# Yapay Zekâ Çağında Yeni Sınıf Çizgisi
Yazar: Axon
Yayın: 2026-09-20T08:50:00.100Z
Güncelleme: 2026-09-20T08:50:00.100Z
Sanayi düzeninde güç, üretim araçlarının mülkiyetinde yoğunlaşıyordu. Yapay zekâ bu ekseni ortadan kaldırmıyor; üzerine yeni bir katman ekliyor: sistemi kuran, yönlendiren ve ondan değer üretenlerle, kararları giderek sistemler tarafından biçimlenenler arasındaki fark.
Sanayi Devrimi fabrikayı yalnızca üretim mekânı haline getirmedi. Makineye, sermayeye ve üretim altyapısına sahip olanlarla geçimini emeğini satarak sağlayanlar arasındaki ilişkiyi de yeniden kurdu. Modern sınıf siyasetinin en kalıcı gerilimlerinden biri buradan doğdu. Teknoloji üretkenliği artırdıkça, o üretkenliğin kime ait olduğu sorusu ortadan kalkmadı; daha değerli hale geldi. Daron Acemoğlu ve Simon Johnson’ın tarihsel teknoloji okumalarının merkezindeki fikir de bu: teknik ilerleme, refahın toplumun tamamına yayılmasını kendiliğinden garanti etmiyor. Dağılımı belirleyen şey, teknolojinin hangi amaçla geliştirildiği ve onu yönlendirme gücünün kimlerde toplandığı.[1]

Yapay zekâ bu eski denklemi bozmaktan çok ona yeni bir katman ekliyor. Stanford’ın 2026 AI Index verilerine göre 2025’te dikkate değer yapay zekâ modellerinin yüzde 90’dan fazlası endüstri tarafından geliştirildi.[2] Buna karşılık OECD, ileri düzey AI becerilerine sahip çalışanların toplam işgücündeki payını yaklaşık yüzde 1 olarak veriyor.[3] Araç milyonların masasına ulaşırken, sistemi kurabilme, değiştirebilme, kendi verisine bağlayabilme ve kurumsal karar süreçlerine yerleştirebilme yeteneği çok daha dar bir çevrede kalıyor.

Bu nedenle önümüzde beliren ayrımı yalnızca “yapay zekâ kullananlar ve kullanmayanlar” diye tarif etmek yetersiz kalıyor. Çok daha belirleyici olan, teknolojiyi kendi karar kapasitesini büyüten bir araca dönüştürebilenlerle; işi, performansı, seçenekleri ve ekonomik değeri giderek başkalarının kurduğu teknolojik sistemler tarafından belirlenenler arasındaki mesafe olabilir.

## Eski sınıf haritası neden kaybolmuyor {#eski-sinif-haritasi-neden-kaybolmuyor}

Yapay zekânın yeni bir sınıfsal eksen yaratması, sermaye ile emek arasındaki eski ayrımın sona erdiği anlamına gelmiyor. Aksine, bugünün en güçlü AI sistemleri devasa hesaplama altyapısına, veri merkezlerine, uzman insan kaynağına, enerjiye ve sermayeye ihtiyaç duyuyor. Model geliştirme faaliyetinin şirketlerde yoğunlaşması bu nedenle tesadüf değil.[2]

Acemoğlu ve Pascual Restrepo’nun “görevler” yaklaşımı, teknolojik değişimin emek üzerindeki etkisini anlamak için daha kullanışlı bir çerçeve sunuyor. Bir teknoloji insanların yaptığı mevcut görevleri sermayeye devrettiğinde emek talebini aşağı çekebiliyor; fakat teknoloji aynı zamanda insanlar için yeni görevler yaratırsa bunun tersi gerçekleşebiliyor. Teknolojinin ekonomik etkisini yalnızca ne kadar üretken olduğuna bakarak anlamak bu yüzden mümkün değil. Kimin yaptığı işi ortadan kaldırdığına ve kimin için yeni bir ekonomik alan açtığına da bakmak gerekiyor.[4]

Yapay zekâ burada sermayenin alışılmış biçimlerinden farklı bir özellik taşıyor. Bir fabrika makinesinin mülkiyeti oldukça görünürdür. Bir AI sisteminde ise güç daha fazla katmana dağılır: modeli geliştiren şirket, hesaplama altyapısının sahibi, veriyi kontrol eden kurum, yazılımı satın alan işletme, sistemi iş akışına bağlayan ekip ve nihayet onu kullanan çalışan aynı ekonomik zincirin farklı noktalarındadır.

