Geçtiğimiz ay Anthropic şirketi, kendi verilerini baz alarak belirli sektörlerde yapay zekanın güncel kullanım durumu ile teorik olarak hangi boyutta kullanılabileceğini kıyaslamalı biçimde gösteren bir rapor yayınladı. Bu raporda teorik beklenti ile gerçek kullanım arasında ciddi farklar göze çarpsa da, sektörler kendi içinde incelendiğinde finans, teknoloji ve mühendislik gibi bilgiye dayalı alanlarda yapay zekanın hem pratik kullanımının hem de teorik beklenen kullanımının diğer alanlara kıyasla ciddi ölçüde yüksek olduğu görüldü. Yani bu rapordan çıkarılabilecek temel mesajlardan biri şu, bilgiye dayalı, eğitimli kişiler yapay zeka araçlarını çok daha yoğun kullanıyor.

Peki bu grubu daha fazla yapay zeka araçlarını kullanmaya iten şey ne?

“Verimlilik” hissi.

Bu araçlar, gözümüzde büyüttüğümüz ya da gerçekten zor olan pek çok görev için hızla bir başlangıç noktası sunuyor. Çok kısa sürede kod yazıyor, doküman üretiyor, rapor oluşturuyor. Doğal olarak bu da daha kısa sürede daha çok çıktı ortaya koyulmasını sağlıyor.

Bir önceki yazımda [Üretimin Bedeli] verimlilik hissine ve onun getirdiği bilişsel yüke değinmiştim. Bu hafta da yine bu hissi sorgulayarak, daha geniş bir perspektiften yapay zekaya "bağımlılığın" getirebileceği olası bir sorunu ele alacağım.

Aynı yazı içinde, aynı şirketin adını iki kere kullanmak garip olacak fakat,  Antrophic’ten iki araştırmacı, tam olarak yapay zekâ araçlarının vaat ettiği verimliliği sorgulayan bir ön basım yayınladı.

Yukarıda belirttiğim gibi, yapay zeka araçları sayesinde eskiye kıyasla çok kısa sürede ürünler ortaya koymak mümkün. Fakat bu ürünler ortaya konduğunda, yani yapay zeka yardımıyla bir çıktı aldığımızda, gerçekten elimizdeki ürünü biliyor muyuz? Bu ürüne dair olası sorunları yanıtlayabilecek kapasiteye sahip miyiz?

İki araştırmacı, bu sorulara yanıt aramak için rastgele deney senaryoları oluşturarak geliştiricilerin yeni bir programlama kütüphanesini yapay zeka yardımıyla ve yardımsız nasıl öğrendiğini inceledi. İnceleme sonunda ise, yapay zeka kullanan katılımcılarda kavramsal anlama, kod okuma ve hata ayıklama becerilerinde belirgin bir düşüş gözlemlendi.

Başta verimlilik olarak düşünülen süreç, aslında kendi içinde hiçbir şeyin öğrenilmediği, aksine önemli yeteneklerin de körelmesine yol açtığı bir şekle dönüşüyor. Basit bir kelime oyunu yaparsak eğer, verimlilik, aslında bir tür verimsizliğe yol açıyor. 

Şimdi bu sonucu, ilk paragraftaki raporun sonucu ile birleştirmek istiyorum. Yapay zekaya bağımlı olmak yeteneklerde gerilemeye yol açıyor; ve bu gerilemenin en çok etkilediği kesim, yüksek eğitimli, katma değer üretebilecek nüfus oluyor.

Bir ülkenin kalkınma basamaklarını tırmanmasının arkasında çeşitli faktörler yatıyor. Bunlardan biri de yüksek eğitimli beşerî sermaye kalitesi. Klişe deyimle, katma değerli ürün üretebilecek nüfus. [Elbette başka etkenler de var; kalkınma tek boyutla değerlendirilemeyecek kadar karmaşık bir kavram.]

Yapay zekaya bağımlılığın ya da yanlış kullanımın uzun vadede bu grubun üretkenlik kapasitesini köreltmesi, dolayısıyla bir ülkenin kalkınma dinamiklerini de olumsuz etkileyecektir.

Neden?

