Yapay Zeka ve Robotik Otomasyonun Turkiye Is Piyasasina Etkisi: 1.123 Meslek Icin Kantitatif Risk Analizi
AI Exposure and Robotic Automation Risk Analysis for 1,123 Turkish Occupations
Mart 2026
Ozet
Bu calisma, Turkiye is piyasasindaki 1.123 meslegin yapay zeka (AI) ve robotik otomasyona maruz kalma riskini nicel olarak degerlendirmektedir. Andrej Karpathy'nin ABD'deki 342 meslek icin gelistirdigi AI maruz kalma analizi metodolojisi temel alinmis; ancak Turkiye'nin kendine ozgu dinamikleri — kayit disi ekonomi (~%30), bolgesel esitsizlik, genc issizlik ve dusuk isgucü maliyeti — modele entegre edilmistir. Her meslek, Claude Opus 4.6 (Anthropic) kullanilarak 0–10 olceginde AI maruz kalma skoru, robotik risk skoru ve Ingilizce etki skoru (0–100) olmak uzere uc boyutta degerlendirilmistir. Skorlama islemi 12 paralel agent tarafindan gerceklestirilmis, ISKUR Turk Meslekler Sozlugu, TUIK Kazanc Yapisi Istatistikleri (2023) ve TUIK Isgucü Istatistikleri (2024) veri kaynaklari olarak kullanilmistir. Bulgular, dijital agirlikli mesleklerin AI maruz kalma riskinin sistematik olarak yuksek oldugunu, fiziksel mesleklerin ise robotik otomasyona daha acik oldugunu gostermektedir.
1. Giris
Yapay zeka teknolojilerindeki hizli ilerleme, kuresel is piyasalarinda derin donusumlere yol acmaktadir. 2025 yilinda Andrej Karpathy — eski Tesla AI direktoru ve OpenAI kurucu uyesi — ABD'deki 342 meslegin yapay zekaya maruz kalma oranlarini analiz eden kapsamli bir calisma yayinlamistir.[1] Bu calisma, github.com/karpathy/jobs ve karpathy.ai/jobs adreslerinde acik kaynak olarak paylasilmistir.
Eldeki arastirma, Karpathy metodolojisini Turkiye is piyasasina uyarlamakta ve onemli olcude genisletmektedir. Bu arastirma, Flalingo AI Arastirma Merkezi tarafindan bagimsiz olarak yurutulmustur. Temel genisletmeler sunlardir:
- 1.123 meslek analiz edilmistir (Karpathy'nin 342 ABD meslegi yerine)
- Cift metrik sistemi: AI maruz kalma skorunun yanina ayri bir robotik risk skoru eklenmistir
- Turkiye'ye ozgu veriler entegre edilmistir: ISKUR meslekleri, TUIK maas/istihdam verileri, kayit disi ekonomi oranlari
- Her meslek icin 5 yillik tahmin ve kariyer onerileri uretilmistir
Bu proje, Karpathy'nin ABD is piyasasi icin yaptigi AI maruz kalma analizinden esinlenilerek, Turkiye is piyasasina adapte edilmistir.
2. Veri Kaynaklari
2.1 ISKUR Turk Meslekler Sozlugu
esube.iskur.gov.tr uzerinden elde edilen Turkiye resmi meslek siniflandirmasi. ISCO-08 uluslararasi standart meslek kodlarina uyumlu 1.123 meslek icermektedir. Her meslek icin gorev tanimlari, gerekli yetkinlikler ve egitim duzeyi bilgisi bu kaynaktan saglanmistir.
2.2 TUIK Kazanc Yapisi Istatistikleri 2023
Turkiye Istatistik Kurumu'nun sektorel ve meslek grubu bazinda yayinladigi maas verileri.[3] ISCO ana gruplari (1 haneli kodlar) bazinda ortalama brut ucretleri icermektedir. Veriler, kayitli istihdam kapsamindaki ucretli calisanlari temsil etmektedir.
2.3 TUIK Ucretli Calisan Istatistikleri 2024
Sektorel istihdam sayilari ve yillik buyume trendleri.[4] Hangi sektorlerde istihdam artip azaldigi bilgisini saglar. Bu veriler, mesleklerin ekonomik buyuklugunu ve gelecek projeksiyonlarini hesaplamak icin kullanilmistir.
2.4 Enflasyon Duzeltmesi
TUIK 2023 Kasim donemi maas verileri, ~%65 kumulatif enflasyon tahmini ile 2026 yilina guncellenmistir. Bu duzeltme, Turkiye'nin yuksek enflasyon ortaminda daha gercekci maas karsilastirmasi yapilmasini saglar.
