Geçen yıl katılımcıların yüzde 32'si McKinsey'e yapay zekânın kurumlarının iş gücünü küçülteceğini beklediklerini söylemişti. Bu yıl fiilen ne olduğu sorulduğunda, yapay zekâ kullanan kurumlardaki katılımcıların yüzde 14'ü yapay zekânın iş gücü büyüklüğündeki bir düşüşe katkı verdiğini bildirdi — "geçen yılın araştırmasında aynı dönem için iş gücü azaltımı bekleyen yüzde 32'nin yarısından daha azı" (McKinsey, 2026). Üçte ikisi toplam istihdamda yapay zekâya bağlı az ya da hiç değişiklik bildirdi.
Bu, araştırmanın kendi yapay zekâ iş gücü tahminini gerçekleşmiş bir sonuçla karşılaştırıp notlandırabildiği ilk kez. Tahmin kabaca iki kat saptı.
Ardından panel tahmini yükseltti. Yüzde otuz dokuz artık gelecek yıl toplam istihdamda yapay zekâya bağlı düşüşler bekliyor; geçen yıl bu oran yüzde 32'ydi. Gerçeği 2 kat aşan tahmin edici aşağı değil yukarı revize edildi ve çok sayıda 2027 operasyon planı sessizce buna yaslanıyor.
Araştırma gerçekte neyi ölçtü
The State of AI'nın 2026 baskısı 97 ülkeden 1.719 katılımcıyı kapsadı; saha çalışması 4 Mayıs – 8 Haziran 2026 arasında yapıldı. Yüzde otuz altısı yıllık cirosu 1 milyar doların üzerindeki kurumlarda çalışıyor; yani kabaca üçte ikisi bu eşiğin altında — orta ölçekli bir okur için alışılmadık ölçüde ilgili, gerçi panel hâlâ 200 tam zamanlı çalışanlık bir operasyondan büyük.
Bağlam önemli, çünkü başarısız olan değişken benimseme değil. Yüzde seksen dokuzu yapay zekâyı en az bir iş fonksiyonunda düzenli kullanıyor. Yüzde kırk dördü kurum çapında ölçeklendiğini söylüyor; bu oran daha önce yüzde 38'di. Yüzde sekseni bireysel verimlilikte iyileşme bildiriyor (McKinsey, 2026).
Dolayısıyla sıralama "yapay zekâ gelmedi, bu yüzden kadro düşmedi" değil. Yapay zekâ geldi, verimlilik bildirildi ve kadro yine düşmedi. Bu arada yapay zekâ kullanımına en azından bir miktar EBIT etkisi atfeden kesim yıldan yıla yüzde 37'de yatay kaldı ve gerçek yüksek performanslıların kitlesi tüm katılımcıların yaklaşık yüzde 6'sında tutundu.
Yayılım hareket etti. Gerçekleşen iş gücü azaltımı onu izlemedi.
Gerçekleşen veriler yüzde 14 ile uyumlu
Kendini notlandıran bir araştırma ilginçtir. Aynı yöne işaret eden iki bağımsız veri kümesi ise bir planlama girdisidir.
National Bureau of Economic Research, The CFO Survey paneli üzerinden yaklaşık 750 üst düzey yöneticiyle görüştü ve "yapay zekâya bağlı kısa vadeli toplam istihdam düşüşlerine dair az kanıt; buna karşılık büyük şirketlerin yapay zekâ kaynaklı iş gücü azaltımı öngördüğü, küçük firmaların ise ılımlı artış beklediği" bulgusuna ulaştı (NBER, 2026). Toplam etki sıfıra yakın ve dağılım asıl bulgu: büyük firmalar yapay zekânın 2026'da istihdamlarını yaklaşık yüzde 0,8 azaltmasını bekliyor, küçük firmalar ise ufak artışlar öngörüyor. Hareket eden şey bileşim — rutin büro rolleri geriliyor, nitelikli teknik rollere göreli talep artıyor; hem firma içinde hem firmalar arasında.
İlan edilen işten çıkarma verileri üçüncü bir açıdan aynı yöne işaret ediyor. Eylül 2026'ya kadar ABD'li işverenler 573.195 iş kesintisi ilan etti; bu, 2025'in ilk dokuz ayında ilan edilen 946.426'ya kıyasla yüzde 39'luk bir düşüş — 2022'den bu yana en düşük Ocak-Eylül toplamı. Yıl başından bu yana yapay zekâ 120.136 ilanda gerekçe olarak anıldı, yani tüm kesintilerin yaklaşık yüzde 21'i; bu da onu fiilen yılın en çok belirtilen gerekçesi yapıyor (Challenger, Gray & Christmas, 2026).
