Teknolojinin İş Gücü Üzerindeki Etkisinin Kısa Tarihi
Bugün üretken yapay zekanın işler üzerindeki olası etkisini incelemeden önce, teknolojinin yakın tarihin kritik noktalarında işimizi ve ekonomiyi nasıl etkilediğine kısaca bakalım (örneğin bkz. Acemoglu, 2002).
1770'ten 1970'e: Otomasyon Artan Verimliliğe Katkı Sağladı
19. yüzyılda Britanya'da, düşük vasıflı iş gücü bol, yüksek vasıflı işçiler ise kıttı. Bu dönemde fabrikalar, tekstil sektöründe pamuk eğirme gibi vasıflı zanaat işleri basitleştirip otomatikleştirdi. Bu durum kayda değer verimlilik artışlarına yol açtı; ancak aynı zamanda, zanaatkârların tam da bu otomasyonu engellemek için makineleri parçaladığı Luddite ayaklanmaları gibi protestolara da neden oldu.
20. yüzyılın başlarında da benzer bir gelişme yaşandı: Montaj hattının devreye girmesi, tekrarlı ve düşük vasıflı işlere olan talebi (büyük ölçüde) artırdı. Ancak 1970'lerden itibaren bu bir istisna oldu: O tarihten bu yana, yeni teknolojiler çoğunlukla yüksek vasıflı işçilere yarar sağladı; çünkü çoğu kez orta sınıf işleri tarafından yürütülen vasıfsız veya yarı vasıflı rutin görevleri ikame etti; aşağıdaki bölümde açıklandığı gibi.
Buna bir örnek olarak, tarım sektörlerinde önce at gücüyle çalışan makineler, ardından da meşakkatli el işçiliğinin yerini alan içten yanmalı motorlar aracılığıyla yaygın otomasyon gösterilebilir.
1970'ten 2010'a: Otomasyon Artan Eşitsizliğe Katkı Sağladı
Birkaç yıl önce emek ekonomisi ve istatistik alanında doktoramı bitirdiğimde, dört on yıllık yükselen ücret eşitsizliğine tanık olmuştuk. Bu artış, büyük ölçüde daha iyi eğitimli işçilere yönelik artan talebin (dış kaynak kullanımına uygun işlerde ücretler üzerindeki aşağı yönlü baskıyla birlikte) etkisiydi. Elbette, sendika kapsamındaki düşüş gibi diğer nedenler de burada önemli rol oynuyor.
Bu, şaşırtıcı bir trenddi; zira aynı dönemde eğitimdeki genişleme, yüksek eğitimli genç mezunların arzında büyük bir artışa yol açmıştı. Robotlar gibi zekâsız otomasyon ile dış kaynak kullanımı, özellikle imalatta yaygın biçimde uygulandı ve çoğu kez otomasyona yatkın rutin görevleri içeren eski orta sınıf işlerinin yerini aldı (bkz. Autor vd., 2022).
Örnekler arasında tekrarlayan montaj görevleri, toplama veya ayıklama ile kayıt tutma veya hesaplama yer alır. Microsoft'un Excel'i tipik ofis işlerini açıkça değiştirdi ve gişe memurluğu ya da santral operatörlüğü gibi işler büyük ölçüde ortadan kalktı. Aynı zamanda, daha önce bilinmeyen kariyerler, örneğin veri analistleri, rüzgâr türbini teknisyenleri veya ruh sağlığı danışmanları ortaya çıktı. Bu işlerin ortaya çıkışı doğrudan otomasyonun bir sonucu değil; ancak otomasyon ve artan verimlilik, yeni alanlara odaklanmamıza imkân tanıdı.
Bu yeni teknolojilerin makroekonomik toplam etkileri ise umulduğu kadar büyük olmadı. 1970'lerin başından bu yana verimlilik artışları belirgin şekilde yavaşladı (1990'ların sonundaki dot-com balonu civarında kısa bir istisna ile; bkz. Moss vd., 2020). Nobel ödüllü Robert Solow bunu meşhur verimlilik paradoksuyla tarif etti: “Bilgisayar çağını her yerde görüyorsunuz, ama verimlilik istatistiklerinde değil.”