Not: Enflasyon duzeltmesi, TCMB ve piyasa beklentileri ortalamasina dayali tahmini bir carpandir; kesin deger olarak yorumlanmamalidir.
3. Metodoloji
3.1 AI Maruz Kalma Skoru (0–10)
Her meslek, Claude Opus 4.6 (Anthropic) kullanilarak tek tek degerlendirilmistir. 12 paralel agent, meslekleri es zamanli olarak analiz etmistir. Her meslek icin su sorular cevaplanmistir:
- Meslekteki gorevlerin yuzde kaci AI tarafindan yapilabilir?
- Mevcut AI araclari bu iste ne kadar yetkin?
- Insan-AI is birligi mi, yoksa tam otomasyon mu daha olasidir?
Tablo 1, kalibrasyon skalasinin tam acilimini gostermektedir:
| Skor | Anlami | Ornek Meslekler |
|---|---|---|
| 0–1 | Tamamen fiziksel is, dijital bilesen yok | Insaat iscisi, balikci, oduncu |
| 2–3 | Agirlikli fiziksel, sinirli dijital gorevler | Asci, elektrikci, tesisatci |
| 4–5 | Karma is: hem fiziksel hem dijital | Hemsire, ogretmen, polis memuru |
| 6–7 | Agirlikli dijital, bazi gorevler otomatik | Muhasebeci, pazarlamaci, gazeteci |
| 8–9 | Neredeyse tamamen dijital, yuksek otomasyon riski | Veri girisi, cagri merkezi, cevirmen |
| 10 | Rutin dijital is, AI halihazirda yapabiliyor | Basit kodlama, metin ozetleme, form isleme |
Tablo 1: AI Maruz Kalma Skoru Kalibrasyon Skalasi
Temel Kural
“Is tamamen evden bilgisayarla yapilabiliyorsa → en az 7” — Bu basit sezgisel kural, dijital islerin AI'ya maruz kalma oraninin fiziksel islerden sistematik olarak daha yuksek oldugu gercegini yansitir.
3.2 Robotik Risk Skoru (0–10)
Karpathy'nin orijinal analizi yalnizca yazilim-temelli AI'yi kapsiyordu. Ancak fiziksel mesleklerde asil tehdit robotik otomasyondur. Bu nedenle calismamizda ayri bir robotik risk skoru tanimlanmistir.
Kuresel robotik gelistmeler bu skorun kalibrasyonunda baglam olarak kullanilmistir:
- ABD robotik yatirimlari: 2025'te $10.3 milyar
- Tesla Optimus: 1.000'den fazla humanoid robot fabrikada aktif, birim maliyet hedefi $20.000
- Amazon / Agility Digit: Depolarda kutu tasima ve lojistik
- Figure AI + BMW: Fabrika montaj hattinda humanoid robotlar
| Skor | Anlami | Ornek |
|---|---|---|
| 0–1 | Fiziksel otomasyon imkansiz veya anlamsiz | Psikolog, yonetici, yazilimci |
| 2–3 | Cok sinirli otomasyon potansiyeli | Ogretmen, avukat, doktor |
| 4–5 | Bazi gorevler otomatiklestirilebilir | Asci, kuafor, garson |
| 6–7 | Onemli otomasyon potansiyeli mevcut | Montaj iscisi, ambalajci, kuryeci |
| 8–9 | Zaten otomatiklesiyor veya cok yakin | Depo iscisi, kaynak operatoru, forklift |
| 10 | Tam otomasyon mevcut veya uygulamada | Otomatik uretim hatti, otonom arac |
Tablo 2: Robotik Risk Skoru Kalibrasyon Skalasi
3.3 Ingilizce Etki Skoru (0–100)
Ingilizce yetkinliginin mesleki avantaj veya gereklilik boyutunu olcer. Skor, meslegin uluslararasi iletisim gerektirip gerektirmedigini, Ingilizce teknik literatüre erisim ihtiyacini ve kuresel is piyasasindaki rekabet gücünü yansitmaktadir. Bu metrik, ozellikle Flalingo'nun misyonu olan dil ogreniminin kariyer etkisini somutlastirmak amaciyla dahil edilmistir.
3.4 Skorlama Altyapisi
Tum skorlar Claude Opus 4.6 (Anthropic) ile uretilmistir. Verimlilik icin 12 paralel agent kullanilmis, her agent es zamanli olarak farkli meslek kümelerini degerlendirmistir. Kalibrasyon tutarliligi, referans meslekler uzerinden capraz dogrulama ile saglanmistir.