Bu iki sayıyı birlikte okuyun, çünkü tek başına alıntılanan ikincisi. Yapay zekâ, küçülen bir toplam içinde gerekçe tablosunun başında. Özellikle eylülde yapay zekâ en çok anılan beşinci gerekçeydi: 3.961 kesinti, ayın yaklaşık yüzde 9'u. Üçüncü çeyrek kesintileri ikinci çeyreğe göre yüzde 43 düştü.
Düşen bir paydada artan bir pay dalga değildir. Soğuyan bir pazar içinde bir bileşim kaymasıdır.
Yapay zekâ iş gücü tahmini neden tek yönde sapıyor
Tutarlı biçimde yukarı sapan tahmin hatası genellikle yapısaldır, rastgele değil. Forrester'ın Predictions 2026: The Future of Work raporu mekanizmayı adlandırıyor: henüz var olmayan yapay zekâ yetenekleri karşılığında yapılan kesintiler. İşverenlerin yüzde elli beşi yapay zekâ için yaptığı işten çıkarmalardan pişmanlık bildiriyor ve Forrester, yapay zekâya atfedilen işten çıkarmaların yarısının sessizce yeniden işe alınacağını öngörüyor — offshore olarak ya da belirgin biçimde daha düşük ücretlerle (HR Executive, 2026).
Son cümledeki asimetriye dikkat edin. Geri dönüş hiç kimsenin planında bir düzeltme olarak görünmez. Offshore harcaması, taşeron kalemleri ve yeniden işe alma maliyeti olarak görünür; bunların hiçbiri özgün kadro tasarrufuyla mutabakata girmez. Tahmin, çoktan başarısız olduğu hâlde iç kayıtlarda yanlışlanmamış kalır.
Aynı araştırmadan iki ayrıntı daha maliyeti keskinleştiriyor. Forrester'ın "coasters" dediği bağını yitirmiş çalışanların payı 2024'te yüzde 27, 2025'te yüzde 25'ti ve 2026'da yüzde 28'e ulaşması bekleniyor — kalanlar erken kesintileri izlediğinde hareket eden bir sayı. Ayrıca 2025'te çalışanların yalnızca yüzde 16'sı Forrester'ın yapay zekâya hazırlık ölçütünde yüksek puan aldı; en yüksek hazırlık ise giriş seviyesi rolleri ilk elenen kohortta yoğunlaşmış durumda.
Planlama hatası, açıkça
Hata yapay zekâ konusundaki iyimserlik değil. Hata, beklenen iş gücü azaltımını gerçekleşmiş bir temel çizgi gibi kayda almak, hem de bir yıl erken — ve ardından yerine alım dondurmasını bunun üzerine inşa etmek.
Beklenen değişim, artık belgelenmiş bir yıllık hata oranı taşıyan bir tahmindir. Gerçekleşen değişim bir ölçümdür. Gerçek para bağlayan bir planda yalnızca birinin yeri vardır.
Dürüst itiraz
Üç sınır, başkası dile getirmeden önce.
Bu, bordro değil, kendi beyanına dayalı araştırma verisi. Bu kurumların kadro kayıtlarını kimse denetlemedi. Bir kadro değişimini özellikle yapay zekâya atfetmek, katılımcı düzeyinde bir yargıdır ve atıf, kendi beyanının tam olarak en zayıf olduğu yerdir. Aynı çekince, yönetici beklentileri olup gerçekleşmiş bordro sonuçları olmayan NBER sayıları için de geçerlidir.
Panel yıldan yıla aynı değil. McKinsey, hem 2025 hem 2026 dalgasını tamamlayan katılımcıları kontrol ettiğini ve bulguların genel örneklemi yansıttığını belirtiyor; yine de değişen bir panel, yüzde 32 ile yüzde 14'ü aynı kişilerin kendileriyle çeliştiği biçiminde okumanın önünde gerçek bir sınırdır.
Beklenti yanlış olmaktan çok erken olabilir. Yetenek duyuruyu, devreye alma yeteneği geriden izler. 2025 için öngörülüp 2027'de gerçekleşen bir azaltım tahmini zamanlaması yanlıştı, özü yanlış değildi — ve NBER'in bileşim verileri, rutin büro payının 2028'e kadar daha da gerilemesi beklentisiyle, aynı yönün daha yavaş ve daha seçici bir sürümüyle tutarlıdır. Savunulabilir iddia zamanlama güvenine ilişkindir, yöne ilişkin değil.
