3 Yapay Zeka Modelinin Riskler Konusunda Görüş Ayrılığı Yaşaması Tahminleri Güvensiz Kılıyor

Yeni bir çalışma, iş kaybını öngören yapay zeka modellerinin hangi işlerin risk altında olduğu konusunda %25'e varan oranlarda görüş ayrılığına düştüğünü ortaya koyuyor.

Yeni bir araştırma, dünyanın önde gelen yapay zeka modellerinin hangi işlerin otomasyona en çok maruz kaldığı konusunda farklı ve sıklıkla çelişkili tahminler ürettiğini ortaya koyarak, yapay zeka destekli ekonomik tahminlerin güvenilirliği hakkında soru işaretleri yarattı. Ulusal Ekonomik Araştırma Bürosu (NBER) tarafından yayımlanan çalışma tebliği, politika yapıcılar ve çalışanlar için acil bir endişe kaynağı haline gelen bu alandaki belirsizliği vurguluyor ve en iyi 3 model arasındaki iş riski konusundaki görüş ayrılığını gösteriyor.

Çalışmanın yazarlarından Northwestern Üniversitesi'nden Michelle Yin, "Kişisel olarak, 'Ah, işimi değiştirmeliyim' veya 'Çocuğumun bölümünü değiştirmeliyim' demek için tek bir ölçüme güvenmezdim" dedi. Araştırma, yapay zekanın kendi etkisini tahmin etmek için kullanılmasına rağmen sonuçların tutarlı olmaktan çok uzak olduğunu belirterek, bu tahminleri olduğu gibi kabul etmeye karşı temkinli olunması gerektiğini vurguluyor.

Yin, Northwestern Üniversitesi'nden Hoa Vu ve American Üniversitesi'nden Claudia Persico tarafından ortaklaşa hazırlanan çalışma, üç büyük yapay zeka modelinin iş maruziyet sıralamalarını inceledi: OpenAI’ın ChatGPT-5’i, Google Deepmind’ın Gemini 2.5’i ve Anthropic’in Claude 4.5’i. Örneğin, Claude muhasebecileri yapay zekaya karşı son derece savunmasız olarak değerlendirirken, Gemini onlara çok daha düşük bir risk atadı. Modeller ayrıca reklam yöneticileri ve CEO'lar gibi rollerin savunmasızlığı konusunda da anlaşmazlığa düştü.

Bulgular, stratejik iş gücü planlaması için yapay zeka tarafından oluşturulan "maruz kalma puanlarına" güvenen yatırımcılar ve şirketler için bir zorluk teşkil ediyor. ChatGPT ve Gemini gibi modellerin yaklaşık dörtte bir oranında görüş ayrılığına düşmesiyle çalışma, mevcut yapay zeka neslinin gelecekteki aksaklıklara dair net bir bakış açısı sunmaktan ziyade, benimsemedeki mevcut önyargıları yansıtıyor olabileceğini öne sürüyor.

Modeller Arasındaki Görüş Ayrılığı

Araştırmanın özü, yapay zeka modellerine Çalışma Bakanlığı'nın veri tabanından hangi görevleri yerine getirebileceklerini görmek için görevler yüklemeyi içeriyordu. Ekonomistler, modeller arasındaki fikir birliği düzeyinin şaşırtıcı derecede düşük olduğunu buldular. ChatGPT ve Gemini en çok uyumlu olanlar olsa da, yine de mesleklerin önemli bir kısmı hakkında farklı değerlendirmeler sundular.

Bu farklılık kritik bir öneme sahip çünkü bu maruziyet puanları; iş gücü eğitimi ve desteği konusundaki kararlara rehberlik etmek amacıyla danışmanlık beyaz kitaplarında, araştırma notlarında ve politika raporlarında giderek daha fazla kullanılıyor. Çalışma, bu farklılıkların bazılarının modellerin eğitim verilerinden kaynaklanabileceğini öne sürüyor; finansal analiz gibi alanlardaki erken benimseyenler, yapay zeka ile ilgili daha fazla veri üretiyor ve bu da modellerin bu meslekleri daha fazla maruz kalmış olarak sıralamasına yol açabiliyor.

İş Gücü Planlaması İçin Çıkarımlar

Yapay zeka tarafından üretilen bu puanların güvenilmezliğinin önemli yansımaları vardır. Yerinden edilmiş işçiler için destek sistemleri tasarlamaya çalışan politika yapıcılar ve öğrencilere "yapay zeka korumalı" kariyerler konusunda tavsiyelerde bulunan eğitim kurumları kusurlu verilerle hareket ediyor olabilir. Ekonomistler, tek bir yapay zeka modeline güvenmek yerine, araştırmacıların çeşitli modellere bakmalarını ve tahminlerin belirsizliği konusunda daha şeffaf olmalarını öneriyor.

Yatırımcılar için bu çalışma, basit yapay zeka ele geçirme anlatılarına dayalı sektör çapında bahisler yapmaya karşı bir uyarı niteliğindedir. Yapay zeka modelleri arasındaki fikir birliği eksikliği, iş gücü piyasaları üzerindeki gerçek dünyadaki etkinin birçok raporun önerdiğinden daha karmaşık ve tahmin edilmesinin daha zor olacağını göstermektedir. Herhangi bir işin gerçek maruziyeti, bir modelin teorik yeteneklerinden ziyade, yapay zekanın ekonomi genelinde gerçekte nasıl uygulandığına bağlıdır; bu da daha sağlam anketler ve insan döngüsünde (human-in-the-loop) analiz gerektiren bir süreçtir.

Bu makale yalnızca bilgilendirme amaçlıdır ve yatırım tavsiyesi teşkil etmez.