Kasım 2022 ile Eylül 2025 arasında, ABD işgücüne en güçlü biçimde bağlı kesimin iş bulma oranı 13 puan düştü. Döngüsel şokları normalde soğuran, devir hızı yüksek kesimde ise düşüş 2 puan oldu (Federal Reserve Bank of Richmond, 2026). Bu makasın, yazarların incelediği verilerde bir örneği yok — ne Büyük Resesyon'da ne de herhangi bir genişleme döneminde. Üstelik 2023'ten bu yana en sert düşüşler, yapay zekâya en çok maruz kalan meslek çeyreğinde: programcılar, finansal analistler, mühendisler.
2026 kadro planınız kırılgan kısmın giriş seviyesi hattı olduğunu ve deneyimli kadronuzun piyasa fiyatından ikame edilebileceğini varsayıyorsa, plan tersine çevrilmiş bir öncül üzerine kurulu demektir.
Giriş seviyesindeki çöküş gerçek. Ama hasar orada değil.
Katarína Borovičková ve Claudia Macaluso'nun 12 Ağustos'ta yayımladığı Economic Brief 26-26, işgücü piyasası yorumlarının çoğunun atladığı bir şey yapıyor: ayrıştırıyor. Yazarların daha önce ortaya koyduğu gibi, işsizlikteki son yükseliş neredeyse tamamen bir çıkış hikâyesi — insanlar olağandışı bir hızla iş kaybetmiyor, yenisini bulamıyor. Açık kalan soru şuydu: hangi insanlar.
İlk kesit tanıdık olan. Current Population Survey; işini kaybedenleri, kendi isteğiyle ayrılanları ve piyasaya yeni girenleri ayırıyor. Son iki yılın hâkim anlatısı — yapay zekânın kariyer merdiveninin en alt basamağını kapattığı — en ağır darbeyi yeni girenlerin alacağını öngörür. Veri başka şey söylüyor. Yeni girenlerin iş bulma oranları düştü, ancak yazarlar bu düşüşü işini kaybedenler ve ayrılanlardaki gerilemelere kıyasla mütevazı olarak niteliyor ve analizin geri kalanında yeni girenleri açıkça bir kenara bırakıyor (Richmond Fed, 2026).
Bu dar kapsamlı bir bulgu ve kesin ifade edilmeyi hak ediyor: kariyer başlangıcı işe alımlarının sağlıklı olduğu anlamına gelmiyor. Toplam çöküşü açıklayan marjın yeni girenler olmadığı anlamına geliyor. Hareket başka yerde.
Kıdem değil bağlılık: "Birincil tip" gerçekte neyi ölçüyor
İkinci kesit, kendi devir hızı panonuzu okuma biçiminizi değiştirmesi gereken kesit.
Yazarlar, Hie Joo Ahn, Bart Hobijn ve Ayşegül Şahin'in "The Dual U.S. Labor Market Uncovered" çalışmasından alınan gizli tip çerçevesini uyguluyor (NBER, 2023); bu çerçeve çalışanları gözlemlenebilir herhangi bir diplomaya göre değil, işgücü piyasasına bağlılık derecelerine göre sıralıyor:
- Birincil tip — nüfusun yaklaşık %55'i, neredeyse her zaman istihdamda, istikrarlı ve uzun süreli
- İkincil tip — yaklaşık %14, güçlü bağlı ama daha sık işsiz kalan
- Üçüncül tip — yaklaşık %31, zayıf bağlı, sıklıkla işgücünün dışında
Her olağan döngüde uyarlanmayı ikincil tip sırtlanır. Nüfusun en küçük payını oluşturmasına rağmen, verinin neredeyse her yılında işsizliğin ana gövdesini o oluşturuyor. Resesyonlar oran olarak birincil tipi daha sert vurur — Büyük Resesyon'da birincil tipin iş bulma oranı zirveden dibe 19 puan düşerken ikincil tipte 10 puan düştü — ama bu oran tanıdık sınırlar içinde kaldı.
Mevcut dönem bu oranı kırdı. On üç puana karşı iki. Neredeyse hiç iş aramak zorunda kalmayan insanlar, şimdi iş bulamayanlar.
Uygulamaya taşırken bir uyarı: "birincil tip", istihdam istikrarının istatistiksel bir sınıflandırmasıdır, kıdemin eşanlamlısı değildir. Uzun süredir sizinle çalışan analist, mühendis ve finans kadronuzun profiliyle korelasyon gösterir, ama onları doğrudan ölçmez. Bulguyu o katman hakkında güçlü bir yön sinyali olarak ele alın; belirli bir kadro sayısına uygulayacağınız bir katsayı olarak değil.
