Yapay Zekânın Yeni Meslekleri: Makineleri Kim Denetleyecek?

Kenya’da bir veri işçisi, şiddet, nefret söylemi ve cinsel istismar içeren metinleri sınıflandırarak ChatGPT’yi daha güvenli hâle getirecek bir sistemin eğitimine katkıda bulunuyor. Eline geçen ücret ise saatte yaklaşık 1,32 ila 2 dolar arasında. Bugün San Francisco’da yayımlanan bir başka ilan ise yapay zekâ (YZ) modellerinin kimyasal ve biyolojik riskler karşısında ne zaman yardımcı olması, ne zaman talebi reddetmesi gerektiğini belirleyecek bir “Model Policy” (model politikası) uzmanına yıllık 207 bin ila 295 bin dolar ve şirket hissesi öneriyor.

Biri zararlı içeriği tek tek etiketliyor, diğeri modelin hangi ilkelere göre davranacağını tasarlıyor. İkisi de makineyi “güvenli” kılmaya çalışan insan emeğinin parçası. Fakat YZ’nin oluşturduğu yeni iş bölümünün birbirinden son derece uzak iki ucunda bulunuyorlar. Bu karşıtlık, YZ’nin yalnızca hangi meslekleri ortadan kaldıracağını değil, nasıl işler yarattığını ve bu işlerin kimlere hangi koşullarda yaptırıldığını da sormayı gerektiriyor.

Meslekler Kaybolmadan Önce Görevlerine Ayrılıyor

YZ’nin çalışma hayatını nasıl değiştireceği tartışılırken genellikle aynı soru soruluyor: Hangi meslekler ortadan kalkacak? Uluslararası Çalışma Örgütünün (ILO) yaklaşık 30 bin mesleki görevi inceleyen 2025 tarihli araştırması ise soruyu farklı biçimde kurmayı öneriyor. Araştırmaya göre dünya genelinde her dört çalışandan biri üretken YZ’ye bir ölçüde maruz kalan bir meslekte çalışıyor. Buna rağmen en muhtemel sonuç mesleklerin bütünüyle ortadan kalkması değil, onları oluşturan görevlerin dönüşmesi. En yüksek maruziyet kategorisinde bulunanların oranı küresel istihdamın yüzde 3,3’üyle sınırlı; ayrıca etkiler ülke, gelir düzeyi ve cinsiyete göre farklılaşıyor. ILO’nun vardığı temel sonuç, YZ’nin işi yalnızca ikame etmeyeceği, iş bölümünü yeniden kuracağı yönünde.

Mesleklerin geleceği üzerine yapılan çalışmalarda, otomasyonu bütün meslekler üzerinden düşünmenin yanıltıcı olduğu savunuluyor. Bir doktor, hukukçu, öğretmen veya gazeteci tek ve bölünmez bir iş yapmıyor. Her meslek bilgi toplama, sınıflandırma, karar verme, iletişim kurma, sonuçları değerlendirme ve sorumluluk üstlenme gibi farklı görevlerden meydana geliyor. Teknoloji de çoğu zaman mesleğin tamamını bir anda devralmak yerine bu görevlerden bazılarına yerleşiyor.

Örneğin, bir gazetecinin standart bir haber metni hazırlaması YZ tarafından hızlandırılabilir. Fakat konu seçmek, kaynaklarla konuşmak, çelişkili bilgileri değerlendirmek, siyasal bağlamı kurmak ve yayımlanan metnin sorumluluğunu üstlenmek farklı görevler. Benzer şekilde hukuk üzerine bir otomasyon sistemi binlerce mahkeme kararını tarayabilir; ancak istisnai bir vakanın toplumsal ve hukuki anlamını belirlemek yalnızca belge aramaktan ibaret değil.

Dolayısıyla dönüşüm yalnızca insan ile makine arasında yeni bir görev paylaşımı yaratmıyor. Daha önce aynı uzman tarafından yapılan işler yazılımcılar, alan uzmanları, denetçiler, veri işçileri ve otomatik sistemler arasında yeniden dağıtılıyor. Yeni meslekler de çoğunlukla bu ayrışmanın içinden doğuyor.

Makineleri Eğiten, Açıklayan ve Denetleyenler

H. James Wilson, Paul Daugherty ve Nicola Morini-Bianzino, daha 2017’de YZ’nin yaratacağı işleri üç grupta toplamıştı: Eğiticiler, açıklayıcılar ve sistemlerin güvenli biçimde çalışmasını sağlayanlar. O tarihte kullanılan unvanların tamamı bugünün iş ilanlarına aynen yerleşmedi. Ancak tanımladıkları görevler teknoloji şirketlerinde, kamu kurumlarında ve danışmanlık sektöründe farklı adlarla karşılık buldu.

