Düşünce Liderleri
Kadınlar neden işini kaybetme riskiyle daha fazla karşı karşıya — ve iş rollerini yeniden tasarlamak nasıl yeni yollar açabilir?

Öne çıkan noktalarOtomasyon yapılabilir rollerdeki kadınlar, çifte yerinden edilme riskiyle karşı…
Daha fazla göster
- Otomasyon yapılabilir rollerdeki kadınlar, çifte yerinden edilme riskiyle karşı karşıyadır ve yapay zeka işlerinde yeterince temsil edilmemektedir.
- Eşit olmayan eğitim erişimi nedeniyle erkekler ve kadınlar arasında 42 puanlık bir yapay zeka beceri açığı devam etmektedir.
- Risk altındaki rollerden yeni insan-yapay zeka irtibat pozisyonlarına beceri haritalaması yapmak için rol yeniden tasarımı gereklidir.
Kadınlar neden işini kaybetme riskiyle daha fazla karşı karşıya — ve iş rollerini yeniden tasarlamak nasıl yeni yollar açabilir?
Teknoloji sektörü yıllardır yetenek açığından kaygı duyuyor. Talebi karşılayacak kadar yapay zekâ mühendisi, veri bilimci veya yapay zekâ mimarı yok. Şirketler, çoğu erkeklerden oluşan aynı dar uzman grubunu kazanmak için kıyasıya rekabet ediyor.
Yapay zekâ yetenekleri için verilen bu mücadele manşetlere hâkim olurken işgücü piyasasının diğer tarafında daha sessiz bir kriz büyüyor. Milyonlarca çalışan, yapay zekânın şimdiden yeniden şekillendirdiği işlerde çalışıyor ve kadınlar bu grupta orantısız ölçüde yüksek bir paya sahip. Geçiş yapmalarını sağlayacak eğitim, araçlar veya yeni rollere aynı düzeyde erişemiyorlar.
Sonuç, iki yönlü bir çıkmaz. Sektör, yapay zekâ becerilerine sahip yeterli sayıda insan bulamazken kadınlar işgücünün potansiyelinden yeterince yararlanılmayan en büyük yetenek kaynağı olmayı sürdürüyor. İş kaybedenlerle iş kazananlar arasındaki fark rastlantı değil. Neredeyse her büyük ekonominin işgücü verilerinde görülen bir örüntüyü izliyor. Ele alınmazsa önümüzdeki on yılda çalışma hayatındaki toplumsal cinsiyet dinamiklerini bu örüntü belirleyecek.
Kadınlar neden işini kaybetme riskiyle daha fazla karşı karşıya?
Temel veri çarpıcı. Uluslararası Çalışma Örgütü (ILO) verilerine göre, kadınların ağırlıkta olduğu mesleklerin üretken yapay zekâdan etkilenme olasılığı erkeklerin ağırlıkta olduğu mesleklerin neredeyse iki katı: %29’a karşı %16. En yüksek risk grubunda fark daha da büyük. Kadınların ağırlıkta olduğu rollerin %16’sı otomasyona karşı en savunmasız kategorilere giriyor. Erkeklerin ağırlıkta olduğu rollerde bu oran %3.
ILO’nun Üretken Yapay Zekâ, Mesleki Ayrışma ve Çalışma Hayatında Toplumsal Cinsiyet Eşitliği raporu bunun arkasındaki üç etkeni belirliyor. Kadınlar, otomasyona geçme olasılığı en yüksek rollerde çalışıyor. Bu araçları geliştiren bilim, teknoloji, mühendislik ve matematik (STEM) alanlarında yoklar. Yapay zekâ modelleri de toplumda zaten kökleşmiş toplumsal cinsiyet önyargılarını sık sık yansıtıyor.
Bu bir rastlantı değil. Kadınlar tarihsel olarak büro işleri, idari destek, veri girişi ve müşteri hizmetlerinde yoğunlaştı. Bunlar yapay zekânın en iyi yaptığı işler: rutin, kurallarla ifade edilebilir ve büyük hacimlerde yürütülen görevler. ILO’nun araştırması, analiz ettiği ülkelerin %88’ini kapsıyor; bu ülkelerin neredeyse tamamında kadınlar erkeklerden daha fazla etkiye maruz kalıyor.
Etkilenme riski sorunun yalnızca yarısı. Yapay zekânın yarattığı roller, kadınların tarihsel olarak az temsil edildiği teknik ve stratejik işlevlerde yoğunlaşıyor. Interface EU tarafından 2024’te yapılan bir araştırmaya göre kadınlar, küresel yapay zekâ işgücünün yalnızca %22’sini oluşturuyor. Dünya Ekonomik Forumu’nun 2025 Toplumsal Cinsiyet Eşitliği Raporu, STEM kariyerlerinin ilk yılında kadınların önemli ölçüde bu alanlardan ayrıldığını ve kariyer boyunca yapay zekâ mühendisliği ile liderlikte az temsil edilmeye devam ettiğini ortaya koydu.