Bilgisayarların neden bizi daha verimli yapmadığı konusunda (örneğin ölçüm hataları ya da Wikipedia veya sosyal medya gibi görünürde ücretsiz ürünler) geniş bir tartışma var; ancak kesin nedenler hâlâ tartışmalı. Tartışmasız olan, verimlilik artışının, İkinci Dünya Savaşı'nı takip eden otuz yıla kıyasla ancak yarısı kadar olduğudur.
2010'dan COVID-19'a: Yapay Zeka ve Pandemi Kaynaklı Teknolojik İlerlemenin Yokluğunda İstihdam Artışı
Büyük Durgunluk sonrasındaki toparlanma (ve verimlilik artışı) hayal kırıklığı yaratsa da, iş gücüne olan talep güçlüydü; The Economist'in 2019'daki başlığıyla: “Zengin dünya eşi görülmemiş bir istihdam patlaması yaşıyor.” Bu istihdam kazanımları, büyük ölçüde yeni teknolojilerle ilgili olmayan, ekonomik teşvikler, düşük faizler ve kadınların iş gücüne katılımının artması gibi faktörler tarafından yönlendirildi.
Şirketler 2010 civarında yapay zeka ile ilgili uzmanları işe almaya başladı. Trend 2015 civarında yeniden hızlandı ve bu işletmelerin diğer bölümlerdeki işe alımlarını azalttığına dair bazı kanıtlar var. Yine de, COVID-19 pandemisine kadar, ilk makine öğrenimi modellerinin istihdam veya ücretler üzerinde etkisi olduğuna dair çok az kanıt vardı (bkz. örneğin Acemoglu vd., 2022).
COVID pandemisi, aksi takdirde on yıl sürecek bir sürede ortaya çıkabilecek işletme ve iş üzerindeki etkileri öngörülmedik şekilde hızlandırdı. Uzaktan çalışma ve evden çalışma yaygınlaştı; pandemi öncesinde tüm çalışma günlerinin yalnızca yaklaşık %5'i evden yapılırken, pandeminin zirvesinde bu oran %60'a fırladı ve o zamandan beri yaklaşık %30 seviyesinde kaldı (bkz. Bloom vd., 2023). Birçok şirket ayrıca robotlar veya self-servis kasa makineleri gibi otomasyona yönelik yatırımlarını da hızlandırdı.
LLM'ler Beyaz Yakalı İşleri Nasıl Etkileyecek?
Bu kısa tarihsel gezi, teknolojik değişimin işler üzerindeki etkisinin belirsiz olduğunu gösteriyor. Ekonomistler bunun ya beceri ikame edici (19. yüzyılda olduğu gibi) ya da beceri artırıcı (20. yüzyılda olduğu gibi) olabileceğini söyler.
Modern ekonomik modellerde, bazen gözden geçirilmiş kanonik model olarak adlandırılan yaklaşıma göre (Acemoglu ve Autor, 2011), işler bir görev demetinden oluşur ve her birinin kendi karşılaştırmalı üstünlüğüne sahip olduğu farklı insan becerileri veya eğitim grupları vardır.
Bu gruplar birbirlerinin yerine geçebilir, ancak mükemmel bir şekilde değil. Yeni teknolojilerin belirli beceri gruplarının yerini alıp almayacağı, diğerlerinin yanı sıra, belirli görevlere olan talebe, bu grupların arzına veya bulunabilirliğine ve ücretlerine bağlıdır.
Genel olarak, Almanya, Japonya ve Güney Kore gibi daha hızlı yaşlanan gelişmiş ülkelerin, üretim işçilerinin kıtlığına yanıt olarak daha fazla robot benimsediğini gördük. Yüksek vasıflı işçi sayısı yetersizse, yüksek vasıflıların ücretleri yüksekse veya talep edilen ile mevcut olan arasında bir beceri uyumsuzluğu varsa, firmaların beceri ikame edici teknolojiler icat etme ve benimseme motivasyonu vardır. DataCamp'te, belirli talep gören becerileri mümkün olduğunca çok kişiye erişilebilir kılmak için aktif olarak çalışıyoruz!
İlginçtir ki, yakın zamana kadar birçok kişi muhtemelen otomotiv araçları gibi yeni yapay zekaların ilk etapta kamyon veya tren sürücüleri gibi mavi yakalı işleri ikame edeceğini düşünürdü. Ancak son dönemde piyasaya sürülen Üretken Yapay Zeka uygulamaları, makale yazma, arka plan araştırması yapma veya programlama gibi tipik olarak beyaz yakalılarca yürütülen görevlerde kayda değer beceriler sergiliyor.