Bu nedenle geleceğin toplumsal haritası iki kutuplu olmak zorunda değildir. Yüksek maaşlı bir çalışan, şirketin sahibi olmadan teknolojik sistemler üzerinde güçlü bir karar yetkisine sahip olabilir. Küçük bir işletme sahibi ise hukuken sermaye sahibi olduğu halde satış kanalından ödeme sistemine, reklam algoritmasından kullandığı AI hizmetine kadar başka şirketlerin altyapısına bağımlı yaşayabilir. Mülkiyet önemini korur; fakat tek başına bütün güç ilişkisini açıklamaz.

## Erişim ucuzladı, denetim ucuzlamadı {#erisim-ucuzladi-denetim-ucuzlamadi}

Üretken yapay zekânın tarihsel özelliklerinden biri, çok gelişmiş bilişsel araçları son kullanıcıya olağanüstü düşük maliyetlerle ulaştırması. Daha önce yazılım ekibi, araştırma asistanı veya uzman danışmanlık gerektiren bazı işler artık tek kişinin erişebildiği sistemlerle yapılabiliyor. Bu, gerçek bir demokratikleşme potansiyeli taşıyor.

Fakat bir teknolojinin arayüzüne ulaşabilmek ile o teknolojiden ekonomik güç üretebilmek aynı şey değil.

OECD verilerine göre AI kullanan firmaların payı OECD ülkelerinde 2021 ile 2025 arasında yaklaşık yüzde 7’den yüzde 20’ye yükseldi. Aynı çalışma, büyük işletmelerin AI kullanımında küçük ve orta ölçekli işletmelerden önde olduğunu; maliyet, altyapı ve beceri eksikliğinin yayılımı sınırladığını gösteriyor. İleri AI becerilerine sahip çalışanların işgücünün yaklaşık yüzde 1’ini oluşturması da erişim ile yetkinlik arasındaki farkın ne kadar büyük olabileceğini gösteriyor.[3]

Bir sohbet robotuna soru sorabilmek artık düşük bir eşik. Kurumun verisini güvenli biçimde modele bağlamak, doğru modeli seçmek, çıktıyı ölçmek, hatayı tespit etmek, süreçleri yeniden tasarlamak, otomasyonun hangi noktada kullanılacağına karar vermek ve sistemin ürettiği ekonomik değeri sahiplenmek ise bambaşka bir kapasite gerektiriyor.

Bu ayrım eğitim diplomasıyla da tam örtüşmeyebilir. Çok iyi eğitimli biri AI sistemini yalnızca kendisine verilen arayüz üzerinden kullanabilirken, daha az geleneksel eğitime sahip fakat teknolojiyi iş akışına dönüştürmeyi öğrenmiş biri çok daha yüksek ekonomik kaldıraç elde edebilir. Yeni eşitsizliğin eğitimden bağımsız olacağı anlamına gelmez bu; teknolojik yetkinliğin eğitim, sermaye ve kurumsal konumla yeni bileşimler oluşturabileceğini gösterir.

## Yapay zekâ bazen beceri farkını kapatıyor {#yapay-zek-bazen-beceri-farkini-kapatiyor}

Bu tablonun güçlü bir karşı kanıtı var. Yapay zekâ her durumda uzmanların gücünü artırıp daha az becerili çalışanları geride bırakmıyor.