Eğiticiler, modelin yalnızca doğru cevabı üretmesini değil, insan iletişiminin inceliklerini tanımasını sağlamaya çalışıyor. Ton, ironi, kültürel bağlam, empati ve bir ifadenin farklı koşullarda değişen anlamı bu çalışmanın parçası. “AI trainer” (YZ eğiticisi), “human data specialist” (insan verisi uzmanı) ve “model evaluator” (model değerlendiricisi) gibi unvanlarla yürütülen işler dil bilgisini, alan uzmanlığını ve model değerlendirmesini bir araya getirebiliyor. Bununla birlikte YZ eğiticiliği son derece geniş bir kategori: Doktorların tıbbi yanıtları değerlendirdiği uzmanlık işi de düşük ücretli platform çalışanlarının binlerce çıktıyı karşılaştırması da aynı başlık altında sunulabiliyor.

Açıklayıcıların görevi, teknik sistemlerle bu sistemlerin kararlarından etkilenen insanlar arasındaki mesafeyi kapatmak. Bir işe alım sistemi neden belirli bir adayı eledi? Kredi başvurusu hangi veriler nedeniyle reddedildi? Sağlık alanındaki bir modelin önerisi neye dayanıyor? Bu soruların yanıtlanması yalnızca yazılımcılara bırakılamıyor. Algoritmik denetim, model riski, “AI assurance” (YZ güvencesi), hukuk ve mevzuata uyum ekipleri sistemin sonuçlarını hem sınamak hem de teknik olmayan kişilere aktarılabilir hâle getirmek zorunda.

Üçüncü grup, sistemlerin güvenli, adil ve amaçlandığı biçimde çalışmasını sağlamaya uğraşıyor. Günümüzde bu alan “model politikası”, “responsible AI” (sorumlu YZ), “AI governance” (YZ yönetişimi), “red teaming” (kötüye kullanım senaryolarıyla güvenlik testi), “trust and safety” (güven ve güvenlik) ve mevzuata uyum gibi başlıklara ayrılmış durumda. Örneğin OpenAI’ın güncel bir model politikası ilanı, işin amacını model davranışını “istenen insan değerleri ve normlarıyla” uyumlu hâle getirmek olarak tanımlıyor. İlanın merkezindeki sorular teknik olmaktan çok normatif: Model ne zaman yardımcı olmalı, ne zaman talebi reddetmeli ve bu sınırlar nasıl açık, ölçülebilir ve uygulanabilir hâle getirilmeli?

Avrupa’da bu görevlerin yaygınlaşmasını yalnızca şirketlerin tercihi değil, mevzuat da hızlandırıyor. 2 Ağustos 2026’dan itibaren geniş ölçüde uygulanmaya başlayan AB Yapay Zekâ Yasası, özellikle yüksek riskli sistemler için risk değerlendirmesi, teknik dokümantasyon, insan denetimi, izleme ve ciddi olayların bildirilmesi gibi yükümlülükler getiriyor. Kuruluşların çalışanlarına YZ okuryazarlığı kazandırmasını da öngören düzenleme, “YZ sorumlusu” adıyla zorunlu bir makam yaratmıyor. Buna karşılık hukuk, insan kaynakları, risk yönetimi, ürün geliştirme ve eğitim birimleri içinde yeni görev kümeleri oluşturuyor. Avrupa Yapay Zekâ Ofisi’nin teknoloji uzmanlarıyla birlikte hukukçular, ekonomistler ve politika uzmanları istihdam etmesi de bu disiplinlerarası yapıyı gösteriyor.

Bu nedenle geleceğin bütün çalışanlarının yazılımcı olacağını düşünmek yanıltıcı. Aranan profil çoğu zaman kod yazan kişiyle klasik anlamdaki “sözelci” arasında bulunuyor: Belirli bir alanda uzmanlaşmış, modelin sınırlarını anlayabilen, çıktısını sınayabilen ve sonucu farklı aktörlere açıklayabilen hibrit bir çalışan.

Yapay Zekânın Arkasındaki Görünmeyen Emek

Yeni YZ mesleklerini yalnızca yüksek ücretli ve parlak unvanlardan ibaret görmek, teknolojinin dayandığı iş gücünün büyük bölümünü görünmez kılıyor. Filippo Santoni de Sio, YZ ve çalışmanın etik sorunlarını incelediği makalesinde, ekonomik değer üreten bazı insan faaliyetlerinin yeterince tanınmadan, korunmadan veya karşılığı ödenmeden sistemin içine yerleştirilmesini “gizli emek” sorunu olarak tanımlıyor. Bir modelin kullanılabilir hâle gelmesi için insanlar verileri etiketliyor, yanıtları karşılaştırıyor, hataları düzeltiyor ve şiddet ya da istismar içeren içerikleri ayıklıyor.

Bu emeğin önemli bir bölümü, düşük ücretli mikro-işler ve taşeronluk ilişkileri üzerinden yürütülüyor. TIME’ın 2023 yılındaki bir araştırması, Kenya’daki çalışanların ChatGPT’nin eğitiminde kullanılacak şiddet, nefret ve cinsel istismar içeriklerini saatlik 2 doların altında ücretlerle sınıflandırdığını ortaya koymuştu. Çalışanlar, her gün yüzlerce ağır içerikle karşılaşmanın ruh sağlıkları üzerindeki etkilerini de anlatmıştı.

Böylece YZ’nin yarattığı iş piyasasında belirgin bir hiyerarşi ortaya çıkıyor. Modelin “insan değerleriyle” nasıl uyumlu hâle getirileceğini tasarlayan uzman, yüksek ücretli bir teknoloji çalışanı olabilirken, bu değerleri binlerce örnek üzerinde makineye öğreten kişinin emeği görünmez kalabiliyor. Teknolojinin ne kadar “akıllı” göründüğü, arkasındaki insan emeğinin ne kadar iyi saklandığıyla da ilgili.

Yapay Zekâ Felsefecilere İhtiyaç Duyarken Felsefenin Yerini Alabilir mi?

Sözel yeteneklerin geleceği açısından en çarpıcı örnek felsefe olabilir. YZ felsefeye dışarıdan gelen bütünüyle yabancı bir teknoloji değil. Mantık, bilgi, muhakeme, dil ve zihnin ne olduğu gibi sorular, alanın tarihsel kuruluşunun parçası. Bugün ise bu kavramlar doğrudan ürün geliştirme sürecine giriyor: Bir modelin dürüst, tarafsız veya yardımsever olması ne demektir? Kullanıcının özerkliği ile zarar görmesini önleme amacı çatıştığında hangisi öncelik kazanmalıdır?

Anthropic’te çalışan filozof Amanda Askell bunun en somut örneklerinden biri. Felsefe doktorasına sahip Askell, Claude’un davranışlarını yönlendiren “Claude Anayasası”nın başlıca yazarı ve şirketin karakter çalışmalarının yöneticisi. Ocak 2026’da yayımlanan metin; güvenlik ve dürüstlüğün yanı sıra erdem, bilgelik, ahlaki belirsizlik, insan özerkliği ve denetim gibi kavramları model davranışına tercüme etmeye çalışıyor. Anthropic’in Toplumsal Etkiler ekibi de modellerin çatışan veya belirsiz değerler karşısında nasıl davranması gerektiğini araştırıyor.

Ancak birkaç görünür örnekten hareketle teknoloji şirketlerinin kitlesel biçimde felsefeci istihdam ettiği sonucuna varmak da mümkün değil. Değer kazanan şey çoğunlukla felsefe diplomasından ziyade, felsefi muhakemenin veri değerlendirme, kamu politikası, hukuk veya teknik ekiplerle çalışma becerisiyle birleşmesi. Üstelik YZ literatür tarama, argümanları sınıflandırma, karşı görüş üretme ve standart açıklamalar hazırlama gibi felsefi çalışmanın bazı görevlerini de otomatikleştirebilir.

Buna karşılık hangi değerlerin modele aktarılacağı, bu değerlerin kim tarafından belirleneceği ve yanlış bir kararın sorumluluğunu kimin üstleneceği teknik bir sistemin tek başına çözebileceği sorular değil. YZ felsefenin bazı görevlerini üstlenebilir; fakat bu, felsefi ve siyasal muhakemeye duyulan ihtiyacı ortadan kaldırmaz. Tersine, az sayıdaki şirketin milyarlarca insanın kullandığı modeller için “iyi”, “zararlı” veya “kabul edilebilir” davranışın anlamını belirlemesi, felsefi tartışmayı aynı zamanda bir güç ve meşruiyet meselesine dönüştürür.

YZ’nin yaratacağı meslekleri yalnızca “YZ eğiticisi”, “prompt (komut) mühendisi” veya “etik uzmanı” gibi unvanlardan oluşan bir listeyle açıklamak mümkün değil. Daha kalıcı dönüşüm, mevcut işlerin parçalanmasında ve bu parçalardan yeni uzmanlık bileşimleri oluşturulmasında yaşanıyor. Fakat bu dönüşümün sonucu teknoloji tarafından önceden belirlenmiş değil. YZ rutin görevleri azaltıp çalışanlara muhakeme, yaratıcılık ve insan ilişkileri için daha fazla alan açabilir. Aynı teknoloji, düşük ücretli işçilere ağır ve görünmez görevler yüklerken karar verme yetkisini küçük bir uzman grubunda da toplayabilir.