Robotlar Mavi Yakalı İşleri Elinden Alacak mı? Anthropic'in 2026 Çalışması Gerçekte Ne Söylüyor (Anthropic, Tesla, Nvidia, Jobbit)

On yıldır otomasyon üzerine kamuoyundaki tartışma tek bir sayıyla yürüyor. 2013'te Oxford'daki Carl Benedikt Frey ve Michael Osborne, Amerika Birleşik Devletleri'ndeki istihdamın 47%'sinin önümüzdeki yirmi yıl içinde bilgisayarlaşma riski yüksek mesleklerde yer aldığını tahmin etti ve bu rakam o günden beri işin geleceğine dair her konuşmada tekrarlandı. On üç yıl sonra, depoları ve inşaat sahalarını boşaltacağı varsayılan robotlar gösterilerde, birkaç bin fabrikada ve az sayıda taksi filosunda ortaya çıktı; yerlerini alması beklenen insanlar ise hâlâ iş başında, üstelik çoğu işverenlerin dolduramadığı açık verilen mesleklerde çalışıyor. Standart anlatıda bir şey yanlıştı ve yakın zamana kadar kimse ne olduğunu ölçmemişti.

30 Eylül 2026'da Anthropic'in ekonomi ekibi, Russell Legate-Yang ve Maxim Massenkoff imzalı "What work can robots do?" başlıklı makaleyi yayımladı. Bu incelemenin tespit edebildiği kadarıyla, Amerikan ekonomisindeki her fiziksel görevi gerçekten var olan robotlara karşı derecelendiren ve ardından 47%'lik rakamın hiç sormadığı soruyu soran ilk girişim: hangi fiyattan? Yanıt tartışmayı yeniden şekillendiriyor. Robotlar Amerika Birleşik Devletleri'ndeki fiziksel iş görevlerinin yaklaşık dörtte üçünü şimdiden yapabiliyor, ancak bunların yalnızca binde üçü için insandan daha ucuz. Bu açığı robot fiyatlarının 1990'lardan beri düştüğü hızla kapatmak, işin onda birine ulaşmak için yaklaşık kırk yıl alırdı ve agresif bir senaryo bile fiziksel işin yarısını 2050'nin ötesine taşıyor. Bu vaka çalışması makaleyi yakından okuyor, onu yapay zekanın masa başı işlere şimdiden yaptıklarına dair kanıtların yanına koyuyor, itirazları ele alıyor ve bu örüntünün bir Britanyalı zanaatkar, bir küçük işletme sahibi ve makalenin şimdi sayısallaştırdığı öncül üzerine kurulmuş Jobbit gibi bir şirket için ne anlama geldiğini ortaya çıkarıyor: makineler ile insanlar arasındaki devir, önümüzdeki yirmi yılın merkezi tasarım sorusudur.

Bulguların özeti

Birincisi, yetenek artık fiziksel işlerin çoğu için bağlayıcı kısıt değil. Anthropic çalışması, robotların Amerika Birleşik Devletleri'ndeki fiziksel görevlerin 74%'ünü, yani tüm çalışma saatlerinin 34%'ünü yapabildiğini ortaya koyuyor; bunu hayal edilmiş değil, satılmış, devreye alınmış veya gösterilmiş robotlarla yapıyor.

İkincisi, kısıt maliyet. Robotlar bugün iş görevlerinin 0.3%'ü için bir işçiyle maliyet açısından rekabetçi. En çok maruz kalan büyük meslek olan paketleyiciler için tahmini yıllık tasarruf, yaklaşık $49,000 olan işgücü maliyetine karşılık işçi başına yaklaşık $2,500; taksi şoförleri için robot hâlâ insandan yaklaşık $7,000 daha pahalı.

Üçüncüsü, açık yavaş kapanıyor. Robot fiyatları 1990'lardan beri yılda yaklaşık 3% düştü. Bu hızla, robotların ABD işinin 10%'u için maliyet açısından rekabetçi hâle gelmesi 40 yıl sürüyor. Makalenin hızlı senaryosunda, maliyetler dört kat hızlı düşerken yetenekler iki kat hızlı gelişirse, robotlar fiziksel işin yarısı için yaklaşık 2050'de insandan ucuz hâle geliyor; tarihsel eğilimde bu yıl 2085, ve işin 90%'ını otomatikleştirmek yine 53 yıl alıyor.