Erik Brynjolfsson, Danielle Li ve Lindsey Raymond’un 5.172 müşteri hizmetleri çalışanını kapsayan saha araştırmasında üretken AI desteği, saat başına çözülen iş miktarıyla ölçülen üretkenliği ortalama yüzde 15 artırdı. Daha çarpıcı olan, kazanımların daha az deneyimli ve daha düşük beceri düzeyindeki çalışanlarda daha güçlü olmasıydı. En deneyimli çalışanlarda ise kazanım daha sınırlıydı.[5]

Bunun ekonomik anlamı büyük. AI bazı koşullarda uzmanların yıllar içinde geliştirdiği çalışma biçimlerini sistem üzerinden başkalarına aktarabiliyor. Daha önce deneyimle kazanılan örtük bilginin bir bölümü böylece daha geniş bir çalışan grubuna açılabiliyor. Teknoloji bu biçimde tasarlanırsa beceri piramidinin altındaki çalışanı değersizleştirmek yerine yukarı taşıyabilir.

Fakat söz konusu çalışma belirli bir müşteri hizmetleri ortamını inceliyor. Bulguların bütün mesleklere taşınması mümkün değil. Cerrahiden yöneticiliğe, mühendislikten öğretmenliğe kadar birçok işte bağlamı değerlendirme, sorumluluk alma ve sonucu doğrulama kapasitesi çok daha farklı çalışıyor.

Yine de araştırmanın verdiği ders önemli: yeni ayrım, “zeki insanlar AI kullanır ve diğerlerini geçer” gibi kaba bir hikâyeyle açıklanamaz. Aynı teknoloji doğru kurumsal düzen içinde bilgiyi yayabilir; başka bir düzen içinde karar gücünü merkezileştirebilir.

## Kullanıcı olmak, yönetici olmak değildir {#kullanici-olmak-yonetici-olmak-degildir}

Yapay zekâ tartışmasında çoğu zaman gözden kaçan dönüşüm, insanların AI kullanması kadar kurumların insanları algoritmalarla yönetmeye başlamasıdır.

OECD algoritmik yönetimi, işin verilmesi, izlenmesi ve değerlendirilmesi gibi yönetsel görevleri otomatikleştiren veya destekleyen yazılımlar olarak tanımlıyor. Fransa, Almanya, İtalya, Japonya, İspanya ve ABD’de yapılan işveren araştırması bu sistemlerin ülkelerin çoğunda yaygın biçimde kullanıldığını gösteriyor. Yöneticiler karar kalitesinde iyileşme bildirse de hesap verebilirliğin belirsizleşmesi, sistemin mantığını izlemekte güçlük ve çalışan sağlığının korunması konusunda kaygılar da bildiriliyor.[6]

Bu durumda bir çalışan teknolojik açıdan “ileri kullanıcı” olabilir ve yine de çalışma hayatının temel parametreleri üzerinde çok az yetkiye sahip olabilir. Kullanacağı araç, ulaşacağı veri, performans hedefi, müşteriye ayıracağı süre, vardiyası veya değerlendirme metriği başka bir sistem tarafından belirleniyorsa AI bilgisi tek başına özerklik sağlamaz.

Buradaki güç algoritmanın kendisine ait değildir. Algoritma, onu kuran kurumun tercihlerini ölçeklendirir. Hangi değişkenin optimize edileceğine, hangi davranışın ödüllendirileceğine, hangi verinin ölçüleceğine ve hatalı bir karara kimin itiraz edebileceğine insanlar ve kurumlar karar verir.

Dolayısıyla “teknolojinin yönettiği insan” ifadesi dikkatli kullanılmalıdır. İnsanları yöneten bağımsız makinelerden çok, yönetim tercihlerinin yazılıma gömülerek daha sürekli, ayrıntılı ve ölçeklenebilir hale gelmesinden söz ediyoruz.

## Yeni sınıf çizgisini nerede aramak gerekir? {#yeni-sinif-cizgisini-nerede-aramak-gerekir}

Bir kişinin veya kurumun AI aracına sahip olup olmadığına bakmak, yeni güç dağılımını görmek için yeterli değil. Daha açıklayıcı olan, teknoloji karşısındaki karar yetkisinin nerede bulunduğunu izlemek.

İlk belirleyici katman altyapıya erişim. Model, hesaplama kapasitesi, özel veri ve entegrasyon bütçesi kimin kontrolünde? İkinci katman değiştirme yetkisi. Kullanıcı kendisine sunulan sistemi olduğu gibi mi tüketiyor, yoksa modeli, iş akışını ve veri bağlantılarını ihtiyacına göre yeniden kurabiliyor mu?