Üçünden de sağ çıkan şey daha dar ama yine eyleme dönük: gerçekleşen sonuçların dağılımı ağırlıkla "az ya da hiç değişiklik" üzerinde yoğunlaşıyor ve kuyruğu temel senaryo sayan bir plan yanlış fiyatlanmıştır.
Q4 planı kapanmadan önce neyi yeniden temellendirmeli
Dört hamle; hiçbiri yapay zekâ konusundaki stratejik duruşu tersine çevirmeyi gerektirmiyor.
1. Plan belgesinde beklenen ile gerçekleşeni ayırın. 2027 kadro modelinizde yapay zekâ kaynaklı azaltımla gerekçelendirilmiş bir kalem varsa, bunun kendi kurumunuzdaki ölçülmüş bir değişime mi yoksa beklenen bir değişime mi dayandığını işaretleyin. Beklentiyse, yukarıdaki hata oranını taşıyan bir tahmin olarak etiketleyin. Bu, o sayının nasıl sorgulandığını değiştiren on beş dakikalık bir düzenlemedir.
2. Yapay zekâ iş gerekçesini tam zamanlı kadro yerine çıktı hacmi üzerine yeniden kurun. Çevrim süresi, çalışan başına gelir, hata oranı, işlem başına maliyet. NBER'in verimlilik bulgusu da aynı yönü gösteriyor: kazanımlar, emeği ikame eden sermaye derinleşmesi olarak değil, inovasyon ve talep kanallarına bağlı gelir temelli toplam faktör verimliliği olarak ortaya çıktı. Gerekçe yalnızca kadro azaltımıyla kapanıyorsa, gerekçe kapanmamıştır.
3. Yapay zekâya atfedilen her kesintiyi vaat edilmiş değil kanıtlanmış yetenek koşuluna bağlayın. Test, tanımlı bir dönem boyunca ölçülmüş hata oranıyla hedef kalitede çalışan, adı konmuş bir iş akışıdır — tedarikçi yol haritası değil. Bu tek kapı, yüzde 14'ü pişman olan yüzde 55'ten ayıran şeydir.
4. Hâlâ sahip olacağınız ekip için planlayın. 2027 planlarının çoğunda eksik olan hamle bu. Kurumların üçte ikisi yapay zekâya bağlı az ya da hiç kadro değişikliği gördüyse, temel senaryo şudur: bugünkü kadronuz kabaca 2027 kadronuzdur, bileşim ise altında kayar. Bu da bağlayıcı kısıtı maliyet sorusu olmaktan çıkarıp bir yetenek sorusuna dönüştürür: hangi yetkinlikler hangi pozisyonlarda oturuyor, nerede yedekleme zayıf ve hangi rutin büro kapasitesi NBER verilerinin yükselişte olduğunu söylediği nitelikli teknik talebe kaydırılabilir. Bu harita olmadan karara bağlanan bir yerine alım dondurması tasarruf değildir; ölçülmemiş bir yetenek kaybıdır. Yetkinlik ve yedekleme ölçümü, bu kararı savunulabilir kılan enstrümandır — yöneticinin hatırladığı yerine yetkinlik başına veriden hesaplanan 9-box konumu ve her kritik pozisyon için ayrı derecelendirilen yedekleme hazırlığı. İşlenmiş bir referans isterseniz, Scovai'nin performans ve yedekleme modülü bu eşlemenin nasıl kurulduğunu belgeliyor.
Bu verinin rahatsız edici yanı, yapay zekânın kadro konusunda eksik teslim etmesi değil. Bir kurumun başarılı bir yapay zekâ programı yürütebilmesi — yüzde 89 benimseme, yüzde 80 verimlilik kazanımı bildirimi — ve sonunda yine aynı sayıda insana sahip olması, ama anlamlı biçimde farklı iş yapmaları.
Bu, yapay zekâ iş gücü tahmini kılığına girmiş bir iş gücü geliştirme sorunudur.
Q4 planı kapanmadan önce, yapay zekânın ekibi küçülteceğini varsayan kadro kalemini bulun ve ona tek bir soru sorun: bunu ölçüyor muyuz, yoksa hâlâ bekliyor muyuz? Yanıt "bekliyoruz" ise, 2 kat hata oranı artık kayıtlarda — ve ispat yükü tahminin tarafına geçti.