Hadi, ChatGPT gibi LLM'lere hangi görevleri otomatikleştirebileceğini soralım.
Çeviri, metin, görüntü, video üretimi, müzik besteleme, sohbet ajanları veya kişisel öneriler öneriyor. Bu liste, bazı çalışmaların Üretken Yapay Zeka'nın daha yüksek gelirli meslekleri daha fazla etkileyebileceğini öne sürmesinin nedenini vurguluyor. Bu işler arasında dil, edebiyat, tarih öğretmenleri; hukuk hizmetleri; finans, sigorta ve muhasebe işleri yer alıyor (bkz. Felten vd., 2023).
Üretken Yapay Zeka'nın eğitim üzerindeki etkisi muhtemelen derin olacak olsa da, öğrencilerin kendi hızlarında öğrenmelerine imkân tanıyan yapay zeka asistanlarını düşünün; öğretme pozisyonlarının kısa vadede önemli ölçüde ikame edilmesi pek olası görünmüyor (çünkü bir sohbet botunun öğretebileceklerinin ötesinde kritik rollere sahipler). Bununla birlikte, görüntü, metin ve ses tanımada Üretken Yapay Zeka'nın kaydettiği ilerleme, (arka plan) araştırma, tıbbi teşhis, müşteri hizmetleri veya (veri) analizleri üzerinde derin etkiler yaratabilir.
Bu, radyologların, çevirmenlerin veya muhasebecilerin ortadan kalkacağı anlamına gelmez; ancak bu işlerin gelecekte çok farklı görünebileceği anlamına gelebilir. Doktorlara (umarız) hastalara odaklanmak için daha fazla zaman kazandırıp onları temel idari işlerden kurtarmak gibi.
OpenAI ve Goldman Sachs'in İş Etkilerine İlişkin Tahminleri
OpenAI ortak yazarlı bir çalışma, ChatGPT'nin kurucuları, yeni LLM modellerini, birincisi birçok alanda çok yönlü iş akışlarına uyarlanabilen, ikincisi sürekli gelişen ve üçüncüsü tamamlayıcı yeniliklere ve taşmalara yol açan genel amaçlı teknoloji olarak ele alıyor.
ABD'deki iş gücü tarafından gerçekleştirilen tüm görevlerin %15'inin LLM'ler sayesinde önemli ölçüde daha hızlı yapılabileceğini tahmin ediyorlar. İlave tamamlayıcı teknolojiler eklendiğinde, bu oran tüm görevlerin yarısını aşabilir.
Güçlü şekilde maruz kalan görevlere örnek olarak yazma ve kodlama verilirken, bilim veya eleştirel düşünme bunlar arasında değildir. Maruziyet burada, “Bir LLM veya LLM destekli bir sistemin, bir insanın [...] bir görevi yerine getirmesi ya da tamamlaması için gereken süreyi en az %50 azaltıp azaltmayacağı” şeklinde hesaplanıyor. Genel olarak, daha fazla eğitim, öğretim ve deneyim gerektiren işlerin daha fazla maruz kalma eğiliminde olduğunu buluyorlar.
Goldman Sachs, ABD'deki tüm işlerin üçte ikisinin en azından kısmen Üretken Yapay Zeka'dan etkileneceğini (görevlerinin %25 - %50'sinin potansiyel olarak otomatikleştirilebileceğini) tahmin ediyor. Ancak, kitlesel işten çıkarmalar beklemiyorlar ve Üretken Yapay Zeka'yı genel olarak insanları ikame eden değil, onları tamamlayan bir teknoloji olarak görüyorlar.
Üretken Yapay Zeka'nın Kısa Vadeli Etkileri
Bu, kısa ve orta vadeli etkiler için muhtemel bir üst sınırdır; zira yeni teknolojiler genellikle bir benimseme süresi gerektirir. Üretken Yapay Zeka, örneğin gerçekten ana akım olması bir iki on yılı bulan internete kıyasla muhtemelen daha hızlı benimsenecektir.