Asagidaki tablo, AI'nin mevcut yetkinlik duzeyini gosteren benchmark sonuclarini ozetlemektedir:
| Benchmark | AI Performansi |
|---|---|
| SWE-bench (yazilim muhendisligi) | %70+ cozum orani |
| Bar Sinavi (ABD hukuk) | Ust %10 dilim |
| USMLE (ABD tip sinavi) | 3/3 asamayi gecti |
| CPA (muhasebe sinavi) | Gecti |
Tablo 3: Mart 2026 Itibariye Secili AI Benchmark Sonuclari
Skorlar, Mart 2026 itibariyla AI ekosisteminin mevcut yetenekleri goz onunde bulundurularak verilmistir. Referans alinan basica modeller:
- Claude Opus 4.6 (Anthropic) — Gelismis akil yurutme, kodlama, analiz
- GPT 5.4 (OpenAI) — Cok modlu dil modeli
- Codex (OpenAI) — Otonom yazilim gelistirme ajanti
- Nano Banana 2 — Gorsel uretim
- Seedance 2 — Video uretim
Onemli Bulgu
Anthropic'in arastirmasina gore “Observed Exposure” metriginde, bilgisayar bilimleri meslekleri %94 teorik maruz kalma oranina sahiptir[2]— yani AI bu mesleklerdeki gorevlerin neredeyse tamamini teorik olarak yapabilir durumdadir.
4. Turkiye'ye Ozgu Faktorler
Turkiye is piyasasi, gelismis ulkelerden onemli yapisal farkliliklara sahiptir. Bu faktorler, kuresel AI/robotik risk tahminlerinin dogrudan uygulanmasini guclestirmekte ve yerellestirilmis bir analiz gerekmektedir.
4.1 Kayit Disi Ekonomi (~%30)
Turkiye'de ekonominin yaklasik %30'u kayit disidir. Bu oran mesleklere gore onemli olcude degisir. Asagidaki tablo, ISCO ana gruplari bazinda tahmini kayit disi oranlarini sunmaktadir:
| ISCO Grubu | Tahmini Kayit Disi Orani |
|---|---|
| Yoneticiler | %5–10 |
| Profesyonel meslek mensuplari | %10–15 |
| Teknisyenler ve yardimci profesyoneller | %15–25 |
| Buro hizmetleri calisanlari | %10–20 |
| Hizmet ve satis calisanlari | %30–50 |
| Nitelikli tarim calisanlari | %60–80 |
| Sanatkarlar ve ilgili islerde calisanlar | %30–50 |
| Tesis ve makine operatorleri | %20–35 |
| Nitelik gerektirmeyen isler | %50–70 |
Tablo 4: ISCO Ana Gruplarina Gore Tahmini Kayit Disi Istihdam Oranlari
TUIK verileri yalnizca kayitli istihdami kapsamaktadir. Kayit disi calisanlar dahil edildiginde gercek ortalama maaslar istatistiklerden dusuk olabilir.
4.2 Bolgesel Esitsizlik
Istanbul ile Guneydogu Anadolu arasinda buyuk bir dijital ucurum vardir. AI maruz kalma riskleri buyuksehirlerde cok daha erken hissedilecekken, kirsal bolgeler fiziksel mesleklerin yogunlugu nedeniyle robotik riskle daha gec karsilasacaktir.
4.3 Genc Issizlik
Turkiye'de genc issizlik orani %16.3'tur (2024).[5] AI otomasyonunun is piyasasina giris pozisyonlarini daraltmasi, bu orani daha da artirabilir.
4.4 Dusuk Isgucü Maliyeti ve Robot ROI
Turkiye'nin nispeten dusuk isgucü maliyeti, robot yatirimlarinin geri donus suresini uzatir. Bu nedenle ABD'de ekonomik olan robotik otomasyon, Turkiye'de henuz mali acidan karsilanamayabilir — robot ROI esigi daha yuksektir.
Onemli Bulgu
Turkiye'nin dusuk isgucü maliyeti paradoksal bir koruyucu etki olusturmaktadir: robotik otomasyonun ekonomik esigi ABD'ye kiyasla yuksek kaldigi icin, fiziksel mesleklerdeki donusum daha yavas gerceklesecektir.
5. Bulgular
5.1 AI Risk Dagilimi
Analiz edilen 1.123 meslegin AI maruz kalma skorlari incelendiginde, dagitimin ortasi (4–6 araliginide) yogunlastigi gorulmektedir. Tamamen dijital meslekler (skor 8–10) toplam istihdamin nispeten kucuk bir yuzdesini olustururken, etkilenecek calisan sayisi mutlak deger olarak yuksektir.