Üçüncü katman doğrulama kapasitesi. Bir AI çıktısının ikna edici görünmesiyle doğru olması aynı şey değildir. Alan bilgisini koruyan çalışan sistemin hatasını yakalayabilir; karar sürecini bütünüyle sisteme devreden çalışan zamanla kendi mesleki muhakemesini de zayıflatabilir. Teknolojik güç yalnızca AI’dan yanıt almak değil, gerektiğinde o yanıta karşı çıkabilecek bilgiye sahip olmaktır.

Dördüncü katman karar hakkıdır. Sistem bir çalışan hakkında performans puanı ürettiğinde bu kararın mantığını kim görebilir? Yanlışsa kim değiştirebilir? İş akışını çalışan mı biçimlendirir, çalışan mı iş akışına uyar?

Son katman ise ekonomik getirinin kime aktığıdır. Bir çalışan AI sayesinde aynı sürede iki kat fazla değer üretmeye başlarsa bunun karşılığı ücret, daha kısa çalışma süresi veya daha nitelikli görevler olarak çalışana mı döner; yoksa verimlilik artışı bütünüyle işletmenin marjına mı yazılır? Teknolojik yetkinliğin sınıfsal niteliği belki de en açık biçimde burada görünür.

## Henüz yeni bir sınıf değil, yeni bir tabakalaşma {#henuz-yeni-bir-sinif-degil-yeni-bir-tabakalasma}

“Teknolojiyi yönetenler” ve “teknolojinin yönettikleri” ifadesi güçlü bir gözlem sunuyor; fakat bugünkü verilerden hareketle iki yeni toplumsal sınıfın kesin biçimde oluştuğunu söylemek erken olur.

Sosyolojik anlamda sınıf, yalnızca beceri farkından daha kalıcı bir yapı gerektirir. Gelir, servet, meslek, eğitim, toplumsal ağlar ve fırsatların kuşaklar boyunca birbirini yeniden üretmesi gerekir. AI konusunda elimizde bunun tamamını gösterecek kadar uzun bir tarih henüz yok.

ILO’nun 2025 küresel çalışması, dünya çapında çalışanların yaklaşık dörtte birinin üretken AI’ya belirli ölçüde maruz kalan mesleklerde bulunduğunu hesaplıyor; en yüksek maruziyet kategorisi ise küresel istihdamın yüzde 3,3’ünü oluşturuyor. Aynı araştırma, maruziyetin yüksek gelirli ülkelerde düşük gelirli ülkelere göre belirgin biçimde daha yüksek olduğunu ve çoğu işte beklenen etkinin mesleğin bütünüyle ortadan kalkmasından çok görevlerin dönüşmesi olduğunu vurguluyor.[7]

Buradaki kritik kelime “maruziyet”. Bir mesleğin AI tarafından yapılabilecek görevler içermesi, o mesleğin yok olacağı anlamına gelmiyor. ILO da AI maruziyet göstergelerinin doğrudan iş kaybı tahmini olarak okunmaması gerektiği konusunda özellikle uyarıyor.

Bugün gözlemlenen şey bu nedenle tamamlanmış bir sınıf yapısından çok, yeni bir tabakalaşma mekanizması. Eğer teknolojik yetkinlik zaman içinde daha yüksek gelire, daha fazla karar yetkisine, sermayeye daha kolay erişime ve çocuklara aktarılabilen eğitim avantajlarına sistematik biçimde dönüşürse bu tabakalaşma sınıfsal bir niteliğe kavuşabilir.

## Eşiği teknoloji değil kurumlar belirleyecek {#esigi-teknoloji-degil-kurumlar-belirleyecek}

Teknolojik gelişmenin yönü kaçınılmaz değil. Acemoğlu ve Restrepo’nun çalışmalarında otomasyon, daha önce insanların yaptığı görevleri sermayeye aktarırken; yeni görev yaratılması emeğin ekonomik alanını yeniden genişletebiliyor.[4] Yapay zekânın gelecekteki dağılım etkisi de büyük ölçüde hangi yolun ağır basacağına bağlı.