Kadınlar ortadan kalkan rollerde orantısız biçimde yoğunlaşırken yeni yaratılan rollerde az temsil ediliyor. Bu tek bir sorun değil, birbirini ağırlaştıran iki sorun.
Üçüncü bir katman durumu daha da kötüleştiriyor. Randstad’ın Yetenek Kıtlığını Anlamak: Yapay Zekâ ve Hakkaniyet raporu, erkeklerle kadınların yapay zekâ becerileri arasında 42 yüzde puanlık bir fark gösteriyor: %71’e karşı %29. Erkeklere işveren tarafından yapay zekâ eğitimi sunulma olasılığı daha yüksek (%35’e karşı %27); işte yapay zekâ araçları sağlanma olasılığı da daha yüksek (%41’e karşı %35). UC Berkeley, dünya çapında 143.000 çalışanı kapsayan 18 araştırmayı sentezledi ve kadınların üretken yapay zekâ araçlarını işlerinde kullanma olasılığının erkeklerden yaklaşık %20 daha düşük olduğunu buldu. Bu fark, eğitim düzeyinden veya ülkenin gelirinden bağımsız olarak sürdü.
Mesleki ayrışma kadınları otomasyona geçirilebilecek rollere yerleştirdi. STEM alanlarında az temsil edilmeleri, yapay zekânın şimdi yarattığı rollere girmelerini engelledi. Erişim ve eğitim açığı iki grup arasındaki geçişi engelliyor. Her katman diğerlerini güçlendiriyor.
İş rollerini yeniden tasarlamak: gerçekte ne anlama geliyor ve çoğu şirket neden yanlış yaklaşıyor?
Kuruluşlar işgücünü yapay zekâya hazırlamaktan söz ederken genellikle iki şeyden birini kastediyor: mevcut çalışanları yeni araçlarda yeniden eğitmek veya ortadan kalkan rollerin yerine yeni teknik pozisyonlar açmak. Her iki yaklaşım da asıl noktayı kaçırıyor.
Yeniden eğitim gerekli, ancak yeterli değil. Veri girişi yapan bir kadın çalışana yapay zekâ istemleri hazırlama kursu vermek tek başına bir kariyer yolu yaratmaz. Ona bir dizi beceri kazandırır. İhtiyacı olan şey bir hedef: kuruluşta gerçekten bulunan, sorumlulukları tanımlanmış ve gerçekçi biçimde geçiş yapabileceği belirli bir rol.
Ortadan kalkan rollerin yerine teknik pozisyonlar açmak çoğu zaman sorunu derinleştirir. Yapay zekâ mühendisi, veri bilimci ve makine öğrenimi uzmanı pozisyonları, işini kaybeden çalışanların çok azının sahip olduğu yeterlilik ve deneyimi gerektirir. Ayrıca teknoloji sektörüne zaten hâkim olan aynı homojen yetenek grubundan aday çekme eğilimindedir. Kadınlar iş kaybından etkilenir, ancak yerine açılan rolleri elde edemez.
Gerçek bir rol yeniden tasarımı farklı bir soruyla başlar. Yapay zekânın hangi işleri yapabildiğiyle değil, rutin işleri yapay zekânın yürüttüğü bir dünyada insan katkısının nasıl olacağıyla.
İnsana özgü çalışma ilişkiler, bağlam ve etikle ilgilidir. Belirsizlikle başa çıkmak, müşteriler ve çalışma arkadaşlarıyla güven kurmak, hazır bir şablonun bulunmadığı durumlarda muhakeme kullanmak ve bir paydaşın gerçekten neye ihtiyaç duyduğunu anlamaktır; yalnızca ne istediğini söylediğini bilmek değil.
Bu kesişimde ortaya çıkan yeni roller sektöre göre farklı adlar alır: Yapay Zekâ Uygulama Koordinatörü, Teknoloji Benimseme Lideri, İnsan-Yapay Zekâ İrtibat Sorumlusu, Dijital Etik Sorumlusu ve Değişim Yönetimi Uzmanı. Ortak ihtiyaçları, teknoloji ile insani karmaşıklığın buluştuğu yerde çalışabilecek insanlardır.
Bu roller muhakeme, iletişim ve kuruluşların nasıl işlediğini derinlemesine anlamayı gerektirir. Başka bir deyişle, bugün risk altında olan rollerdeki kadınların yıllar boyunca geliştirdiği becerilerin doğrudan devamıdır.