Onemli Bulgu
Dijital agirlikli mesleklerin (skor ≥7) AI maruz kalma riski sistematik olarak yuksektir. “Is tamamen evden bilgisayarla yapilabiliyorsa” kurali, kalibrasyon surecinde en guclu ayrici faktor olarak ortaya cikmistir.
5.2 Robotik Risk Dagilimi
Robotik risk dagitimi, AI dagitimina kiyasla daha polarize bir goruntu sunmaktadir. Bilgi iscileri (skor 0–2) ve agir sanayi meslekleri (skor 7–9) uc noktalarda yogunlasirken, karma meslekler orta bolgede kalmaktadir. Turkiye'de dusuk isgucü maliyeti, robotik otomasyonun ekonomik esigini yukseltmektedir.
5.3 Ingilizce Etki Analizi
Ingilizce etki skoru, meslegin uluslararasi boyutunu yansitmaktadir. Yazilim gelistirme, akademik arastirma ve uluslararasi ticaret gibi mesleklerde Ingilizce etkisi 80–100 araliginda iken, yerel hizmet sektoru mesleklerinde 10–30 araligindadir. Bu metrik, dil ogreniminin kariyer uzerindeki somut etkisini olcumlemektedir.
6. Sinirliliklar
Bu analizin sonuclari bilgilendirme amaclidir. Kesin gelecek tahminleri olarak yorumlanmamalidir.
- Istihdam verileri sektoreldir, meslek bazinda degildir. TUIK sektorel istihdam rakamlari meslekler arasinda bolunmustur — bireysel meslek bazinda istihdam sayisi tahmine dayalidir.
- Maas verileri ISCO ana grup ortalamasi. Ayni grup icindeki farkli mesleklerin gercel maaslari onemli olcude farklilik gosterebilir.
- Kayit disi oranlar tahmine dayali. Resmi kayit disi istihdam istatistikleri meslek bazinda yayinlanmamaktadir.
- AI ve robotik skorlar model degerlendirmesidir. Skorlar Claude Opus 4.6 tarafindan uretilmistir ve kesin tahmin degil, uzman degerlendirmesi olarak deger tasir.
- Robotik risk Turkiye'de daha yavas gerceklesebilir. Turkiye'nin dusuk isgucü maliyeti nedeniyle robotik otomasyon ABD'ye kiyasla daha gec ekonomik hale gelebilir.
7. Sonuc
Bu calisma, Turkiye is piyasasindaki 1.123 meslegin AI ve robotik otomasyona maruz kalma riskini sistematik olarak degerlendiren ilk kapsamli analizlerden biridir. Bulgular, dijital agirlikli mesleklerin AI riskine, fiziksel mesleklerin ise robotik otomasyona daha acik oldugunu gostermektedir. Ancak Turkiye'nin kendine ozgu dinamikleri — kayit disi ekonomi, bolgesel esitsizlik ve dusuk isgucü maliyeti — kuresel tahminlerin dogrudan uygulanabilirligini sinirlamaktadir.
Projenin tum kaynak kodu ve verileri acik kaynaktir. GitHub: github.com/htuzel/jobs (MIT lisansi). Katki yapmak isteyenler issue acabilir veya pull request gonderebilir. Ozellikle meslek bazinda detayli istihdam verileri, bolgesel analiz ve skor kalibrasyonu icin uzman geri bildirimi degerlidir.
Kaynaklar
- Karpathy, A. (2025). “AI Exposure Analysis of 342 US Occupations.” github.com/karpathy/jobs; karpathy.ai/jobs
- Anthropic (2026). “Labor market impacts of AI: Observed exposure rates across occupational categories.” Anthropic Research, Mart 2026.
- TUIK (2023). “Kazanc Yapisi Istatistikleri.” Turkiye Istatistik Kurumu, sektorel ve meslek grubu bazinda ortalama brut ucret verileri.
- TUIK (2024). “Ucretli Calisan Istatistikleri.” Sektorel istihdam sayilari ve yillik buyume trendleri.
- TUIK (2024). “Isgucü Istatistikleri.” Isgucüne katilim oranlari, issizlik ve genc issizlik verileri.
- ISKUR (2025). “Turk Meslekler Sozlugu.” esube.iskur.gov.tr. ISCO-08 uyumlu resmi meslek siniflandirmasi.
- International Labour Organization (2012). “International Standard Classification of Occupations: ISCO-08.” ILO, Geneva.