Yapay Zekâ İşleri Silmiyor, Biçimini Değiştiriyor

Önce o meşhur bahisle başlayayım. Birkaç yıl önce bazı yapay zekâcılar iki yıl içinde beyaz yakalı işlerin yarısının silineceğini söyledi. Manyika karşı bahse girdi ve bir yıl içinde işlerin yüzde 10'unun otomasyona gitmeyeceğini savundu. Süre doldu, tablo ortada: işler azalmadı, arttı. Bu sakin iyimserliği Platformer röportajında da sürdürdü; tahminciler ise hedefi iki yıl ileri taşıdı.

Kaybolan, büyüyen, değişen işler

Manyika'nın çerçevesi basit: kaybolan işler, büyüyen işler, değişen işler. İlk grup küçük; tekrarlanan parçaları modele devredilen roller daralır. İkinci grupta talep patlar; elektrikçiler gibi rollere istek artar. Üçüncü grup en kalabalık: işin adı aynı kalır, içeriği değişir. MIT iktisatçısı David Autor'un bulgusu da bunu destekler; bugünkü işlerin yüzde 60'tan fazlası 1940'larda yoktu. 1995'te web tasarımcısı diye bir unvan yoktu, bugün meslek.

Google'ın ATLAS çalışması tabloyu sayılarla dolduruyor. Gemini uygulaması, yapay zekâ modu ve arayüzler üzerinden 15 milyona yakın konuşma incelenmiş. Sonuç: kullanım çok geniş ama çok sığ. Axios'un özetlediği gibi yapay zekâ ABD istihdamının yüzde 88'ini kapsayan mesleklere dokunuyor; ama medyan meslekte görevlerin yalnızca yüzde 21'inde kullanılıyor. Yani herkes deniyor, az kişi derine iniyor.

Üstelik kullanımın yönü otomasyon değil yardımlaşma. Düşünme ağırlıklı işlerde konuşmaların yüzde 10'undan azı bir görevi baştan sona modele bırakmayı hedefliyor. Çoğu taslak çıkarma, gözden geçirme, fikir üretme. Bunu acemiyle usta ilişkisine benzetiyorum: model taslağı sürüyor, kararı insan veriyor. Tam otomasyonun en verimli yol olduğu görevler hâlâ küçük bir azınlık.

Peki neden bu kadar yavaş? Çünkü teknoloji pürüzlü. Bir soruda parlak, sonrakine takılıyor; çıktıyı hep kontrol etmek gerekiyor. Görsel akıl yürütme ve sayma gibi işlerde modeller hâlâ zayıf. Üstüne iş akışları değişmedi; ekipler eski adımlarla yeni araçları kullanıyor. Ajan sistemlerin tek seferde yönettiği iş süresi uzuyor ama gerçek hayat ölçütlerden daha dağınık. Benim gördüğüm: yetenek hızlı, uyum yavaş.

Burada yaygın bir yanlışı düzeltelim: modele açık olmak, yanmak demek değil. Bu söz kulağa hoş geliyor ama veri tersini söylüyor. Radyologlar modele en açık gruptu; sonuç işsizlik değil verimlilik ve talep artışı oldu. Banka veznedarları da benzer: para çekme makineleri geldi, vezne işi boş laf değil, büyüdü ve içeriği değişti. Talep esnekliği denen şey bu; iş kolaylaşınca müşteri çoğalıyor.

Ücretler ve yeni işler

Asıl kritik soru koltuk sayısı değil, maaş bordrosu. Modelle birlikte daha değerli iş çıkarıyorsan ücretin artmalı. Ama işin değerli kısmını model yapıp sana değersiz kalanı bırakırsa ücretin baskılanır. İktisatçılar buna emeğin payı diyor. CharterWorks'e yıllar önce anlattığı gibi Manyika bu makasın açılmasından korkuyor. Son 40 yılda verimlilik arttı, ücretler geriden geldi; yapay zekâ bu açığı büyütebilir.

Çözümün bir ucu çalışanda. Katkını görünür kıl, pazarlığını yap; işletmeler bu hıza tek başına yetişemez. Diğer uçta çalışma biçimi değişiyor: tek işe bağlı kalmak yerine birçok firmaya çıktı satan bağımsız uzmanlar çoğalıyor. Model onlara hız veriyor, onlar da işi sonuca göre fiyatlıyor. Benim tavsiyem net: değerli kısmı sahiplen, geri kalanı modele ver.

Yeni işler kapıda ama adını sonradan koyuyoruz. Tarih hep böyle: unvanlar geriden gelir, iş önden gider. ATLAS ekibi de bu yüzden yeni şirket ve görev türlerini izliyor. Girişimciye düşen denemek: ajanları gözetenler, ajan orkestrasyonunu izleyenler, yeni değerlendirme hizmetleri. Büyük ve küçük firmaların ihtiyacı her gün değişiyor; fırsat da orada. Tahmin değil, deney kazandırır.