Üretken yapay zekanın benimsenmesini çevreleyen hukuki ve etik sorular
Yine de, yeni teknolojiler bile aşılması gereken belirli engellerle karşılaşacaktır. Özellikle yüksek ücretli beyaz yakalı mesleklerde geçerli olan hukuki sorular ve eğitim, tıp veya profesyonel hizmetlerde görevlerin otomasyonuna ilişkin belirsizlikler var.
Örneğin, Üretken Yapay Zeka bir hata yaparsa bundan kim sorumlu olacak ya da böyle bir modeli eğitmek için webde kitlesel tarama yapılmasının potansiyel telif hakkı ihlalleri ne olacak? Ve eklemek gerekir ki, yakın tarihli LLM'leri yayımlayan şirketler bile bu modellerin bazen spektaküler şekilde başarısız olduğunu kabul ediyor (ve nedenini tam olarak değerlendirmek karmaşık görünüyor).
Üretken yapay zekanın belirli işleri dönüştürmesi
Bu engeller tüm beyaz yakalı işler için eşit ölçüde geçerli değil. Üretken Yapay Zeka, emek piyasamızın belirli segmentlerini pekâlâ şimdiden dönüştürüyor olabilir. Sıklıkla oldukça jenerik metinler taslağı çıkarmayı içeren pazarlamayı veya sohbet botlarının büyük ilerleme kaydettiği müşteri desteğini düşünün. LLM'ler metinleri çevirmede, sentezlemede ve hatta yorumlamada o kadar yetenekli görünüyor ki, gelecekte benzer sayıda çevirmen gerekeceğini hayal etmek zor.
Google Translate veya DeepL gibi araçlar zaten çok iyi ve Google'ın BERT'inin ilk kullanım alanı da tam olarak çeviriydi. Sırada, nispeten basit yazılım geliştirme işleri ile medya ve eğitimde standart içerik üretimi belirli ölçüde makinelere devredilebilir; paralegal veya vergi beyannamesi hazırlama görevlerinde olduğu gibi.
Sohbet yoluyla destek görevlerindeki muazzam ilerleme nedeniyle müşteri hizmetleri işleri şüphesiz etkilenecektir. Örneğin yeni yayımlanan bir çalışma, Erik Brynjolfsson ortak yazarlı, Üretken Yapay Zeka'nın 5.000'den fazla müşteri hizmetleri temsilcisinin performansını ortalama yaklaşık %14 artırdığını; bunun özellikle yeni çalışanlar için geçerli olup daha deneyimli temsilciler için pek geçerli olmadığını tahmin ediyor.
Makinelere dış kaynak (otomasyon) ile yabancı ülkelere dış kaynak (offshoring) etkisi, etkilenen çalışanlar açısından oldukça benzerdir. İşleri ya kodlanıp yerelde daha ucuz robotlarca yürütülür ya da elektronik olarak aktarılır veya fiziksel olarak başka ülkelere gönderilir ve daha ucuz iş gücü tarafından yapılır.
Üretken Yapay Zeka'nın Uzun Vadeli Etkileri
Üretken Yapay Zeka'nın ekonomimiz üzerindeki orta ve uzun vadeli etkisi kesinlikle derin olacaktır. Robotik gibi diğer teknolojilerle birleştirildiğinde, çoğu iş farklı derecelerde etkilenecektir (yine de anaokulu öğretmenleri, servis personeli veya sosyal hizmetler şimdilik güvenli gözüküyor).
Son on yıllarda özellikle yüksek vasıflı işler için talep ve ücretlerin arttığını; buna karşılık orta sınıf işlerinin sayısının azaldığını ve düşük ücretli işler için ücretlerin çoğu kez durgunlaştığını gördük. Ancak, iş gücü piyasasında kutuplaşmaya yol açan başka bir trende de tanık olduk: sıklıkla düşük ücretli olan hizmet işleri talebinde artış. Buna paket teslimatı, market raflarının doldurulması, depo çalışmaları ve temizlik, güvenlik veya çocuklar ya da yaşlılara bakım gibi kişisel hizmetler dahildir. Buraya kamyon, demiryolu veya Uber sürücülerini de ekleyin.