Bu nedenle eğitim tek başına çözüm değil. Çalışanlara AI eğitimi vermek değerli olabilir, fakat sistem tasarımında hiçbir söz hakkı olmayan, kullandığı veriye erişemeyen ve ortaya çıkan verimlilik kazancından pay alamayan insanlara yalnızca daha iyi araç kullanmayı öğretmek güç ilişkisini bütünüyle değiştirmez.

Acemoğlu’nun AI ekonomisine ilişkin 2024 çalışması da bu ayrımın neden önemli olduğunu gösteriyor. Çalışma, AI’nın emek gelirleri içindeki eşitsizliği önceki otomasyon dalgaları kadar artırmak zorunda olmadığını, fakat sermaye geliri ile emek geliri arasındaki farkı genişletebileceğini öne sürüyor.[8] Bu teorik bir öngörü ve gerçekleşmesi teknolojinin nasıl uygulandığına bağlı; yine de AI tartışmasının yalnızca beceri kazanma meselesi olmadığını açık biçimde ortaya koyuyor.

OECD’nin algoritmik yönetim araştırmasının çalışanların karar süreçlerine dahil edilmesini özellikle vurgulaması da aynı noktaya çıkıyor.[6] Bir kurum AI’yı çalışanların bilgisini genişleten, tekrarlayan işleri azaltan ve insanlara daha fazla karar alanı açan bir sistem olarak tasarlayabilir. Aynı kurum aynı teknolojiyi işi küçük parçalara bölen, çalışan davranışını sürekli ölçen ve yönetim yetkisini daha yukarıda toplayan bir altyapıya da dönüştürebilir.

Geleceğin en derin eşitsizliği muhtemelen yapay zekâyı kullananlarla kullanmayanlar arasında oluşmayacak. Kullanım giderek sıradanlaşacak. Daha kalıcı fark; sistemi sorgulayabilen, değiştirebilen, kendi bilgisiyle besleyebilen, gerektiğinde kararını reddedebilen ve yarattığı verimlilikten pay alabilenlerle, aynı sistemin hedefleri, ölçümleri ve kararları içinde çalışanlar arasında ortaya çıkabilir.

Sanayi toplumunun büyük sorusu “üretim aracına kim sahip?” idi. O soru geçerliliğini koruyor. Yanına başka sorular ekleniyor: Makineye neyi optimize edeceğini kim söylüyor? Hangi veriyle karar vereceğini kim belirliyor? Kararı kim bozabiliyor? Ürettiği fazladan değeri kim alıyor?

Yeni sınıf çizgisi gerçekten sertleşecekse, muhtemelen bu soruların cevaplarının aynı ellerde toplanmaya başladığı yerde sertleşecek.


## Kaynaklar

1. Power and Progress: Our 1000-Year Struggle Over Technology and Prosperity — MIT Stone Center on Inequality and Shaping the Future of Work https://shapingwork.mit.edu/research/power-and-progress-our-1000-year-struggle-over-technology-and-prosperity/?utm_source=chatgpt.com
2. Research and Development — The 2026 AI Index Report — Stanford Institute for Human-Centered AI https://hai.stanford.edu/ai-index/2026-ai-index-report/research-and-development?utm_source=chatgpt.com
3. Skills in the AI age — OECD https://www.oecd.org/en/publications/skills-in-the-ai-age_972bd15e-en.html?utm_source=chatgpt.com
4. Automation and New Tasks: How Technology Displaces and Reinstates Labor — NBER https://www.nber.org/papers/w25684?utm_source=chatgpt.com
5. Generative AI at Work — Stanford Graduate School of Business / The Quarterly Journal of Economics https://www.gsb.stanford.edu/faculty-research/publications/generative-ai-work?utm_source=chatgpt.com
6. How widespread is algorithmic management in workplaces? — OECD https://www.oecd.org/en/publications/how-widespread-is-algorithmic-management-in-workplaces_cda7a114-en.html?utm_source=chatgpt.com
7. Generative AI and Jobs: A Refined Global Index of Occupational Exposure — International Labour Organization https://www.ilo.org/publications/generative-ai-and-jobs-refined-global-index-occupational-exposure?utm_source=chatgpt.com
8. The Simple Macroeconomics of AI — NBER https://www.nber.org/papers/w32487?utm_source=chatgpt.com