Dördüncüsü, dijital iş tam tersi bir tabloyla karşı karşıya. ABD işinin yaklaşık 50%'si yalnızca büyük dil modellerine, 81%'i ise dil modellerine veya robotlara birlikte maruz; bordro verilerinden gelen erken işgücü piyasası kanıtları, yapay zekaya en çok maruz mesleklerdeki 22 ile 25 yaş arası çalışanların istihdamının daha az maruz akranlarının yaklaşık 19% altında seyrettiğini, deneyimli çalışanlar veya genel ekonomi için ise henüz benzer bir hareket olmadığını gösteriyor.

Beşincisi, robotlara en çok maruz kalanlar en az güvenceye sahip olanlar. Maruz kalmayan çalışanlarla karşılaştırıldığında üniversite diplomasına sahip olma olasılıkları 55 yüzde puan daha düşük, saatte yaklaşık $30 daha az kazanıyorlar ve işsizlik oranları iki katından fazla.

Altıncısı, kalan engeller belirli ve ölçülebilir. Fiziksel görevlerin yaklaşık 70%'i yetenek nedeniyle geri tutuluyor, bunların kabaca yarısı kavrama ve el becerisi yüzünden; 14%'ü mevcut düzenlemeler, 25%'i ise insan tercihleri tarafından engelleniyor. Bunlar, onlarca yıl boyunca bir insana ihtiyaç duyulacak ve makinelere öğretecek verinin henüz var olmadığı görevler.

Vaka: bu çalışma neden doğru laboratuvar

Otomasyon tahminleri genellikle iki yoldan biriyle başarısız oldu. Frey ve Osborne'unki gibi meslek düzeyindeki çalışmalar tüm işleri otomatikleştirilebilir birimler olarak ele aldı ve bu da 47% rakamını üretti; OECD'den Melanie Arntz, Terry Gregory ve Ulrich Zierahn 2016'da aynı çalışmayı görev düzeyinde, 21 ülkede her meslek içindeki iş karışımını hesaba katarak tekrarladığında, otomatikleştirilebilir işlerin payı 9%'a düştü. Uzman anketi çalışmaları ise uzmanlara makinelerin neler yapabileceğini sordu; bu, hiç piyasaya çıkmayabilecek teknolojiler üzerine bir bahisti.

Anthropic makalesi her iki tuzaktan da tasarımı gereği kaçınıyor. Yaklaşık 900 meslek için ABD Çalışma Bakanlığı'nın meslek veritabanı O*NET'teki yaklaşık 19,000 görev tanımından ve Bureau of Labor Statistics'in istihdam ile ücret verilerinden yola çıkıyor. Her görevi fiziksel, bilişsel ve kişilerarası içeriği bakımından puanlamak için Claude modelini kullanıyor, yalnızca sıradan yazılımla otomatikleştirilemeyecek fiziksel görevleri tutuyor, ardından her görevi kanıtlanmış biçimde yerine getirmiş belirli robotları web'de arıyor ve kanıt olarak ticari devreye alma, satış veya önemli bir gösteri şartı koşuyor. Her görev, çevresel kontrole dair dört kademeli bir ölçeğe yerleştiriliyor: E0, hiçbir robot yapamaz; E1, bir robot fabrika hattı gibi amaca yönelik kurulmuş bir ortamda yapabilir; E2, depo gibi yapılandırılmış bir insan tesisinde; E3, şehir yolu gibi yapılandırılmamış bir ortamda. Devreye alınmış robotların çoğu mühendislik ürünü alanlarda yaşıyor ve yazarlar kademeyi yakın vadeli riskin iyi bir ölçüsü saymalarının nedeni de bu.

Maliyet varsayılmıyor, modelleniyor. Maruz her görev için model, atıf yapılan robotun yıllık maliyetini (satın alma ve kurulum, bakım, yazılım, enerji, gözetim, sigorta ve hizmetten çıkarma dahil, sabit maliyetler tahmini bir sermaye maliyetiyle yıllıklandırılarak) tahmin ediyor ve bunu işçinin toplam ücretiyle, o göreve ayırdığı zaman payına göre ölçekleyerek karşılaştırıyor. Bir görev ancak robotun yıllık maliyeti yerini aldığı emeğin altına düştüğünde maliyet açısından rekabetçi sayılıyor. Yazarlar ardından tüm düzeneği geriye dönük olarak doğruluyor: görevleri 1977'de ve sonraki on yıllarda var olan robotlara karşı derecelendirerek, kendi dönemlerinin robotlarına daha çok maruz meslekler sonradan daha fazla ücret ve istihdam kaybetti; bu, bir maruziyet ölçüsünün değer taşıması için yapması gereken şey.

Çalışma Amerikan. Okurun aklında tutması gereken kusur bu. Britanya'daki ücretler, enerji fiyatları, düzenlemeler ve meslek karışımı farklı ve henüz kimse yöntemi Birleşik Krallık verisi üzerinde çalıştırmadı. Ancak buradaki riskler, değilse bile, daha yüksek. Construction Industry Training Board'un Haziran 2026 tahmini, sektörün talebe yetişmek için 2026 ile 2030 arasında yılda ortalama 41,200, toplamda 206,000'den fazla ek işçiye ihtiyaç duyduğunu söylüyor; mevcut işgücünün 40%'ı 45 yaşın üzerinde ve Brexit'ten bu yana 200,000'den fazla AB'li işçi kaybedilmiş. Department for Education'ın Aralık 2025 tarihli Occupations in Demand yayını, 125 yüksek talepli meslekte 10.9 milyon kişiyi, yani işgücünün 32.9%'ini sayıyor ve elektrikçiler ile elektrik montajcılarını (201,000 iş) ve araç teknisyenleri ile tamircilerini (183,000) bu listedeki en büyük nitelikli zanaat meslekleri arasında adlandırıyor. Robotlar zanaat mesleklerinin yerini almak üzere olsaydı, açık geçici bir sorun olurdu. Aşağıdaki kanıtlar durumun böyle olmadığını söylüyor.

Kanıtların zaman çizelgesi, 2013 ile 2026 arası

Bulgu 1: robotlar fiziksel işin çoğunu yapabiliyor ve neredeyse hiçbiri kâr getirmiyor

Makaledeki ilk sayı alıntılanacak olan sayı ve tam olarak ifade edilmeyi hak ediyor. ABD'deki tüm çalışma süresinin 54%'ü bilişsel veya kişilerarası, 46%'sı fiziksel. Fiziksel payın içinde 12 yüzde puanı yazarların bulabildiği hiçbir robot tarafından yapılamıyor (E0), 23'ü amaca yönelik kurulmuş ortamlarda (E1), 10'u depo gibi yapılandırılmış insan tesislerinde (E2) ve 1'i yapılandırılmamış ortamlarda (E3) yapılabiliyor. Bir araya getirildiğinde robotlar fiziksel görevlerin 74%'ünü, yani tüm çalışma saatlerinin 34%'ünü yapabiliyor. Örnekler somut: şehir yollarında otonom taksiler, depolarda stok taşıyan otonom mobil robotlar, imalat atölyelerinde yapay zeka destekli kaynak hücreleri, sürücü olmadan düz hatlar halinde kazan hendek ekskavatörleri.

İkinci sayı ise önemli olan. Model her görev için atıf yapılan robotu fiyatlandırıp değiştireceği emekle karşılaştırdığında, robotlar iş görevlerinin yalnızca 0.3%'ü için daha ucuz çıkıyor. Yaklaşık 300,000 Amerikalı çalışan, robotların işin 95%'ini yapabileceği mesleklerde yer alıyor; en büyük grup olan yaklaşık 560,000 paketleyici, maliyet eşitliğinin en net örneği: robotun, işgücü maliyeti yaklaşık $49,000 olan bir insandan yılda yaklaşık $2,500 daha ucuz olduğu tahmin ediliyor. Diğer uçta, verideki teknik olarak en maruz meslek olan ve maruziyet endeksi 3 üzerinden 2.2 olan robot taksinin, düzenleme hesaba katılmadan önce bile, yerini alacağı sürücüden yılda yaklaşık $7,000 daha pahalıya geleceği tahmin ediliyor. En çok maruz kalan on mesleğin dokuzu araç operatörleri.

Yazarların sunduğu ve bu incelemenin en savunulabilir bulduğu yorum, fiziksel sınırın ekonomik sınırdan çok daha ileri gittiği. Son 50 yılda robotlar, daha önce yapamadıkları fiziksel işin yılda yaklaşık 2%'sini yapar hâle geldi: 1977'de fiziksel görevlerin 62%'sini yapamıyorlardı, bugün aynı görevlerin 24%'ünü yapamıyorlar. Yetenek bileşik biçimde arttı. Maliyet onu izlemedi, çünkü bir kutuyu taşıyabilen bir robot, bakım, enerji, gözetim ve sigorta yükü taşıyan bir sermaye varlığı olmaya devam ediyor ve yalnızca çalışılan saatler için ücret alan bir işçiyle rekabet ediyor.

Bulgu 2: iyimser senaryoda bile zaman çizelgesi onlarca yıl

Makalenin en sonuçlu katkısı senaryo analizi, çünkü "robotlar pahalı" cümlesini tarihlere dönüştürüyor. Bank of Japan serilerinden ve diğer kaynaklardan yararlanan robot fiyatları 1990'lardan beri yılda kabaca 3% düştü. Bu hız korunursa, robotların ABD işinin 10%'u için maliyet açısından rekabetçi hâle gelmesi yaklaşık 40 yıl alıyor. Maliyetlerde 20% düşüş, tarihsel hızda yaklaşık yedi yıl, robotları yaklaşık 2.8 milyon çalışanın fiziksel görevleri için rekabetçi kılardı; tüm işin 10%'una ulaşmak için ise 70% düşüş gerekiyor.

Hızlı senaryo tasarımı gereği cömert. Kaliteye göre düzeltilmiş maliyetler tarihten dört kata kadar hızlı düşüyor ve robotlar yeni görevleri iki kat hızlı öğreniyor. Buna rağmen robotlar fiziksel işin 50%'si için ancak 2050 civarında maliyet açısından rekabetçi hâle geliyor, tarihsel eğilimde bu yıl 2085, ve fiziksel işin 90%'ını otomatikleştirmek 53 yıl alıyor. Yazarların kullandığı cümle, bir ekonomi makalesi için alışılmadık derecede sade olduğundan alıntılanmaya değer: "Robots would need to sustain record rates of price declines and quality improvements over the coming decades to enable rapid physical automation." (Robotların hızlı fiziksel otomasyonu mümkün kılması için önümüzdeki on yıllarda rekor düzeyde fiyat düşüşü ve kalite iyileşmesi sürdürmesi gerekir.)

Burada kanıt yorumdan ayrılmalı. Tarihler tahmin değil; her göreve eşit biçimde uygulanan varsayımların sonuçları ve yazarların kendileri de bunların robotik şirketlerinin önceliklerini gerçekte nasıl belirlediğini yansıtmayabileceğini söylüyor. Çabasını tek bir yüksek değerli göreve, örneğin depoda ürün toplamaya, yönelten bir firma, ekonominin geri kalanı yerinde saymaya devam ederken o görevin maliyetini yılda 3%'ten çok daha hızlı düşürebilir. Senaryoların ortaya koyduğu şey sorunun takvimi değil biçimi: fiziksel otomasyon, bir görev daha eklemenin marjinal maliyetinin sıfıra yakın olduğu yazılımın aksine, donanım ekonomisinin yönettiği uzun ve düzensiz bir süreç.

Geçmiş teknolojiyle karşılaştırma bu okumayı destekliyor. Bu teknolojinin bir önceki kuşağı olan endüstriyel robotlar üzerine Acemoglu ve Restrepo'nun 2020 tarihli çalışması, 1990 ile 2007 arasında her 1,000 işçi başına düşen her ek robotun, etkilenen Amerikan iş gücü bölgelerinde istihdam-nüfus oranını 0.2 yüzde puan, ücretleri ise 0.42% düşürdüğünü buldu. Gerçek, ölçülebilir ve yavaş: etkiler on yedi yıl boyunca, robotların zaten en ucuz olduğu sektörlerde birikti, başka hiçbir yerde değil.