Beşerî sermaye; bireylerin bilgi, beceri ve sağlıklarını kapsayan ve uzun vadeli ekonomik büyümenin temel itici güçlerinden biri olan bir kavram. Eğitime yapılan yatırım, üretkenliği artırıyor, inovasyonu besliyor ve iş gücünü değişen koşullara uyumlu hâle getiriyor. Bu zincirin herhangi bir halkasında oluşan kırılma, büyüme dinamiklerini derinden etkiliyor.

Yapay zeka bağımlılığının yarattığı yetenek körelmesi tam da bu noktada devreye giriyor. Otomasyon, yapılması zor olan kısımları ortadan kaldırdığında, insanları büyüten tam da o zorluğun kendisi yok oluyor. Yapay zeka yalnızca daha hızlı yazmanıza yardımcı olmakla kalmıyor; yazmayı öğrenmeyi de durdurabiliyor. Planlamak, analiz etmek, hata ayıklamak... Bunların hepsi için geçerli.

Rutin görevleri otomatikleştirip istisnai durumları insana bırakmak, o insanı tam da yargısını güçlendirecek pratik fırsatlardan yoksun bırakıyor. Yani sisteme en çok ihtiyaç duyulan anlarda, yani istisnalar baş gösterdiğinde, insan zaten hazırlıksız yakalanıyor.

Şimdi bu varsayımla karışık realiteyi, biraz daha geniş bir açıdan ele alalım.

Pek çok ekonomi son on yıllarda benzer bir kalkınma rotası izledi: düşük vasıflı tarımsal üretimden küresel ölçekte rekabetçi bir imalat tabanına, oradan da yüksek katma değerli hizmetler ve teknoloji ihracatına doğru. Bu rota, ülkelerin sermaye ve kapasite biriktirerken tırmandığı bir kalkınma merdiveni olarak tanımlanıyor.

Bu merdivenin üst basamaklarında ise bilgiye dayalı çalışanlar duruyor. Mühendisler, analistler, yazılımcılar, araştırmacılar. Yani tam da yapay zekayı en yoğun kullanan grup.

Peki bu grubun yetkinliği sistematik biçimde aşınırsa ne olur?

Zengin ülkeler, yapay zekanın yarattığı aksaklıkları yönetmek için çok daha iyi bir konumda. Yapay zekanın faydaları eşit dağılmadığı gibi, yarattığı kesintiler de eşit dağılmıyor. Yani kalkınmakta olan ülkelerdeki nitelikli iş gücü; hem teknolojiye erişim hem de o teknolojiye olan bağımlılığın sonuçlarıyla baş etme kapasitesi açısından çifte bir dezavantajla karşı karşıya.

IMF'nin hesaplamalarına göre küresel istihdamın yaklaşık yüzde kırkı yapay zekadan etkilenecek. Gelişmiş ekonomilerde bu oran yüzde altmışa çıkıyor; etkilenenlerin yarısı yapay zekadan fayda sağlarken diğer yarısı yer kaybedecek. Ancak bu tablo, bir de beceri körelmesi üst üste bindiğinde çok daha karmaşık bir hal alıyor.

Ez cümle,  yapay zekayı en çok kullananlar en yüksek verimliliği elde edenler değil, en çok körleşme riskini taşıyanlar olabiliyor. Ve bu körleşme bireysel bir sorun olmaktan çıkıp yapısal bir kırılganlığa dönüşüyor. Yani, verimlilik vaadinin arkasında sessizce büyüyen bir maliyet var. Görünmüyor. Ölçülmesi zor. Ama birikerek ilerliyor.

Referanslar

Shen, J. H. & Tamkin, A. (2026). How AI Impacts Skill Formation. arXiv:2601.20245v2.

Anthropic. (2025). Labor Market Impacts Report. anthropic.com/research/labor-market-impacts

Jarrahi, M. H. (2026). Cognitive Debt, Skill Atrophy: Frictionless AI. Cognitive World.

Macnamara, B. N. et al. (2024). Does using AI assistance accelerate skill decay? PMC / NIH.

Danaher, J. (2025). AI deskilling is a structural problem. AI & Society, Springer Nature.

IMF. (2024). AI Will Transform the Global Economy. Georgieva, K. IMF Blog.

CGDev. (2024). Three Reasons Why AI May Widen Global Inequality. Center for Global Development.

Asteriou, D. & Agiomirgianakis, G. (2001). Human capital and economic growth. Journal of Economic Studies.

© T24