Kısa cevap: Yapay zekâ önce işleri değil, işin öğrenildiği ilk basamağı aldı: rapor taslağı, veri temizliği, ilk kod, sözleşme ön taraması. ABD’de giriş seviyesi ilanlar 2023 başına göre üçte birden fazla azaldı, genç çalışanların istihdamı yapay zekâya açık mesleklerde geride kaldı. Junior almamak bugünün bütçesini rahatlatır, yarının kıdemlisini yok eder. Çözüm, giriş rolünü yeniden tasarlamak: acemi tabloyu kurmaz, makinenin kurduğu tabloyu denetler.
Bu yazıda neler var?
- Yapay zekânın en çok neden yeni başlayanların işlerini etkilediği ve bunun güncel verilerde nasıl göründüğü.
- Junior almamanın neden tasarruf değil, ertelenmiş bir gider olduğu.
- Yapay zekâ gerekçesiyle yapılan işten çıkarmaların neden sıkça pişmanlıkla sonuçlandığı.
- Eski giriş rolü ile yeni giriş rolünün farkı ve bunu kurmak için üç karar.
- İnsan kaynakları masası için 90 günde uygulanabilir bir kontrol listesi.
Bu yıl iş ilanı sitelerinde sessiz bir değişim var. İlanlar hâlâ açılıyor, ama “giriş seviyesi” yazan ilanların altında bile “en az iki yıl deneyim” satırı duruyor. Ekonomi beyaz yakalı iş üretmeye devam ediyor. Ama o işlere ilk kez girecek olana kapıyı eskisi kadar açmıyor.
Bunu Bloomberg Businessweek Türkiye’deki köşemde “Merdivenin İlk Basamağı” başlığıyla yazdım. Burada aynı konuyu insan kaynakları masasına taşıyorum. Çünkü bizim insan kaynakları oturumlarımızda en çok duyduğum soru bu: “Yapay zekâ varken junior’a gerek var mı?” Cevabım kısa: var. Ama eski junior’a değil.
Yapay zekâ giriş seviyesi işleri gerçekten azaltıyor mu?
Evet, en azından verinin en net olduğu ABD’de, giriş seviyesi ilanlar ve genç çalışanların işe alımı belirgin biçimde daraldı. Ama bu daralma işten çıkarmayla değil, daha az işe almayla oluyor. Kapı kapanmıyor, aralığı daralıyor.
Rakamlara bakalım. İşgücü verisi analiz eden Revelio Labs, ABD’de giriş seviyesi iş ilanlarının Ocak 2023’e göre yüzde 35’ten fazla azaldığını hesapladı. Bu ne demek? Her ay yaklaşık 100 bin daha az “ilk iş” ilanı. Aynı dönemde deneyim isteyen ilanlar hafifçe toparlandı.
Büyük teknoloji şirketlerinde tablo daha keskin. Girişim sermayesi şirketi SignalFire’ın Mayıs 2025’te yayımladığı yetenek raporuna göre, büyük teknoloji şirketlerinin yeni alımları içinde yeni mezunların payı yüzde 7’ye indi. Yani her yüz yeni çalışandan yalnızca yedisi okuldan yeni çıkmış biri. Yeni mezun alımı 2023’e göre yaklaşık dörtte bir, pandemi öncesi 2019’a göre yarıdan fazla düşmüş.
Bir de işsizlik tarafı var. New York Federal Rezerv Bankası’nın düzenli yayımladığı yeni mezun verisine göre, 22-27 yaş arasındaki yeni üniversite mezunlarında işsizlik 2026’nın ilk yarısında yüzde 5,6 civarında seyrediyor. Tüm çalışanlar için oran yüzde 4,2 civarındayken. Normalde diploma, iş piyasasında kalkan işlevi görürdü. Şu an yeni mezun, ortalama çalışandan daha zor iş buluyor.