Doğru yaklaşan şirketler risk altındaki rollerde bulunan becerileri belirliyor. İş unvanına değil, kişinin gerçekten geliştirdiği yeteneklere bakıyor ve hangilerinin yapay zekânın yarattığı rollere uyduğunu saptıyor.
Bu yalnızca bir eşitlik sorunu değil, bir yetenek sorunu
Yapay zekâ yetenek açığı gerçek ve büyüyor. Yapay zekânın benimsenmesiyle ortaya çıkan roller, teknik okuryazarlıkla insan muhakemesinin gerçekten nadir bulunan bir birleşimini gerektiriyor. Şirketler dar bir insan grubu için kıyasıya rekabet ediyor.
Kadınlar, profesyonel işgücünde potansiyelinden yeterince yararlanılmayan en büyük yetenek kaynağı. Risk altındaki rollerde bulunan ilişki yönetimi, operasyonel koordinasyon, etik akıl yürütme ve paydaş iletişimi gibi beceriler, yapay zekâ çağının yeni rollerinin tam olarak ihtiyaç duyduğu beceriler. Bu iki gerçek arasındaki bağlantı açık olmalı.
Beceri temelli işe alım bu bağlantıyı mümkün kılar. Resmî yeterliliklere ve doğrusal kariyer yollarına göre elemek yerine bir kişinin gerçekten neler yapabildiğini değerlendirir. Yeteneklerini yıllarca idari işlerde ve hizmet işlerinde geliştiren insanlara yeni roller açar; bunlar yapay zekânın şimdi otomasyona geçirdiği rollerin ta kendisidir. İyi tasarlandığında yalnızca yetenek havuzunu genişletmez, kuruluşların yapay zekâyla desteklenen bir ortamda en çok ihtiyaç duyduğu belirli deneyim türlerini de ortaya çıkarır.
Kuruluşlar doğru yaklaştığında nasıl bir tablo ortaya çıkar?
Tek bir model yok. Ancak anlamlı ilerleme kaydeden kuruluşların ortak, ayırt edilebilir davranışları var.
İş unvanıyla değil beceriyle başlarlar. Herhangi bir rol otomasyona geçmeden önce o işi yapan kişinin gerçekten neler yapabildiğini belirler ve kuruluşun gelecekte ihtiyaç duyacağı yeteneklerle karşılaştırırlar. Soru, bir işin otomasyona geçirilip geçirilemeyeceği değil, o işi yapan kişinin ne bildiği ve bu bilginin kurulmakta olan yapıda nereye uyduğudur.
Öncü kuruluşlar, beceri geliştirmeye ilişkin belirsiz vaatlerin ötesine geçerek görünür, somut ve uygulanabilir yollar oluşturuyor. Gelecekteki fırsatlara yönelik genel bir umut yerine mevcut rolden tanımlanmış bir gelecek rolüne açık bir yol sunuyor; adımları, zaman çizelgelerini ve destek yapılarını belirtiyorlar. Eğitimi yalnızca tipik çalışan için değil, tüm işgücü için tasarlıyorlar. Mesai dışında yürütülen veya öz yönelimli öğrenme gerektiren programlar, bakım sorumluluğu olanları sistematik biçimde dışlayacaktır. Kapsayıcı tasarım; zamanlanabilir ve iş saatlerinde erişilebilir modüller, ayrıca performans değerlendirmesini etkilemeden deneme ve başarısız olma imkânı sağlayan psikolojik güvenlik demektir.
Bu yaklaşım işgücündeki temel bir değişimle uyumlu: Randstad Workmonitor 2026 geleneksel “kariyer merdiveninin” işlemediğini doğruluyor; işverenlerin %72’si artık doğrusal kariyer yollarının eskidiği görüşünde. Çalışanlar buna karşılık “portföy kariyerleri” oluşturarak riski azaltıyor. Bu yeni model tek bir rolde uzun süre kalmak yerine çeşitliliğe, kişinin kendi kariyerine yön verme gücüne ve farklı deneyimlerden doğan güvenceye öncelik veriyor.
Önümüzdeki 24 ayın etkisi uzun süre devam edecek
İşgücündeki dönüşümler kolayca tersine çevrilemez. Şimdi oluşan örüntüler yıllarca sürme eğilimindedir.
Bilinçli bir amaçla hareket eden kuruluşlar bu anı bugünkünden daha yetkin ve çeşitli bir işgücü oluşturmak için kullanabilir. Yapay zekâ dönüşümünü insanları dipnota indirgeyen teknik bir proje olarak görenler ise muhtemelen daha dar bir yetenek tabanı ve daha zor bir işe alım sorunuyla karşılaşacak.












