka maruziyeti, güçlü insani zorunluluk. Görev kompozisyonu önemli ölçüde değişir, ancak insan çalışanlar temel ilişkisel, düzenleyici veya fiziksel işlevler için vazgeçilmez olmaya devam eder. Rol devam etse bile istihdam sayısı azalabilir.

3. Büyüyecek/genişleyecek (işlerin ~%12'si) — Yüksek yapay zeka maruziyeti ile birleşen esnek talep, yapay zekanın maliyetleri düşürmesi ve pazarı genişletmesi anlamına gelir ve daha fazla iş yaratır. Örnekler arasında yapay zekanın büyüyen sektörlerde bir verimlilik çarpanı olarak hareket ettiği roller bulunur.

4. Nispeten etkilenmeyecek (işlerin ~%46'sı) — Başlangıçta düşük yapay zeka maruziyeti, genellikle fiziksel, ilişkisel veya düzenleyici engeller nedeniyle. Bu meslekler kısa vadede minimum yapay zeka etkisi görür.

ABD vs. AB Otomasyon Riski: %18'e Karşı %14

OpenAI çerçevesi, ABD işlerinin yaklaşık %18'inin kısa vadede nispeten daha yüksek otomasyon riskiyle karşı karşıya olduğunu tahmin ediyor . AB için, AB kurumu olan CEDEFOP (Avrupa Mesleki Eğitimi Geliştirme Merkezi) tarafından yapılan ayrı bir analiz, AB'deki yetişkin çalışanların yaklaşık %14'ünün çok yüksek otomasyon riskiyle karşı karşıya olduğunu ortaya koyuyor . Bu risk, düşük düzeyde enine ve sosyal beceri gerektiren rutin işlerde yoğunlaşmakta ve erkek çalışanlar arasında daha yüksek .

Önemli uyarı: AB'deki %14'lük rakam, doğrudan OpenAI'ın çerçevesinden değil, CEDEFOP'un bağımsız beceri ihtiyaçları metodolojisinden geliyor. Ancak yön tutarlı: AB'nin daha düzenlenmiş işgücü piyasaları, daha güçlü sosyal korumaları ve farklı mesleki yapısı, ABD'ye kıyasla daha düşük bir kısa vadeli otomasyon payı üretiyor.

Ülke Düzeyinde Farklılıklar

Bir Coface analizi (Nisan 2026'da yayımlandı), Avrupa ülkeleri genelinde yapay zeka işgücü maruziyetini haritalandırıyor :

• Yüksek otomasyon riski taşıyan ülkeler: Lüksemburg, Birleşik Krallık, İsviçre, Hollanda, Norveç ve Danimarka, otomasyona maruz kalan en yüksek görev içeriği payına sahip. Bu oran Türkiye'de ~%12'den Birleşik Krallık'ta neredeyse %20'ye kadar değişiyor .
• Lüksemburg, İsveç ve Hollanda, büyüme odaklı, yüksek becerili hizmet istihdamının daha büyük paylarına sahip olma eğilimindedir, ancak aynı zamanda finans ve profesyonel hizmet sektörlerinde yüksek yapay zeka maruziyeti vardır.
• Almanya, Yunanistan ve İtalya farklı bir risk profiliyle karşı karşıya: imalat, rutin temelli idari işlerin daha büyük payları ve daha düşük dijital hizmet nüfuzu, otomasyon potansiyelinin ticarete konu olan mallar sektörlerinde daha yüksek olduğu anlamına geliyor .

OpenAI AB Ekonomik Planı 2.0 (Ocak 2026), ülkeleri yapay zeka nüfuzu ve kullanım yoğunluğuna göre daha da segmentlere ayırıyor. Litvanya ve Letonya, hem yüksek nüfus nüfuzunu hem de gelişmiş yapay zeka düşünme yeteneklerinin yüksek yoğunluklu kullanımını birleştirerek öne çıkarken, diğer AB ülkeleri yayılımda önemli ölçüde geride kalıyor .