Yapay zekâ maruziyeti kaynaklı ayrışmanın bir başlangıç tarihi var: 2023
Üçüncü kesitte mekanizma bir isim kazanıyor. Yazarlar, meslekleri görev içeriklerinin yapay zekâ patentlerinde tarif edilen teknik yeteneklerle ne ölçüde örtüştüğüne göre puanlayan Michael Webb'in yöntemini izleyerek (Webb, 2019) çalışanları yapay zekâ maruziyeti çeyreklerine ayırıyor.
Tarihsel olarak bu çeyrekler arasındaki çıkış oranları iş çevrimiyle birlikte hareket ediyor, aralarında yalnızca küçük seviye farkları bulunuyordu. 2023'ten bu yana ayrıştılar ve en fazla maruz kalan mesleklerdeki çalışanlar iş bulma oranlarında en büyük düşüşleri gösteriyor.
En üst çeyreğin bileşimi, orta ölçekli şirketlerin operasyon liderlerinin üzerinde durması gereken kısım. Yüksek maruziyetli meslekler arasında programcılar, finansal analistler ve mühendisler var. En az maruz kalanlar: inşaat, yiyecek hizmetleri, kişisel bakım. Bu, organizasyon şemanızın çeperine dair bir hikâye değil. Sistemlerinizi, mali kapanışınızı ve ürününüzü taşıyan rollere dair bir hikâye.
Bu şekli önceden haber veren bir literatür var. Acemoglu ve Restrepo'nun endüstriyel robotlar üzerine çalışması, maruz kalan mesleklerde yoğunlaşan bir ikamenin yanı sıra daha az maruz kalan işlere doğru bir yeniden dağılım buldu — toplam istihdam rakamının okunabilir kaldığı, ama altındaki bileşimin sert biçimde kaydığı bir örüntü (Acemoglu ve Restrepo, 2020). Richmond Fed verisinin eklediği şey, mevcut dönemin ayrılma marjında değil çıkış marjında görünmesi. Firmalar bu çalışanları olağandışı hızda elden çıkarmıyor. Sadece bir kez dışarı çıktıklarında geri emmiyorlar.
Bu ayrım operasyonel olarak önemli, çünkü sinyalin ne işten çıkarma takip tablonuzda ne de sektörünüzün kadro duyurularında görüneceği anlamına geliyor. Yalnızca yetkin ve deneyimli birinin yeni bir işe yerleşmesinin ne kadar sürdüğünde görünüyor — neredeyse hiçbir operasyon ekibinin ölçmediği bir metrik ve başkalarınınki kadar sizin kendi yeniden işe alım koşullarınızı da tarif eden bir metrik.
Yazarlar nedensellik konusunda temkinli; biz de öyle olmalıyız. Örüntü, otomasyonun maruz kalan meslekleri ikame etmesiyle tutarlı ve üretken yapay zekânın görev düzeyinde verimliliği artırdığına — özellikle daha az deneyimli çalışanlarda — dair saha bulgularıyla da tutarlı; bu da işe alım bileşimini yeniden şekillendirebilir (Brynjolfsson, Li ve Raymond, 2025). Düşüşün özel olarak yapay zekâdan mı yoksa aynı mesleklere denk gelen toplam koşullardan mı kaynaklandığı, serinin bir sonraki raporunun açık konusu. Korelasyon belgelenmiş durumda; ayrıştırma ise beklemede.
İtiraz: "Bu makro veri. Bizim devir hızımız gayet iyi."
Muhtemelen öyledir. Sorun da tam olarak bu.
Burada iki mekanizma işliyor ve ikisi de standart okumayı tersine çeviriyor.
Kıdemli katmanda düz seyreden devir hızı, zayıf bir dış seçenektir; bağlılık zaferi değil
Deneyimli ve yapay zekâya maruz çalışanlarınız kalıyorsa, temel oran artık gurur okşayanın yanına ikinci bir açıklama koyuyor: gidemiyorlar. Güçlü bağlı çalışanlarda iş bulma olasılığındaki 13 puanlık düşüş, elde tutma başarınızı normalde doğrulayan dış piyasanın temizlenmediği anlamına gelir. Bağlılık anketiniz "adanmış" ile "sıkışmış" arasını ayıramaz. İstenmeyen ayrılma rakamınız, iş bulma oranları toparlanana kadar mükemmel görünecek — sonra görünmeyecek.
Bu, çalışanlarınıza güvenmemek için bir sebep değil. Devir hızını kıdemli katmanın sağlıklı olduğuna dair birincil kanıt olarak kullanmayı bırakmak ve yerine bağımsız sinyal taşıyan bir şey okumak için bir sebep: iç hareketlilik başvuruları, yöneticilerin bildirdiği ayrılma riski ya da çalışanlarınızın paylaştığı dış teklif oranı.