Üç sinyal ve bilimde darboğaz

Manyika tabloyu değiştirecek üç sinyali sayıyor. Birincisi, modellerin tek seferde yönettiği iş süresinin uzaması; MIT iktisatçılarının ufuk çalışması ve METR'in uzun görev ölçümleri bunu izliyor. İkincisi, pürüzlülüğün giderilmesi; modeller her görevde benzer tutarlılığa ulaşırsa dengeler değişir. Üçüncüsü robotik: dünyada çalışanların yüzde 60'ı bedensel iş yapıyor, o cephede sürücüsüz araçlar dışında sıçrama yok. Robotlar yetişirse her şey yeniden hesaplanır.

Bilim insanının işi de aynı film: yarısı genel modeller, yarısı özel modeller. MIT ortaklı çalışmaya göre bilimciler yazı ve tarama işlerinde Gemini gibi genel modellere, protein ve gen işlerinde AlphaFold gibi özel modellere gidiyor. Çoğu ikisini birlikte kullanıyor. AlphaFold bugün 190 ülkede 4 milyon araştırmacının elinde; ihmal edilen hastalıklar ilk kez çalışılabilir oldu. Benim gözümde bu, aletin herkese açılması demek.

Karşıda yeni bir darboğaz var: fikir üretmek kolaylaştı, doğrulamak zorlaştı. DeepMind'in GNoME çalışması 2,2 milyon kristal yapı önerdi; içinden birkaç yüz bini üretime aday göründü, laboratuvarda sentezlenen birkaç bine düştü. Yale ortaklı kanser yolu çalışmasında da modelin önerilerinden laboratuvarda işe yarayan bir avuç çıktı. Eleğe benzetiyorum: üstten çok mal giriyor, alttan azı geçiyor. Bilimin hızı artık eleğin hızı.

Yine de bilim hem hızlanıyor hem yeni şeyler yapıyor. Genomdaki tek harf yazım yanlışlarının tamamına birden bakmak artık mümkün; eskiden bu akıl almazdı. Bağlantı haritası işinde Howard Hughes ortaklığıyla ilk meyve sineği beyni baştan sona çıkarıldı. Bunu yeni bir mikroskop gibi görüyorum: sadece hız değil, yeni görüş. Yapay zekâ hem genel amaçlı teknoloji hem buluş üreten buluş; benzetme Aydınlanma: teleskop ve bilimsel yöntem gibi, bakılamayan yere baktırıyor.

Sağlık, kuantum ve herkes için erişim

Sağlıkta gelecek değil, bugün var. İngiltere'de 180 bin kadınla yapılan meme kanseri taramasında modeller gözden kaçan bulguları erken yakaladı. Akciğer ve verem işinde Zambiya ve Hindistan'da doğru tanı kondu. Hekim yardımcısı AMIE, Harvard bağlantılı hastanede denendi; göz dibi taraması Hindistan'da 600 bin vakaya ulaştı, hedef 6 milyon. Kimse teşekkürleri modele etmez; hasta iyi tanıyı hatırlar. Etki dolaylı, sonuç gerçek.

Dayanıklılık işi de sessiz büyüyor. Sel tahminleri 150 ülkede 2 milyardan fazla insanın yaşadığı yerlere ulaştı; Hindistan deneyi tuttu. Venezuela depreminde Android algılayıcılarla 12 milyon kişiye önceden uyarı gitti. Melissa kasırgasında hava modelleri devredeydi. Bunlar manşet değil, telefon bildirimi; hayat kurtaran da o bildirim.

Ay yolculuklarında iki cephe var. Biri hücre: hücrenin iç işleyişini öngören model; Broad Enstitüsü hücre atlası işine katkı veriyor. Diğeri kuantum yapay zekâ: kara delik yapısı, elektromanyetizma, geçilebilir solucan deliği, zor moleküller. Nature'da yayımlanan solucan deliği deneyi ve Google Blog'da anlatılan Quantum Echoes adımı bu cephenin işareti. Benim heyecanım basit: bu işler laboratuvarda oluyor, sunumda değil.

AGI'da soru tanıma bağlı. 1956 Dartmouth buluşmasındaki tanımı bugün okusan genel zekâ sanırsın; terimi 2001'de Shane Legg yaygınlaştırdı. Asgari tanımda insana benzer bilişsel beceriler var, orada yakınız. Demis'in bilimsel tanımında ise uzağız. Demis'le kurulan DeepMind Enstitüsü bu derin sorular için. Hız tarafında özyinelemeli kendini geliştirme işleri hızlandırıyor; bu yüzden yetenekle güvenlik yan yana gitmeli. Springer'daki ajan kontrolü taraması da aynısını söylüyor: sınırlar yetmez, denetim gerek.

Az konuşulan risk, modellerin birbirine bağlanması. Tek modeli test etmek yetmez; şebekeye, altyapıya bağlı sistemleri bütün olarak değerlendirmek gerek. Bir de kullanılmama riski var: BM çalışmasında küresel güneyin eklediği risk bu; sağlık ve okul yüzü görmeyen yerlere model gitmezse uçurum büyür. Brezilya sorusu da bu: vergi bizde, fayda herkeste; erişim, elektrik, bağlantı ve dil olmadan katılım olmaz. Zekâ ucuzlarken yaratıcılık değerleniyor; hesap makinesi aritmetiği bitirmedi, anlamı büyüttü. Ben böyle okuyorum: alet hesap yapar, anlam insanda kalır.