Üretken yapay zeka gelişiminin geleceğine dair üç olası senaryo
Bu işlerin çoğu, otomotiv teknolojileri daha da ilerler ve robotlar hem zeki hem de önemsiz olmayan 3B görevleri daha iyi yapabilir hale gelirse, savunmasız olabilir. Burada üç farklı senaryo hayal edebiliyorum:
- Bir kırılma noktasına tanık oluyoruz ve Üretken Yapay Zeka, matbaa, buhar makinesi veya transistör üretimi gibi çığır açan bir teknoloji; bu da çalışma ve yaşam biçimimizde önemli değişimlere yol açıyor ve orta vadede sürekli iyileşme bekleniyor.
- Üretken Yapay Zeka, belirli alanların ötesinde insan görevlerini güvenle ikame edebilmeden önce onlarca yıllık geliştirme gerektirebilir; tıpkı bir on yıl önceki büyük ilerlemelere rağmen, insan gözetimi olmaksızın güvenlikte sınırlamalarla karşılaşan sürücüsüz arabalar gibi.
- Mevcut teknolojiler şimdiden zirvesine ulaşmış olabilir ve arama motorlarında Google'ın PageRank'inin 2000'lerin başında (Yahoo! ve Altavista'dan pazar payını alarak) aramayı devrimleştirmesinden bu yana artımlı ilerlemeler görülmesi gibi, bundan sonra çok fazla bir şey gelmeyebilir.
Elbette, bu senaryolardan hangisinin gerçekleşeceğini bilmiyoruz; ancak internetin ilk günlerinden bu yana hiç olmadığım kadar, buhar kazanan dönüştürücü bir teknolojiye tanık olduğumuz konusunda daha iyimser (ve kısmen tedirgin) hissediyorum.
Bir Yapay Zeka Ütopyasına mı, Yoksa Distopyasına mı Gidiyoruz?
Bu gelişmeler, çoğunlukla ya diğer insanlarla doğrudan yüz yüze etkileşimi, ya bu yeni teknolojilerin geliştirilmesi ve bakımını, ya da karmaşık veya özel el becerisi gerektiren görevleri içeren az sayıda işin kaldığı distopik bir geleceğe mi yol açacak?
Sanmıyorum.
Genellikle teknolojiye tamamlayıcı yeni roller icat etmede ya da tamamen yeni bir şeyler yapmada iyiyiz (veri bilimciler, drama terapistleri veya dövmeciler gibi). Bu yüzden işsiz bir gelecek konusunda endişelenmiyorum.
Yine de, bir şirket lideri olsaydım, işletmem üzerindeki potansiyel etkiyi çok ciddiye alır, nasıl tepki vereceğimi ve kimi işe alacağımı stratejik olarak düşünürdüm.
Birey olarak da, yatırım yapmak istediğim beceriler hakkında ve bunların akıllı makineler tarafından otomasyona ne kadar açık olduğu konusunda dikkatlice düşünürdüm.
Bir politika yapıcı olarak, eğitimi daha fazla teşvik eder, eğitim müfredatını gözden geçirir, bir kırılma noktasında olabileceğimize dair farkındalığı artırır ve özellikle gençleri yakında otomatikleşecek işlere yönelmekten kaçınırdım.
Bir Sonraki Seviyeye Taşıyın
Siz, bireysel olarak, işletmenizin başarısından veya başkalarından sorumlu biri olarak, Üretken Yapay Zeka'dan en iyi şekilde yararlanmak için neler yapabilirsiniz?
Bence, bugün itibarıyla, gerçekten yeni ve çığır açıcı bir teknolojik değişimin ortaya çıktığını görme olasılığımız yüksek. Bu nedenle, en iyi nasıl tepki vereceğinizi belirlemek için Üretken Yapay Zeka'nın temelini anlamanızı şiddetle tavsiye ederim.
Bunu nasıl yapabilirsiniz? Örneğin, DataCamp'in ChatGPT'ye Giriş kursuyla ChatGPT öğrenebilir (ve yakında yayımlayacağımız ek kurslarla) ya da Veri Bilimi Projeleri için ChatGPT Kullanım Rehberi veya Python'da OpenAI API Hızlı Başvuru gibi diğer kaynaklarımızdan yararlanabilirsiniz.
Elbette, bu yeni teknolojileri bizzat denemenizi ve birkaç istem akışı oluşturmanızı öneririm. LLM'ler hakkında daha fazla bilgi sahibiyseniz, aşağıda bağlantısı verilen bazı araştırma makalelerini de okuyabilir ve yeni gelişmelerden haberdar olabilirsiniz.
Kaynaklar:
