Yapay zekânın işgücü piyasasına etkisi tartışılırken genellikle aynı soru soruluyor: Yapay zekâ insanların işlerini elinden alacak mı? Oysa Brett Hemenway Falk ve Gerry Tsoukalas’ın 2026 tarihli “The AI Layoff Trap” çalışması çok daha rahatsız edici başka bir soru soruyor: Yapay zekâ insan emeğini gerçekten büyük ölçüde ikame ederse, şirketlerin ürettikleri mal ve hizmetleri satın alacak gelir nereden gelecek? Daha da önemlisi, şirketler bu tehlikeyi fark etseler bile yapay zekâ ile insanları ikame etmekten vazgeçebilirler mi?

Falk ve Tsoukalas’ın cevabı ikinci soruda özellikle çarpıcı. Şirketlerin tehlikeyi bilmeleri yeterli olmayabilir. Çünkü tek tek şirketler açısından son derece rasyonel olan otomasyon kararları, bütün şirketler aynı davranışı gösterdiğinde hem çalışanların hem de şirket sahiplerinin zarar ettiği bir ekonomik denge yaratabilir. Yazarların “AI layoff trap”, yani “yapay zekâ işten çıkarma tuzağı” adını verdikleri mekanizma tam olarak bu.

University of Pennsylvania’dan bilgisayar bilimci Brett Hemenway Falk ile Wharton School ve Boston University bağlantılı Gerry Tsoukalas tarafından hazırlanan çalışma ilk kez Mart 2026’da yayımlandı ve daha sonra revize edildi. SSRN’de Wharton School Research Paper olarak yer alan güncel sürüm 63 sayfa. Çalışmanın akademik statüsünü doğru tarif etmek önemli: Bu, yapay zekânın milyonlarca kişiyi işsiz bıraktığını ampirik verilerle kanıtlayan bir araştırma değil. Hakem değerlendirmesinden geçmiş nihai bir ekonomik gerçeklik tarifi de değil. Araştırmacılar matematiksel bir ekonomik model kuruyor ve belirli varsayımlar altında şirketlerin rekabetinin aşırı otomasyona yol açabileceğini gösteriyorlar. Dolayısıyla çalışma “gelecekte kesinlikle böyle olacak” demiyor; “şu koşullar gerçekleşirse piyasanın kendi kendine düzelmesini beklemek için sandığımız kadar güçlü bir nedenimiz olmayabilir” diyor.

Şirket için doğru olan ekonomi için neden yanlış olabilir?

Problemin başlangıç noktası oldukça basit. Bir şirketin önünde aynı işi yapabilecek iki seçenek bulunduğunu düşünelim. Birinci seçenekte işi bir insan yapıyor ve bunun şirkete maaş, sigorta, yan haklar ve diğer giderlerle birlikte belirli bir maliyeti var. İkinci seçenekte aynı görev yapay zekâ tarafından daha düşük maliyetle gerçekleştirilebiliyor. Şirket açısından karar açıktır: Yapay zekâya geçmek maliyeti düşürüyorsa otomasyon kârlıdır.

Buraya kadar bildiğimiz teknoloji ve verimlilik hikâyesindeyiz. Fakat Falk ve Tsoukalas modele ikinci bir ilişki ekliyor: Çalışan yalnızca üretim faktörü değildir, aynı zamanda tüketicidir. Şirket çalışanı ortadan kaldırdığında sadece ücret maliyetinden kurtulmaz; ekonomide bir kişinin elde ettiği emek gelirini de azaltır. İşini kaybeden kişinin geliri başka bir iş, sosyal transfer veya başka bir kaynak tarafından bütünüyle telafi edilmiyorsa tüketimi de azalacaktır. Dolayısıyla şirket bir taraftan üretim maliyetini düşürürken diğer taraftan ekonomideki toplam tüketici talebinin küçülmesine katkıda bulunur.

Fakat kritik nokta, bu iki etkinin aynı şirkete dönmemesidir. Şirket otomasyondan kaynaklanan maliyet tasarrufunun tamamını kendisi elde ederken, işten çıkardığı çalışanın tüketimindeki düşüşün yalnızca küçük bir bölümünü kendi satışlarında hisseder. Çünkü o çalışan gelirini tek bir şirkette harcamıyordur. Marketten alışveriş yapıyor, telefon alıyor, restorana gidiyor, seyahat ediyor, internet aboneliği ödüyor, otomobil satın alıyor veya başka şirketlerin ürünlerini tüketiyordur. Bir şirketin işten çıkarmasının yarattığı talep kaybı ekonomideki birçok şirkete dağılır.

İşte çalışmanın merkezindeki kavram burada ortaya çıkıyor: talep dışsallığı, yani “demand externality”.

Çevre ekonomisindeki klasik fabrika örneğini düşünmek mümkün. Fabrika üretimden elde ettiği kazancı kendi bilançosuna yazar, fakat havayı kirletmesinin bütün maliyetini kendisi ödemez. Kirliliğin bir kısmının maliyetini toplum taşır. Falk ve Tsoukalas’ın modelinde otomasyonda buna benzeyen bir durum oluşuyor. Şirket çalışanı yapay zekâyla değiştirdiğinde tasarrufun tamamını kendisine yazarken, çalışanın kaybolan gelirinin yarattığı talep azalmasının büyük bölümünü diğer şirketlerle paylaşıyor. Bu nedenle şirketin özel hesabındaki optimum otomasyon miktarı ile bütün ekonomi açısından optimum otomasyon miktarı birbirinden ayrılabiliyor.

Şirketler uçurumu görseler bile neden fren yapmıyor?

Çalışmanın en ilginç sonucu şirketlerin bu mekanizmayı bilmesinin sorunu çözmemesi. Çünkü mesele bilgisizlik değil, rekabet teşvikleri.

Bir sektörde on şirket bulunduğunu düşünelim. Şirketlerden biri yapay zekâ sayesinde maliyetlerini önemli ölçüde azaltabiliyorsa, diğer dokuz şirketin “toplam talebi korumak adına” otomasyondan vazgeçmesi ekonomik açıdan oldukça zor olacaktır. Otomasyon yapan şirket daha düşük maliyetle üretim yapabilecek, fiyat düşürebilecek, daha yüksek kâr marjı elde edebilecek veya kazandığı kaynakları başka alanlara yatırabilecektir. Otomasyon yapmayan rakipler ise maliyet dezavantajıyla karşı karşıya kalacaktır.

Böylece ortaya klasik bir kolektif eylem problemi çıkar. Bütün şirketler birlikte hareket edebilseler daha az otomasyonun kendileri açısından da daha iyi olduğu bir noktada durabilirler. Fakat her şirket diğerlerinin kararlarından bağımsız biçimde kendi çıkarını maksimize ettiğinde otomasyona devam etmek için güçlü bir teşvike sahiptir. Yazarların “automation arms race”, yani otomasyon silahlanma yarışı dediği şey budur.

Bu nedenle modelde ortaya çıkan tablo basit bir “açgözlü şirketler çalışanları kovuyor” hikâyesi değildir. Hatta çalışmanın asıl rahatsız edici yanı tam tersidir: Kötü sonucu yaratmak için kötü niyetli yöneticilere ihtiyaç yoktur. Her şirket kendi açısından ekonomik olarak doğru kararı verirken sistem toplamda kötü bir sonuca ulaşabilir.

Dahası, çalışmada aşırı otomasyon yalnızca çalışanlara zarar vermiyor. Şirket sahipları da kaybedebiliyor. Otomasyon belirli bir noktayı geçtiğinde ücret gelirlerindeki kayıp talebi öylesine azaltıyor ki maliyet tasarrufundan elde edilen kazanç, küçülen pazar nedeniyle oluşan gelir kaybıyla aşılabiliyor. Böylece rekabetçi dengedeki otomasyon seviyesi, hem çalışanların hem de sermaye sahiplerinin daha iyi durumda olacağı ortaklaşa seçilmiş otomasyon seviyesini geçebiliyor. Ekonomi literatürünün diliyle, ortaya çıkan denge Pareto açısından dahi daha kötü olabiliyor. Çalışmanın grafiklerinde rekabetçi otomasyon dengesi, hem işçi gelirinin hem de firma sahiplerinin fazlasının daha yüksek olduğu ortaklaşa optimum noktanın ötesine geçiyor.

Bu sonuç tartışmanın politik çerçevesini de değiştiriyor. Yapay zekâ nedeniyle iş kaybını yalnızca “işçiler ile sermaye sahipleri arasındaki çıkar çatışması” olarak görmek yetersiz kalıyor. Falk ve Tsoukalas’ın modelinde belirli koşullarda sermaye sahipleri de aşırı otomasyondan zarar görüyor. Sorun gelirin yalnızca işçilerden sermayeye aktarılması değil; ekonomik pastanın kendisinin küçülmesi.

Daha iyi yapay zekâ sorunu neden daha da büyütebilir?

Teknolojik ilerleme konusunda alışılmış varsayım, daha üretken teknolojinin daha yüksek refah yaratacağıdır. Çalışma bu düşünceyi tamamen reddetmiyor; ancak geçiş döneminde ilginç bir paradoks ortaya koyuyor. Yapay zekâ insan emeğine göre ne kadar ucuz ve yetenekli hale gelirse şirketlerin otomasyon teşviki o kadar büyüyor. Eğer ekonominin işini kaybeden insanları yeni işlere taşıma kapasitesi aynı hızda gelişmiyorsa, otomasyonun yarattığı talep dışsallığı da büyüyebiliyor.

Benzer biçimde rekabetin artması da modelde otomatik olarak çözüm üretmiyor. Tam tersine şirket sayısı arttıkça tek bir şirketin kendi otomasyon kararından kaynaklanan toplam talep kaybının kendisine dönen kısmı küçülüyor. Çok basitleştirirsek, tek bir şirket bütün pazarı kontrol etse kendi çalışanlarını işten çıkararak müşterilerinin gelirini azaltmasının sonucunu büyük ölçüde kendi satışlarında görecektir. Pazarda çok sayıda rakip varsa ise bir şirketin yarattığı talep kaybının önemli bölümü rakiplerin satışlarına yansır. Böylece otomasyonun özel maliyeti ile toplumsal maliyeti arasındaki mesafe büyür.

Bu, çalışmanın en ters köşe sonuçlarından biridir: Modelin koşulları altında daha yoğun rekabet ve daha iyi yapay zekâ, aşırı otomasyon problemini azaltmak yerine büyütebilir. Yazarların “daha iyi AI” ifadesini tırnak içine almasının nedeni de budur. Teknoloji teknik anlamda daha iyi hale gelirken onu kullanan ekonomik sistemin dengesi mutlaka daha iyi hale gelmeyebilir.

Peki ücretler düşerse sistem kendi kendini düzeltmez mi?

Klasik ekonomik itirazlardan biri burada devreye giriyor. Yapay zekâ nedeniyle çok sayıda insan işsiz kalırsa emek arzı artar, ücretler düşer ve bir noktada insan çalıştırmak yeniden cazip hale gelir. Dolayısıyla piyasa kendi düzeltici mekanizmasını oluşturabilir.

Falk ve Tsoukalas ücret ayarlamasını modellerine dahil ediyorlar. Düşen ücretler gerçekten otomasyonun maliyet avantajını azaltabiliyor ve otomasyonu yavaşlatabiliyor. Fakat onların modelinde bu mekanizma temel dışsallığı ortadan kaldırmıyor. Çünkü sorun yalnızca insan ile makine arasındaki maliyet farkından kaynaklanmıyor. Şirket hâlâ otomasyondan elde ettiği özel tasarrufun tamamını alırken yarattığı talep kaybının yalnızca bir bölümünü üstleniyor.

Üstelik ücretlerin düşmesi başka bir sorun yaratıyor: Çalışmaya devam eden insanların da satın alma gücü azalabiliyor. Böylece otomasyonu ucuz emek yoluyla frenlemeye çalışan mekanizma aynı zamanda tüketici talebini baskılayabiliyor. Çalışmanın iddiası bu nedenle “ücretler hiç ayarlanmaz” değil; ücret ayarlamasının dışsallığın kaynağını ortadan kaldırmaya yetmediği.

Benzer şekilde piyasaya yeni şirketlerin girmesi de problemi otomatik olarak çözmüyor. Yeni firmalar rekabeti artırırken dışsallığın şirketler arasında daha geniş biçimde dağılmasına yol açabiliyor. Böylece klasik “rekabet ve serbest giriş sonunda dengeyi düzeltir” beklentisi bu modelde işlemiyor.

Yeni işler yaratılırsa ne olacak?

Teknoloji tarihinin en güçlü karşı argümanı elbette budur. Sanayi Devrimi’nden bilgisayar devrimine kadar makineler bazı meslekleri ortadan kaldırırken daha önce var olmayan meslekler de yarattı. Daron Acemoglu ve Pascual Restrepo’nun literatürde “reinstatement effect” olarak tanımladığı mekanizma, teknolojinin yok ettiği görevlerin karşısına yeni insan görevlerinin çıkmasını anlatıyor. Falk ve Tsoukalas da çalışmalarına tam olarak bu tarihsel noktadan başlıyorlar.

Dolayısıyla modelin kritik değişkenlerinden biri, işini kaybeden insanların gelirlerinin ne kadarının yeni işler aracılığıyla geri kazanıldığı. Eğer yapay zekâ bir kişiyi işsiz bırakıyor fakat ekonomi kısa süre içinde ona benzer veya daha yüksek ücretli başka bir iş yaratıyorsa talep kaybı büyük ölçüde ortadan kalkar. Problem, yeni işlerin eski işleri yeterince hızlı ikame edemediği geçiş döneminde ortaya çıkar.

Bu ayrım çok önemli. Çalışma “yapay zekâ sonsuza kadar bütün insanları işsiz bırakacaktır” varsayımına dayanmak zorunda değil. Ekonominin yeniden emme hızı ile yapay zekânın işleri ikame etme hızı arasındaki geçici bir uyumsuzluk bile mekanizmayı harekete geçirebilir. Dolayısıyla esas değişken toplamda kaç yeni iş yaratılacağından çok, bu işlerin hangi hızla, hangi ücretlerle ve hangi insanlar için yaratılacağıdır.

Yeniden eğitim neden yeterli değil?

Buradan doğal olarak “o halde insanları yeni işlere hazırlayalım” sonucu çıkıyor. Çalışma upskilling, yani beceri geliştirme ve yeniden eğitim politikalarını da değerlendiriyor. Bunlar yararsız değil; aksine işten çıkarılan insanların yeni işlerde gelir elde etme oranını yükselttikleri ölçüde talep kaybını ve dolayısıyla aşırı otomasyon problemini küçültüyorlar.

Fakat yazarların matematiksel sonucu daha sınırlı: Yeniden eğitim dışsallığı azaltabiliyor ama genel durumda onu tamamen ortadan kaldırmıyor. Çünkü yeni işe yerleşen çalışanın gelirinin, kaybettiği geliri ne ölçüde telafi ettiği belirleyici. Eğer yeniden istihdam edilen kişi eski gelirinin yalnızca bir bölümünü kazanıyorsa talep kaybının bir bölümü yaşamaya devam ediyor.

Bu nedenle “AI işleri yok edecek ama herkesi yeniden eğitiriz” önermesi model açısından ancak yeniden eğitimin gerçekten yüksek oranlı ve yüksek gelirli yeniden istihdam yaratması halinde güçlü bir çözüm oluyor. Kurs açmak ile kaybedilen geliri geri kazandırmak aynı şey değil.

Evrensel temel gelir neden kurtarıcı değil?

Çalışmanın en tartışmalı sonuçlarından biri evrensel temel gelir, yani UBI konusunda ortaya çıkıyor. İlk bakışta UBI tam da modelin sorununu çözecek araçmış gibi görünüyor. İnsanlar işlerini kaybediyor, devlet onlara gelir sağlıyor, onlar da tüketmeye devam ediyor; böylece şirketlerin müşteri tabanı yok olmuyor.

Falk ve Tsoukalas’ın itirazı UBI’nin insanlara yardımcı olmadığı yönünde değil. Evrensel temel gelir elbette işsiz kalan insanların yaşam standardını yükseltebilir ve ekonomideki talebi destekleyebilir. Fakat onların modelinde UBI şirketin bir sonraki görevi otomatikleştirme konusundaki marjinal kararını değiştirmiyor.

Bir görevi insanın yapması şirkete 100 birime, yapay zekânın yapması 40 birime mal oluyorsa devletin işten çıkarılan kişiye temel gelir ödemesi şirketin önündeki 100’e karşı 40 hesabını değiştirmez. Şirket yine otomasyonu seçer. UBI otomasyonun sonucunda ortaya çıkan gelir kaybını telafi etmeye çalışır; otomasyon kararını doğuran özel teşviki ise doğrudan fiyatlandırmaz.

Bu yüzden çalışmanın “UBI işe yaramıyor” sonucunu dikkatli okumak gerekir. Yazarlar UBI’nin sosyal politika olarak yararsız olduğunu söylemiyor. Söyledikleri şey daha teknik: UBI, onların modelindeki aşırı otomasyon dışsallığını ortadan kaldıran bir araç değil.

Şirket kârlarını vergilendirmek de neden çözmüyor?

Sermaye gelirlerini veya şirket kârlarını vergilendirmek de ilk bakışta doğal çözüm gibi görünebilir. Yapay zekâ sayesinde sermaye sahiplerinin gelirleri yükseliyorsa bunların bir bölümünü vergileyip topluma dağıtmak mümkün olabilir.

Fakat burada da aynı marjinal teşvik problemi ortaya çıkıyor. Oransal bir kâr vergisi şirketin otomasyondan önceki ve sonraki kazancını aynı oranda azaltıyorsa, insan yerine makine kullanmanın göreli avantajı ortadan kalkmıyor. Şirket daha az net kâr elde ediyor fakat “bu görevi insan mı yapsın, AI mı?” sorusunun cevabı değişmeyebiliyor.

Çalışanlara şirket hissesi veya kâr payı vermek daha ilginç bir sonuç doğuruyor. Çünkü sermaye gelirinin bir bölümü çalışanlara aktarılırsa, otomasyon sonucunda ortaya çıkan kâr yeniden tüketici talebine dönüşebilir. Modelde bu mekanizma problemi azaltıyor; ancak makalenin varsayımları altında dışsallığı tamamen ortadan kaldırması için son derece güçlü koşullar gerekiyor. İşçilerin kârların çok büyük bölümüne sahip olması ve bu gelirlerin önemli kısmını yeniden ilgili ekonomide harcaması gerekiyor. Dolayısıyla işçi ortaklığı modelde faydalı olsa da genel çözüm haline gelmiyor.

Şirketler kendi aralarında anlaşamaz mı?

Teorik olarak şirketlerin hepsi problemi biliyorsa “kimse belli bir seviyeden fazla otomasyon yapmasın” şeklinde bir anlaşma düşünülebilir. Ekonomide dışsallıkların taraflar arasında pazarlıkla çözülebileceğini savunan Coase yaklaşımının bir versiyonu burada uygulanabilir.

Fakat bunun pratik ve teorik problemleri var. Bir şirket diğerlerinin otomasyonu sınırlayacağına inanırsa kendisi otomasyon yaparak maliyet avantajı elde etmek için daha da güçlü bir teşvike sahip olabilir. Anlaşmaya uymayan şirket tasarrufun tamamını alırken talep kaybının büyük bölümünü yine diğerlerine yayacaktır. Ayrıca çok sayıda şirket ve çalışanın bulunduğu bir ekonomide bütün otomasyon kararlarını gözlemlemek, sözleşmeye bağlamak ve uygulamak son derece güçtür.

Bu nedenle problem mahkûmlar ikilemine benzer hale gelir: Herkesin işbirliği yapması herkes açısından daha iyi olabilir, fakat bireysel teşvikler işbirliğini bozabilir. Çalışma bu nedenle gönüllü anlaşmaların da temel mekanizmayı güvenilir biçimde ortadan kaldırmadığı sonucuna varıyor.

Yazarların çözümü: Yapay zekâ vergisi değil, otomasyon dışsallığı vergisi

Falk ve Tsoukalas’ın modelinde aşırı otomasyonu doğrudan düzelten araç bir Pigouvian automation tax, yani Pigou tipi otomasyon vergisi.

Buradaki ayrımı kaçırmamak gerekiyor. Öneri basitçe “AI kullanan şirketlerden vergi alın” şeklinde okunmamalı. Pigou vergisinin mantığı teknolojiyi cezalandırmak değil, ekonomik kararın başkasına yüklediği ve piyasa fiyatında görünmeyen maliyeti o kararın fiyatına dahil etmektir.

Karbon vergisinin teorik mantığı buna iyi bir örnektir. Bir şirket bir ürün üretirken atmosfere karbon salıyor fakat iklim zararının tamamını kendi bilançosunda görmüyorsa üretimin özel maliyeti toplumsal maliyetinden düşük görünür. Karbonun fiyatlandırılması bu farkı azaltmaya çalışır.

“The AI Layoff Trap” aynı fikri otomasyona uyguluyor. Bir insan görevini otomatikleştirmenin şirket dışına taşan talep maliyeti varsa otomasyon kararına görev başına bir vergi konulabilir. Modelde optimum vergi, şirketin kendi hesabında dikkate almadığı marjinal talep kaybını fiyatlandıracak şekilde belirleniyor. Basitleştirilmiş ifadeyle vergi oranı, toplam talep kaybının şirketin zaten kendisinin üstlendiği bölüm çıkarıldıktan sonra kalan dış maliyetine karşılık geliyor.

Yazarların modelinde N adet simetrik firma bulunduğunda optimum düzeltici verginin temel yapısı dış talep kaybının (1 − 1/N) oranındaki kısmıyla bağlantılı. Bunun sezgisi de açık: Tek bir şirket varsa kendi yarattığı talep kaybının tamamını büyük ölçüde kendisi üstlenir ve dışsallık küçülür. Firma sayısı arttıkça tek bir şirketin kendi yarattığı zararın kendisine dönen payı azalır; dolayısıyla dışarıya yüklediği pay büyür.

Bu verginin amacı otomasyonu durdurmak değildir. Eğer yapay zekâyla bir işi yapmak, otomasyonun bütün toplumsal maliyetleri hesaba katıldıktan sonra hâlâ daha verimliyse şirket otomasyon yapmaya devam eder. Vergi yalnızca şirketin özel hesabı ile toplumsal hesap arasındaki farkı kapatmayı amaçlar.

Başka bir ifadeyle makalenin önerisi “insanları makinelerden koruyalım” değil, “şirketin otomasyon kararında bugün fiyatı sıfır görünen dış maliyete bir fiyat verelim” biçiminde okunmalıdır.

Fakat modelin çok önemli bir zayıf noktası var

Buraya kadar çalışma kendi matematiksel dünyası içinde oldukça güçlü görünüyor. Fakat ekonomik modellerde asıl soru denklemlerin doğru çözülüp çözülmediği kadar, denklemlerin gerçek dünyayı hangi varsayımlarla temsil ettiğidir.

Nitekim Jeremy McEntire tarafından Nisan 2026’da yayımlanan “Three Headlines from One Equation: A Replication and Sensitivity Analysis of ‘The AI Layoff Trap’” başlıklı çalışma Falk ve Tsoukalas’ın modelini yeniden kurarak makaledeki on temel önermenin matematiksel olarak doğrulandığını bildiriyor. Ardından çok önemli bir itiraz getiriyor: Sonucun şiddeti, modelde kullanılan bazı parametrelere ve varsayımlara ciddi biçimde bağlı.

Özellikle işini kaybeden insanların ne kadar hızlı yeniden istihdam edildiği ve eski gelirlerinin ne kadarını geri kazandığı belirleyici. Falk ve Tsoukalas’ın temel kalibrasyonunda yeniden kazanılan gelir oranı düşük tutuluyor. Sermaye sahiplerinin elde ettikleri gelirin ne kadarını tüketime döndürdüğü, yeni görevlerin yaratılma hızı, malların yapısı ve otomasyonun fiyatları düşürerek reel satın alma gücünü ne kadar artırdığı gibi unsurlar da sonuç üzerinde etkili.

Bu eleştiri makaleyi geçersiz kılmıyor; tam tersine onu doğru yere oturtuyor. Falk ve Tsoukalas’ın ortaya koyduğu şey “AI ekonomiyi kaçınılmaz olarak çökertir” teoremi değil. Gösterdikleri şey, belirli ekonomik koşullarda rekabetçi piyasanın kendi kendine optimum otomasyon seviyesini bulacağının garanti olmadığıdır.

Bu ikisi arasında büyük fark var.

Çünkü otomasyonun tüketiciye kazandırdığı bir şey de var: Daha ucuz ürünler

Model tartışılırken unutulmaması gereken bir başka kanal da üretkenlik artışının fiyatlara yansıması. Yapay zekâ bir şirketin maliyetini dramatik biçimde azaltır ve rekabet nedeniyle bu tasarruf fiyatlara aktarılırsa, çalışanların nominal gelirleri azalsa bile tüketicilerin bazı ürün ve hizmetleri çok daha ucuza satın alabilmesi mümkündür.

Teknolojik ilerlemenin tarihsel refah etkisinin önemli bölümü zaten buradan gelir. Bir zamanlar yalnızca zenginlerin ulaşabildiği ürünlerin kitleselleşmesi, üretim maliyetlerinin düşmesi sayesinde gerçekleşmiştir. Dolayısıyla yapay zekâ yalnızca “kaç maaşı ortadan kaldırdı?” hesabıyla değerlendirilemez; “üretilen mal ve hizmetlerin fiyatını ne kadar düşürdü ve yeni hangi tüketim alanlarını yarattı?” sorusunun da hesaba katılması gerekir.

Aynı şekilde AI sayesinde ortaya çıkan yeni şirketler, yeni meslekler ve daha önce ekonomik olarak mümkün olmayan ürünler de modele ilişkin gerçek dünya değerlendirmesinde önem taşır. Eğer bu “reinstatement” mekanizması güçlü olursa işten çıkarmaların talep üzerindeki kalıcı etkisi çok daha küçük olabilir. Eğer zayıf kalırsa Falk ve Tsoukalas’ın tarif ettiği dışsallık çok daha ciddi hale gelir.

Bu yüzden önümüzdeki yılların asıl ampirik sorusu “AI iş yok ediyor mu?” kadar basit olmayacaktır. Ölçülmesi gereken şey, AI’nın yok ettiği emek gelirinin ne kadarının, ne kadar sürede ve hangi kanallardan yeniden ekonomiye döndüğüdür.

Asıl mesele iş değil, gelirin dağıtım mekanizması olabilir

“The AI Layoff Trap”in belki de en değerli yanı, yapay zekâ tartışmasını “robotlar işlerimizi alacak mı?” klişesinin dışına çıkarması.

Sanayi toplumunun ekonomik düzeninde insanların büyük bölümünün tüketim hakkına erişmesinin temel mekanizması emek geliridir. İnsan çalışır, ücret alır ve bu ücretle başka insanların veya şirketlerin ürettiklerini satın alır. Şirket açısından maaş maliyettir; ekonomi açısından ise aynı maaş başka şirketlerin gelirini oluşturan satın alma gücüdür.

Yapay zekâ bu bağlantının bir tarafını radikal biçimde değiştirebilir. Üretimin giderek daha büyük kısmı insan emeğine ihtiyaç duymadan yapılabiliyorsa, “üretmek için çalışmak” ile “tüketebilmek için gelir elde etmek” arasındaki tarihsel bağ zayıflamaya başlar.

Burada ortaya çıkan soru artık teknolojik değildir.

Bir ekonomi neredeyse her şeyi çok az insan emeğiyle üretebiliyorsa, o ekonomide üretilen malları satın alma hakkı insanlara hangi mekanizmayla dağıtılacaktır?

Sermaye sahipliği bunun bir cevabıdır. Evrensel temel gelir başka bir cevaptır. Negatif gelir vergisi, sosyal temettü, çalışanların sermaye sahipliği, kamu fonları veya farklı transfer sistemleri başka cevaplar olabilir. Falk ve Tsoukalas bunların bazılarının kendi modellerindeki aşırı otomasyon teşvikini ortadan kaldırmadığını gösteriyor; fakat bu araçların gelir dağılımı ve tüketici talebi açısından önemsiz olduğu anlamına gelmiyor.

Tam tersine AI çağının en büyük ekonomik tartışmasının burada çıkması mümkün.

Çünkü bugüne kadar makinelerin insanlardan daha fazla üretmesi başlı başına bir sorun değildi. Verimlilik artışı ekonomik büyümenin temel kaynaklarından biriydi. Fakat insanın üretimdeki rolü çok hızlı küçülürken insanların gelir elde etme sistemi aynı hızla değişmezse, garip bir ekonomik paradoks ortaya çıkabilir: Toplum hiç olmadığı kadar yüksek üretim kapasitesine sahipken insanların önemli bir bölümü bu üretimi satın alacak gelirden yoksun kalabilir.

Falk ve Tsoukalas’ın çalışmasının esas uyarısı tam olarak burada yatıyor. Tehlike yapay zekânın çok az üretmesi değil, çok iyi üretmesi ve ekonomik kurumların buna yeterince hızlı uyum sağlayamaması.

Böyle bir durumda şirketlerin problemi görmesi de yeterli olmayabilir. Bir CEO “çalışanları çıkarırsak sonunda müşterilerimizi kaybederiz” diye düşünebilir. Fakat rakibi otomasyon sayesinde maliyetini yüzde 40 azaltıyorsa aynı CEO’nun çalışanlarını koruma kararı şirketini daha önce piyasadan silebilir. Dolayısıyla herkes yaklaşmakta olan problemi görebilir ve yine de hiç kimse tek başına frene basamayabilir.

“The AI Layoff Trap”in ortaya attığı en güçlü fikir de bu: Yapay zekâ çağının ekonomik riski yalnızca insanların makineler karşısında kaybetmesi olmayabilir. İnsanların, şirketlerin ve hatta sermaye sahiplerinin birlikte kaybettiği bir denge de teorik olarak mümkündür.

O nedenle geleceğin belki de en önemli sorusu “Yapay zekâ insanların yaptığı işleri yapabilir mi?” değildir. Bunun cevabının giderek daha fazla “evet” olabileceğini zaten görüyoruz.

Daha zor soru şudur:

İnsanların üretmek için çalışmasına giderek daha az ihtiyaç duyan bir ekonomi, insanların tüketebilmesi için gerekli geliri nasıl dağıtacak?

Bu soruya cevap veremediğimiz takdirde yapay zekânın yarattığı en büyük ekonomik sorun üretim kıtlığı değil, tam tersine tarihte ilk kez üretme kapasitesi ile satın alma gücü arasındaki bağın kopması olabilir.