Kıdem tazminatı artık fiyatlandığından pahalı
Standart yeniden yapılanma modeli bir rolü yeniden edinilebilir sayar: şimdi kes, koşullar değişince piyasadan tekrar al. Bu model yeniden edinmeyi tarihsel iş bulma dinamikleri üzerinden fiyatlar — ki bu rapor tam olarak bunun kırıldığını söylüyor. Dışarıdan yeniden işe alınması zor olan bir çalışan, simetrik biçimde yeniden edinilmesi de zordur: onu içeride tutan sürtünme, yeteneği sonradan yeniden kurma kapasitenizi de tutar; çünkü işe alacağınız havuz, hareket etmeyen havuzun ta kendisidir.
200 tam zamanlı çalışanı olan bir şirkette yapay zekâya maruz kıdemli bir rol için bu çeyreğin sorusu "bu koltuk olmadan çalışabilir miyiz" değil. "Bu yetkinliğe on sekiz ay sonra ihtiyaç duyarsak piyasa o zaman nasıl görünecek ve bunu öğrenmek için ne ödedik" sorusudur. İç yeniden konumlandırma — kişiyi komşu bir sürece, bir veri yönetişimi işlevine ya da bir yapay zekâ gözetim rolüne almak — bu hesapta kıdem tazminatını, tablonun ima ettiğinden çok daha sık yener; çünkü tablonun içinde bayat bir yeniden edinme maliyeti duruyor.
Çeyrek kapanmadan alınabilecek üç karar
- Yapay zekâya maruz her ayrılma vakasında yeniden edinme maliyetini yeniden fiyatlayın. Felsefi bir dönüş değil — bir sayı. Modeliniz kıdemli bir analist ya da mühendis için 60 günde piyasa fiyatından ikame varsayıyorsa, o profilde iş bulma oranındaki 13 puanlık düşüş karşısında bu varsayımı hangi kanıtın desteklediğini sorun. Desteklemediği yerde, yalnızca maliyet gerekçesiyle iç yeniden konumlandırma ayrılmanın önüne geçer. Bunu zaten gözden geçirmek üzere işaretlediğiniz iki üç rolde çalıştırın; bir politikaya değil, önünüzdeki gerçek vakalarda düzeltilmiş bir sayıya ihtiyacınız var.
- Kıdemli katmandaki düz devir hızını elde tutma performansı olarak okumayı bırakın. Çeyreklik değerlendirmenize tek bir soru ekleyin: bu katmanın tercihen kaldığına dair bağımsız kanıtımız nedir? Cevap yalnızca "gitmediler" ise elinizde kanıt değil, bir piyasa koşulu vardır.
- Hangi rollerin maruz çeyrekte olduğunu kadro planlamasından sonra değil, önce denetleyin. Webb'in sınıflandırması kamuya açık ve meslek düzeyinde. Kendi organizasyon şemanızı buna eşlemek bir öğleden sonra alır ve kadro planınızın hangi kısımlarının normal işlemeyen bir yeniden işe alım piyasasına maruz olduğunu size söyler.
Bunların hiçbiri, ayrışmaya yapay zekânın yol açıp açmadığı konusunda bir pozisyon almanızı gerektirmiyor. Yalnızca ayrışmanın var olduğunu ve çoğu planın ikame edilebilir saydığı katmanda yoğunlaştığını kabul etmenizi gerektiriyor.
Bulgu, pencerenin kendisi
Bu verinin rahatsız edici özelliği, beklemeyi cezalandıracak biçimde geçici olması. Yapay zekâya maruz çalışanlar için baskılanmış bir iş bulma oranı, tam da yerine koyması en zor insanlar üzerinde size olağandışı bir tutma gücü verir — üstelik bunu bedelsiz, görünmez biçimde ve sizin hiçbir kararınız olmadan verir. Ayrıca süresi dolar. Çıkış oranları normalleştiğinde, hak ettiğinizi sandığınız elde tutma yeniden bir piyasaya dönüşür ve bu en hızlı, kaybetmeye en hazırlıksız olduğunuz çeyrekte gerçekleşir.
Bu çeyreğin kararı kesip kesmemek değil. İkame edilebilir olarak ele aldığınız rollerin, işgücü piyasasının sessizce tedarik etmeyi bıraktığı roller olup olmadığı — ve bunu şimdi mi, bir öğleden sonralık haritalama bedeliyle, yoksa on sekiz ay sonra mı, bir arama süreci bedeliyle öğrenmeyi tercih ettiğiniz.