Politika Bağlamı: Chatterji Brüksel'de, AB Yapay Zeka Yasası ve İş Kaybı

Ronnie Chatterji, Ekim 2024'te OpenAI'ın ilk Başekonomisti olarak atandı; daha önce Biden ve Obama yönetimlerinde ekonomi danışmanı olarak görev yaptı. Temel mesajı, ekonominin "arada kalmış zamanlarda" olduğu — çoğu insanın şu anda yapay zekayı bir ikame değil, bir tamamlayıcı olarak kullandığı yönünde . Haziran 2026 sonu itibarıyla Chatterji, POLITICO Europe tarafından düzenlenen bir etkinlik de dahil olmak üzere bir dizi üst düzey görüşme için Avrupa'da bulunuyordu .

Önemli politika gerilimleri:

• OpenAI, AB Yapay Zeka Yasası Genel Amaçlı Uygulama Kuralları'nı imzalayan ilk ABD merkezli yapay zeka geliştiricisi oldu .
• Carnegie Vakfı, AB Yapay Zeka Yasası'nın yanı sıra, ideal olarak bloğun 2028–2034 bütçesine yerleştirilmiş "özel bir Avrupa işgücü geçiş çerçevesine" ihtiyaç olduğunu savunuyor .
• Avrupa Komisyonu, yapay zeka ve dijital teknolojilerin "Avrupa'da genel istihdamı artırmasının beklendiğini, ancak kazanımların eşitsiz olacağını, ağırlıklı olarak yüksek vasıflı, orta yaştaki işçilere ve kadınlara fayda sağlayacağını; düşük vasıflı ve genç işçiler ile yapısal olarak daha zayıf bölgelerin olumsuz etkilere daha açık kalacağını" belirtiyor .

ECB Anketi: Sınırlı Yoğun Yapay Zeka Kullanımı

ECB'nin 2025'in 4. çeyreğine ait, 5.000'den fazla euro bölgesi firmasını kapsayan İşletmelerin Finansmana Erişimi Anketi (SAFE), yapay zeka benimseme derinliğine ilişkin bir gerçeklik kontrolü sağlıyor :

• Firmaların %70'inden fazlası 2025 sonuna kadar bir şekilde yapay zeka kullandığını bildiriyor .
• Ancak, firmaların sadece yaklaşık %7'si yapay zekayı üretim, yenilik ve rekabet şekillerini değiştirecek kadar yoğun kullanıyor .
• Dağılım: %27'si hiç yapay zeka kullanmıyor; %33'ü çok seyrek kullanıyor; %31'i orta düzeyde kullanıyor; sadece %7-9'u yoğun kullanıyor .
• Önemli bir yatırım açığı var: çoğu firma yapay zeka kullanırken, çok azı özel yapay zeka altyapısına yatırım yapıyor. Yatırım yapan firmalar 2026'da toplam yatırımın ortalama %9'unu yapay zekaya ayırmayı planlıyor .
• ECB, "yayılımın hızla arttığı" ancak gündelik kullanım ile dönüştürücü entegrasyon arasındaki boşluğun çok geniş kaldığı sonucuna varıyor .

AB'nin Teknolojik Egemenlik Çabaları

OpenAI'dan AB Ekonomik Planı 2.0, Avrupa yapay zeka rekabet gücünü açıkça egemenlik etrafında çerçeveliyor . AB ülkelerini yapay zeka nüfuzu ve gelişmiş "düşünme" yeteneklerinin yüksek yoğunluklu kullanımına göre segmentlere ayırıyor ve yalnızca küçük bir ülke grubunun (Litvanya, Letonya) geniş erişimi derin yayılımla birleştirdiğini buluyor. Daha geniş stratejik itki — "teknolojik egemenlik" — AB'nin yapay zeka altyapısına yönelik yatırım planlarına, Yapay Zeka Yasası'nın düzenleyici hedefine ve Carnegie Vakfı gibi kuruluşların 2028–2034 Çok Yıllı Mali Çerçeve'ye yerleşik bir AB işgücü geçiş bütçesi çağrılarına yansıyor . Avrupa Komisyonu'nun kendi analizi, yapay zekanın Avrupa'da genel istihdamı artıracağını ancak hedefli politikalar olmadan yapısal olarak daha zayıf bölgelerin ve düşük vasıflı işçilerin geride kalacağı uyarısında bulunuyor .