Yapay Zeka ve Beyaz Yaka İşler: Tahminleri Kanıttan Ayırmak
Yapay zekanın beyaz yaka işleri ne hızla devraldığı sorusuna verilen cevapların çoğu tahmin, ölçüm değil. Anthropic CEO'su Dario Amodei'nin giriş seviyesi işler için yaptığı uyarı da bu sınıfa giriyor: ciddiye alınır, ama sayılmış bir şey değil. Ayrım teorik de değil, çünkü şirketler bugün elinde veri olduğu için değil, tahmine inandığı için kadro kesiyor.
Tahmini yapan kim, neye dayanıyor
Amodei'nin uyarısı Axios'ta yayımlandığında manşet oldu: giriş seviyesi beyaz yaka işlerin önemli bir kısmı birkaç yıl içinde eriyebilir, işsizlik yüzde 10-20 bandını görebilir. Bu rakam bir araştırmanın sonucu değil, model geliştiren bir şirketin yöneticisinin kendi ürününün hızına dair sezgisi.
Bir yöneticinin kendi ürününün gücü hakkındaki tahminini, şirketlerin açtığı ilan sayısındaki değişimden daha zayıf bir kanıt sayarım. Birincisi, doğru çıkması söyleyenin işine yarayan bir öngörü. İkincisi, zaten gerçekleşmiş bir davranış ve geriye dönük sayılabiliyor. İkisi aynı cümlede yan yana kullanıldığında tartışma bulanıyor.
Sayılabilen işaretler
Sayılabilen tarafta üç şey var: açık pozisyon ilanları, işten çıkarma duyuruları ve şirketlerin yazılım harcamalarının nereye kaydığı. Microsoft, Walmart ve CrowdStrike'ın kadro azaltmaları bu duyuruların en çok konuşulanları oldu.
Duyuru ile sebep aynı şey değil. "Yapay zeka nedeniyle küçülüyoruz" bir yatırımcı mesajıdır; aynı küçülme beş yıl önce "verimlilik programı" adıyla yapılıyordu. Bir işten çıkarmanın gerçekten otomasyondan kaynaklandığını anlamanın tek yolu, boşalan rolün işinin nereye gittiğine bakmak: kalan ekibe mi dağıldı, taşerona mı gitti, yoksa gerçekten bir sisteme mi devredildi? Bu ayrımı yapan haber neredeyse yok.
Otomasyonun ucuzlattığı kısım
Kodlama, farkın en net göründüğü yer. Bir model, tarif edilen fonksiyonu saniyeler içinde yazıyor ve bu kısım gerçekten çözüldü. Zor kısım hiçbir zaman orada değildi: on beş yıllık bir kod tabanında o fonksiyonun nereye oturacağına karar vermek, yan etkilerini kestirmek, gece üçte alarm çaldığında sorumluluğu üstlenmek. Metin yazarlığında ve finansal analizde yapı aynı. Üretim ucuzladı, doğrulama ucuzlamadı.
Bu yüzden "şu meslek gidiyor" listeleri fazla kaba. Giden şey meslek değil, mesleğin içindeki üretim adımı. Geriye kalan doğrulama ve sorumluluk kısmı daha az kişiyle yapılabiliyor, işin daralması da buradan geliyor.
Junior kadroyu kesmenin faturası
Tartışmanın atladığı sınır şu: kesilen pozisyonlar rastgele değil, ilk kesilen hep giriş seviyesi. Ama kıdemlinin yaptığı doğrulama işi okulda öğrenilmiyor, junior yıllarında birikiyor. Bugün junior almayan şirket, beş yıl sonra ihtiyaç duyacağı kıdemliyi de yetiştirmemiş oluyor.
Tek bir şirket için bu açık transferle kapatılabilir görünür. Herkes aynı anda aynı kararı verdiğinde transfer edilecek havuz oluşmaz. Şirket ölçeğinde rasyonel olan karar sektör ölçeğinde kendini yiyor. Yapay zekanın istihdama asıl etkisi önümüzdeki on yılda buradan çıkabilir: toplu işsizlikten çok, ortası boşalmış bir kıdem piramidi.
Ne işe yarar, ne yaramaz
Politika tarafında en çok konuşulan başlık yeniden eğitim programları, en az işe yarayanı da o. Kırk beş yaşındaki bir muhasebeciyi altı haftalık kursla veri analistine çevirmek pratikte olmuyor, denenen yerlerde de olmadı. Yapay zeka şirketlerinden alınacak kullanım vergisi ve gelir aktarımı tartışması daha az popüler, ama en azından çalışan bir mekanizmaya dayanıyor.
Birey tarafında işe yarayan tek şey, yaptığın işin hangi kısmının üretim hangi kısmının doğrulama olduğunu bilmek. Ağırlığın üretimdeyse aracı kullanmayı öğrenmek seni kurtarmaz, çünkü onu herkes öğrenecek. Çıktının nerede yanlış olduğunu görebilecek kadar alan bilgisi biriktirmek kurtarır.
Kaynaklar