En güçlü kanıt: Stanford’un “kömür madenindeki kanaryalar” çalışması
Stanford Dijital Ekonomi Laboratuvarı’ndan Erik Brynjolfsson ve ekibi, ABD’de milyonlarca çalışanın bordro kaydını izleyerek yapay zekânın istihdama etkisini ölçüyor. 12 Ağustos 2026’daki güncellemede bulgu şu: yapay zekâya en açık mesleklerde çalışan 22-25 yaş arası gençlerin istihdamı, daha az açık mesleklerdeki yaşıtlarıyla aynı hızda gitseydi olacağı seviyenin yaklaşık yüzde 19 altında. Bir yıl önce bu fark yüzde 15’ti.
İki ayrıntı önemli. Deneyimli çalışanlarda benzer bir düşüş yok. Düşüş işten çıkarmadan değil, gençlerin daha az işe alınmasından geliyor. Araştırmacılar ekonominin geneline yayılmış bir iş kaybı görmediklerini de not ediyor. Yani mesele “işler bitiyor” değil, “işe ilk girenin yeri daralıyor”.
Bizim okumamız: Yapay zekânın iş piyasasındaki ilk izi toplu işten çıkarmalar değil, açılmayan kadrolar. Kimse kovulmuyor, bu yüzden haber de olmuyor. Ama beş yıl sonra şirketin yaş piramidinde taban incelmiş olur.
Yapay zekâ neden en çok yeni başlayanların işini etkiliyor?
Çünkü makinenin ilk devraldığı görevler deneyimlinin değil, yeni başlayanın görevleri. Rapor taslağı çıkarmak, veriyi temizlemek, ilk kod bloğunu yazmak, sözleşmeyi ön taramadan geçirmek. Bunlar kuralı yazılı, çıktısı kontrol edilebilir işler. Yapay zekâ tam da bu tür yazıya dökülmüş bilgide iyi.
Yıllardır “yapay zekâ işleri yok ediyor” deniyor. Bence doğru cümle bu değil. Yok ettiği şey iş değil, basamak. O görevler bir zamanlar kariyerin ilk basamağıydı. Birinin para alarak öğrendiği yer.
Bir sahne düşün. 2019’da bir pazarlama ekibine yeni katılan biri ilk haftasında ne yapardı? Rakip markaların son üç aylık paylaşımlarını tabloya dökerdi. Sıkıcıydı. Ama o tabloyu kurarken hangi markanın hangi gün paylaştığını, hangi formatın tuttuğunu, müşterinin neye kızdığını öğrenirdi. Bugün o tablo bir komutla birkaç dakikada çıkıyor.
Peki basamak gidince ne oluyor? Analist bin tabloyu kendi kurarak tablonun mantığını öğrenirdi. Avukat yüz sözleşmeyi tarayarak nelerin ters gidebileceğini görürdü. Bu görevleri makine yapınca verimlilik artıyor. Aynı hamleyle öğrenme alanı kapanıyor. “Giriş seviyesi” diye açılan ilanlar bile iki üç yıl deneyim istiyor. Deneyim kazandıran işler için deneyim aranıyor.
Sahadan gözlem: AfterFAANG’de reklam metninin ilk taslağını, raporun ilk tablosunu, sosyal medya takviminin ilk sürümünü artık makine çıkarıyor. Beş yıl önce bu işler yeni başlayan arkadaşın masasındaydı. O arkadaş bu işleri yaparken mesleği öğreniyordu. Bu değişimi ilk fark ettiğimizde verimlilik kazancına sevindik. Sonra bir soru sorduk: “Peki yeni gelen artık neyi yaparak öğrenecek?”
Junior almamak neden tasarruf değil, ertelenmiş gider?
Çünkü kıdemli çalışan gökten inmez. Bir zamanlar acemi olan birinin yıllar içinde olgunlaşmasıyla oluşur. Acemiye verilecek işi bugün makineye verirsen o işi daha ucuza ve hızlı yaptırırsın. Ama kıdemliyi yetiştiren fideliği de kurutursun.
Ertelenmiş gider, bugün ödemediğin ama ileride faiziyle önüne gelen maliyet demektir. Junior almamak tam olarak budur. Bu çeyreğin tablosunda maaş kalemi küçülür. Beş yıl sonra ise terfi ettirecek orta kademe yöneticiyi bulamazsın, dışarıdan daha pahalıya transfer edersin ve şirket kültürünü bilmeyen birine ekip emanet edersin.
İnsan kaynakları yöneticisinin hesabı bu çeyrekte kapanmıyor. On yıl sonra ihtiyaç duyacağın deneyimli kişi, bugün işe almadığın yeni mezun.
Bilançoda görünmeyen kalem: ustalığın aktarımı
Bir meslek, kıdemliden acemiye yapılan sessiz bir devirle yaşar. Yazılı olmayan kurallar. “Bunu müşteriye böyle yazma” uyarıları. Toplantıdan çıkarken söylenen “fark ettin mi, finans direktörü o rakamı duyunca sustu” cümlesi. Yan yana çalışırken geçen sezgi.
Acemi masadan kalkınca bu kanal da kapanıyor. Bir kursla açılmıyor. Çünkü aktarılan şey bilgi değil, muhakeme. Muhakeme de ancak gerçek işin üstünde, gerçek riskle birlikte öğreniliyor.
Bizim okumamız: “Bu yıl junior’a ihtiyacımız yok” cümlesi çoğu zaman doğru bir tespit. Sorun, cümlenin yarım okunması. Tam hali şu: “Bu yıl junior’a ihtiyacımız yok, beş yıl sonra da terfi ettireceğimiz kimse olmayacak.” İkinci yarıyı yüksek sesle söyleyen yönetim kurulu, kararını genellikle değiştiriyor.
Yapay zekâ gerekçesiyle işten çıkaran şirketler pişman mı?
Önemli bir kısmı öyle görünüyor. İş gücü planlama yazılımı geliştiren Orgvue’nun 2025 başında ABD, Birleşik Krallık, Kanada ve Avustralya’nın da aralarında olduğu sekiz ülkede 1.163 üst düzey yöneticiyle yaptırdığı ankette, yöneticilerin yüzde 39’u yapay zekâ nedeniyle çalışan çıkardığını söyledi. Bunların yüzde 55’i, yani yarıdan fazlası, o çıkarma kararlarında yanlış yaptıklarını kabul etti.
Bu ne demek? Yapay zekâya devredilen iş çoğu zaman beklenenden fazla insan dokunuşu istedi. Yeniden alımların ne kadar yaygın olduğunu ölçen sağlam bir veri henüz yok. Ama yöneticilerin kendi ağzından gelen pişmanlık oranı yeterince açık.
Daha çarpıcı sinyal IBM’den geldi. Yapay zekâyı kendi operasyonlarında en yaygın kullanan şirketlerden biri olan IBM’in insan kaynaklarından sorumlu yöneticisi Nickle LaMoreaux, Şubat 2026’da şirketin ABD’de giriş seviyesi alımını bu yıl üçe katlayacağını açıkladı. Gerekçesi ilginç: iki üç yıl önceki giriş seviyesi işlerin çoğunu yapay zekâ artık yapabiliyor. Bu yüzden yeni gelen yazılımcı haftanın büyük kısmını kod yazarak değil, müşteriyle çalışarak ve yeni ürün geliştirerek geçiriyor. Yani IBM junior’ı kesmiyor, junior’ın işini değiştiriyor. Bunu da köşede yazdım: “Önce Kovdular, Şimdi Geri Arıyorlar.”
Bizim okumamız: Merdivenin ilk basamağını söküp atanlar, merdiveni yeniden inşa etmenin maliyetiyle karşılaşıyor. Senin şirketin için ucuz yol, sökmeden önce basamağı yeniden tasarlamak.
Yeni giriş rolü nasıl tasarlanır?
Yeni giriş rolü, acemiye işi sıfırdan yaptırmak yerine makinenin ürettiğini denetlettiren, düzelttiren ve karara bağlatan roldür. Kaçınılmaz bir kayıp değil bu. Ama tersine çevirmek bilinçli bir tasarım istiyor.
AfterFAANG’de yeni başlayan arkadaş artık ilk taslağı yazmıyor. Makinenin yazdığı taslağı müşterinin diline, markanın sınırına, kampanyanın hedefine karşı okuyor. Tabloyu kurmuyor. Makinenin kurduğu tabloda hatayı yakalamayı, doğru soruyu sormayı öğreniyor. Eski basamağın yerine yeni bir basamak. Daha yüksek, ama yine bir giriş.
PwC’nin Haziran 2026’da yayımladığı Küresel Yapay Zekâ İşleri Barometresi de bu yükselmeyi ölçüyor. ABD’deki 2,4 milyon giriş seviyesi ilanı inceleyen araştırmaya göre, yapay zekâya en açık giriş rolleri artık liderlik ve yaratıcılık gibi eskiden kıdemlilerden beklenen becerileri yaklaşık yedi kat daha sık istiyor. Basamak kalkmıyor, yükseliyor.
Eski giriş rolü ile yeni giriş rolü arasındaki fark altı noktada görünüyor:
- İlk görev: Eskiden taslağı sıfırdan yazmaktı. Şimdi makinenin taslağını hedefe karşı okumak.
- Veri işi: Eskiden tabloyu elle kurup temizlemekti. Şimdi makinenin kurduğu tabloda hatayı bulmak.
- Öğrenme yolu: Eskiden tekrar ederek, hacimle öğrenilirdi. Şimdi denetleyerek, soru sorarak öğreniliyor.
- Kıdemliyle ilişki: Eskiden ara sıra kontrol vardı. Şimdi takvime bağlı, düzenli ortak çalışma gerekiyor.
- Ölçülen çıktı: Eskiden üretilen iş miktarıydı. Şimdi yakalanan hata ve sorulan doğru soru.
- Altı ay sonra: Eskiden hızlı bir üretici çıkardı. Şimdi muhakemesi gelişmiş bir denetçi çıkıyor.
Sahadan gözlem: Yeni rolde en zorlandığımız nokta, acemiye “makineye güvenme” demek oldu. Makinenin çıktısı çoğu zaman düzgün görünüyor. Yanlış olduğu yeri bulmak, sıfırdan yazmaktan daha fazla dikkat istiyor. İlk ayda bu dikkati öğretmek için kıdemlinin yanında oturmak şart.
İnsan kaynakları hangi üç kararı vermeli?
Ben insan kaynakları oturumlarında bunu üç kararla kuruyorum. Üçü de pahalı teknoloji istemiyor. Yazılı bir tanım, bir takvim ve daha uzun bir hesap penceresi istiyor.
Birinci karar: giriş rolünün yeni tanımı yazılır
Bu rolde makine neyi yapar, acemi neyi denetler, altı ayda neyi öğrenmiş olur? Üç sorunun cevabı kâğıda dökülür. Yazılı değilse rol yoktur. Sadece “bir şekilde ekibe yardım eden” biri vardır ve o kişi ilk bütçe kesintisinde gider.
İkinci karar: usta çırak devri takvime bağlanır
Kıdemli ile acemi haftada kaç saat aynı işin üstünde? Bu saat sıfırsa aktarım da sıfır. Yapay zekâ orta kademenin rapor, özet, yazışma gibi idari yükünü gerçekten hafifletiyor. Açılan zamanın bir kısmı buraya yazılır. Mesela haftada üç saat, ortak bir müşteri dosyası üstünde.
Üçüncü karar: alım kararı on yıllık pencereyle verilir
Alım bütçesi bir yıllık verimlilik hesabıyla değil, on yıllık liderlik ihtiyacıyla konuşulur. “Bu yıl junior’a ihtiyacımız yok” cümlesi doğru olabilir. Ama “beş yıl sonra terfi ettireceğimiz kimse yok” cümlesiyle birlikte okunmalı.
Bu üç kararı uygulamaya dökmek için 90 günlük bir sıra öneriyorum:
- İlk iki haftada giriş seviyesi görevleri listele; her birine “makine yapar”, “makine yapar, insan denetler”, “insan yapar” notunu düş.
- Sonraki iki haftada her giriş rolü için bir sayfalık yeni tanım yaz: makinenin işi, aceminin denetimi, altı aylık öğrenme hedefi.
- İkinci ayın başında her acemiye bir kıdemli eşleştir, haftalık ortak çalışma saatini takvime işle.
- İkinci ayın sonunda orta kademenin yapay zekâ ile kazandığı zamanı ölç, bir kısmını bu saatlere ayır.
- Üçüncü ayda yönetim kuruluna beş yıllık terfi ihtiyacını gösteren basit bir tablo sun: hangi pozisyon, kaç kişi, kimden yetişecek.
- 90. günde ilk değerlendirmeyi yap: acemi kaç hata yakaladı, kaç doğru soru sordu, kıdemli kaç saat verdi.
Bizim okumamız: Bu üç kararın en çok atlanan kısmı ikincisi. Tanım yazılıyor, bütçe ayrılıyor, ama kıdemlinin takvimine kimse dokunmuyor. Sonra “junior’lar yeterince hızlı gelişmiyor” deniyor. Gelişmesi için birinin yanında olması gerekiyordu.
Türkiye’de durum ne, bu tartışma bizi ilgilendiriyor mu?
İlgilendiriyor, ama rakamları dikkatli okumak gerekiyor. TÜİK’in 31 Ağustos 2026’da açıkladığı verilere göre Türkiye’de Temmuz 2026’da genel işsizlik yüzde 8,1, 15-24 yaş arası gençlerde ise yüzde 14,5. Genç kadınlarda oran yüzde 20,3’e çıkıyor. Yani gençler, ortalama çalışana göre neredeyse iki kat daha zor iş buluyor.
Bu farkın ana nedeni yapay zekâ değil; Türkiye’de genç işsizliği yapay zekâdan çok önce de yüksekti. Ama tam da bu yüzden mesele daha hassas. Zaten dar olan kapıya bir daraltıcı daha eklenirse, gençlerin iş hayatına girişi daha da gecikir. Pazarlama, finans, hukuk ve yazılım gibi beyaz yakalı işlerde ABD’de görülen etkinin burada da görülmesi şaşırtıcı olmaz.
Sahadan gözlem: İnsan kaynakları oturumlarımızda yeni mezun alımını kısma gerekçesi olarak daha çok maliyet baskısını duyuyoruz. Ama kısılan kadronun yerine konuşulan araç genellikle yine yapay zekâ. İki gerekçe birbirini besliyor.
Büyük resim: iş azalıyor mu, yer mi değiştiriyor?
Mevcut öngörülere göre toplamda iş azalmıyor, yer değiştiriyor. Dünya Ekonomik Forumu’nun Ocak 2025’te yayımladığı İşlerin Geleceği Raporu, 2025-2030 arasında dünyada 170 milyon yeni iş doğacağını, 92 milyon işin ise ortadan kalkacağını öngörüyor. Net sonuç yaklaşık 78 milyon işlik artış.
Yeni işlere kimin gireceği ise tabanda bir giriş basamağı bırakılıp bırakılmadığına bağlı. PwC’nin aynı barometresine göre yapay zekâ becerisi isteyen ilanlarda ücret primi ortalama yüzde 62. Yani bu becerilere sahip çalışan, aynı işteki akranından belirgin biçimde fazla kazanıyor. Ama o prim merdivene hiç çıkamayan için bir anlam taşımıyor.
Asıl soru “hangi meslek yok olacak” değil. Meslekler duruyor, kapıları daralıyor. Soru şu: bugün ihtiyaç duymadığın acemiyi, on yıl sonra ihtiyaç duyacağın kıdemli için işe almayı göze alacak mısın?
Bizim okumamız: Yapan kısa vadede biraz daha pahalıya çalışır, deneyim üreten zincirini korur. Yapmayan bugünün bilançosunu güzelleştirir. Sonra bir gün kıdemli ararken kimseyi bulamaz ve dışarıdan, daha pahalıya, kültürü bilmeyen birini alır.
Sık sorulan sorular
Yapay zekâ junior işlerini tamamen ortadan kaldıracak mı?
Mevcut veriler bunu göstermiyor. Stanford’un 2026 çalışması ekonomi geneline yayılmış bir iş kaybı görmüyor. Etki, yapay zekâya açık mesleklerde gençlerin daha az işe alınması biçiminde yoğunlaşıyor. Giriş rolleri kaybolmaktan çok değişiyor: sıfırdan üretmek yerine makinenin çıktısını denetleyen, düzelten ve karara bağlayan roller öne çıkıyor.
Hangi giriş seviyesi görevler yapay zekâdan en çok etkileniyor?
Kuralı yazılı ve çıktısı kontrol edilebilir görevler: rapor taslağı, veri temizliği, basit kod, sözleşme ön taraması, ilk metin taslağı. Bunlar eskiden yeni başlayanların mesleği öğrendiği işlerdi. Müşteriyle ilişki ve belirsizlikte karar verme gibi görevler daha az etkileniyor.
Junior almamak şirkete neden zarar verir?
Kıdemli çalışan, yıllar içinde olgunlaşan bir acemiden çıkar. Bugün junior almayan şirket beş yıl sonra terfi ettirecek orta kademeyi bulamaz, dışarıdan daha pahalıya transfer yapar. Kıdemliden acemiye aktarılan yazılı olmayan bilgi de kaybolur.
Yeni giriş rolünde acemi ne yapar?
Makinenin ürettiği taslağı, tabloyu ya da kodu hedefe, markaya ve müşteri ihtiyacına karşı okur. Hatayı yakalar, eksik soruyu sorar, düzeltir. Yani üreticiden çok denetçi olarak başlar. Rolün altı aylık öğrenme hedefi yazılı olmalı.
Usta çırak ilişkisi yapay zekâ çağında nasıl korunur?
Takvime bağlanarak. Kıdemli ile acemi haftada belirli saatler aynı gerçek işin üstünde çalışmalı. Yapay zekânın orta kademeden aldığı rapor, özet ve yazışma yükü sayesinde açılan zamanın bir kısmı bu saatlere ayrılabilir. Saat sıfırsa aktarım da sıfırdır.
Türkiye’de genç işsizliği yapay zekâ yüzünden mi yüksek?
Hayır, ana neden bu değil. TÜİK’e göre Temmuz 2026’da 15-24 yaş işsizliği yüzde 14,5, genel oran yüzde 8,1. Bu fark yapay zekâdan önce de vardı. Ama zaten dar olan bir kapıya yapay zekâ ikinci bir daraltıcı olarak eklenirse, gençlerin beyaz yakalı işlere girişi daha da gecikebilir.
Yapay zekâ becerisi gerçekten daha fazla kazandırıyor mu?
PwC’nin Haziran 2026’da yayımladığı barometreye göre yapay zekâ becerisi isteyen ilanlarda ortalama ücret primi yüzde 62. Oran sektöre göre değişiyor. Ama bu primden yararlanmak için önce işe girmek gerekiyor. Giriş basamağı kapanırsa prim de yalnızca zaten içeride olanlara kalır.
İnsan kaynakları yöneticisi bu hafta ne yapabilir?
Giriş seviyesi görevleri listeleyip her birini “makine yapar”, “makine yapar, insan denetler”, “insan yapar” diye işaretleyebilir. Bu tek liste, hangi rollerin yeniden tanımlanacağını gösterir ve yönetime götürülecek ilk somut belge olur.
“İşgücü ve Yetenek: Kariyer Stratejisi”, AfterFAANG Kurumsal Eğitim Programı’nın insan kaynakları liderlerine dönük üçüncü sunumudur. Yarım günde üç kararı, bir teşhis formunu ve 90 günlük planı birlikte kuruyoruz. Ayrıntılar için: afterfaang.com/yapay-zeka-egitimleri