Bulgu 3: dijital iş tam tersi bir hikâye

Aynı araştırma grubu diğer sınırı ölçüyor ve bu karşıtlık vaka çalışmasının kalbi. Anthropic'in daha önceki maruziyet çalışması ve makalenin kendi karşılaştırması, ABD işinin yaklaşık 50%'sini yalnızca büyük dil modellerinin, 81%'ini ise dil modellerinin veya robotların birlikte erişebileceği alana yerleştiriyor. Meslek bazındaki örüntü öğretici. Taşımacılık ve malzeme taşıma, dil modellerine 15%'in altında maruz, ancak robotlar dahil edildiğinde yaklaşık 90% maruz; büro ve idari destek dil modellerine zaten yüksek derecede maruz ve robotlarla neredeyse 100%'e ulaşıyor; kişisel bakım ve hizmet işleri ise her ikisinde de yaklaşık 40% düzeyinde, çünkü iki teknolojinin de ele almadığı bir biçimde kişilerarası.

Dil modeli tahminlerinin daha uzun bir geçmişi var. 2023'te OpenAI ve University of Pennsylvania'dan Tyna Eloundou, Sam Manning, Pamela Mishkin ve Daniel Rock, Amerikalı çalışanların 80%'inin görevlerinin en az 10%'u dil modellerine maruz mesleklerde, 19%'unun ise görevlerinin yarısından fazlası maruz mesleklerde çalıştığını buldu; en maruz olanlar yazma, programlama ve veri analizi, en az maruz olanlar fiziksel ve açık hava işleriydi. Anonimleştirilmiş Claude konuşmalarını O*NET görevleriyle eşleştiren Anthropic Economic Index, insanların araçlarla gerçekte ne yaptığını gösteriyor: 2026 raporlarında destekleme otomasyonun biraz önünde, 52% ile 45%, ve kullanım çeşitlendi; en yaygın on görev, Kasım 2025 ile Şubat 2026 arasında konuşmaların 24%'ünden 19%'una geriledi. Endeks ayrıca kişi başına GSYİH'deki 1%'lik bir artışın kişi başına kullanımda 0.7%'lik bir artışla ilişkili olduğunu bildiriyor; bu, benimsemenin zenginliği izlediğinin bir hatırlatıcısı.

Maruziyetin yerinden edilmeye dönüşüp dönüşmediği sorusunu bordro verileri temkinli biçimde yanıtlıyor. Stanford'un Digital Economy Lab'inden Erik Brynjolfsson, Bharat Chandar ve Ruyu Chen, 25 milyondan fazla ABD'li çalışanın ADP kayıtlarını kullanarak 2025'te, yapay zekaya en çok maruz mesleklerde kariyerinin başındaki çalışanların göreli istihdam düşüşü yaşadığını, aynı işlerdeki deneyimli çalışanların ise yaşamadığını bildirdi; yılın ortasına kadar verileri içeren Ağustos 2026 revizyonları, bu mesleklerdeki 22 ile 25 yaş arası çalışanların istihdamını, daha az maruz akranlarını izlemiş olsaydı olacağı düzeyin yaklaşık 19% altına yerleştiriyor; uyum ücretler üzerinden değil işe alım üzerinden gerçekleşiyor ve yapay zekanın destekleme yerine otomatikleştirdiği alanlarda yoğunlaşıyor. Aynı zamanda Anthropic'in kendi ekonomistleri Maxim Massenkoff ve Peter McCrory, Yahoo Finance'in 1 Ekim'de bildirdiği gibi, 2022 sonundan bu yana yüksek düzeyde maruz çalışanlar için işsizlikte sistematik bir artış bulmuyor ve Anthropic'in CEO'su Dario Amodei'nin yapay zekanın giriş seviyesi beyaz yakalı işlerin yarısını ortadan kaldırabileceği uyarısı, şimdiye kadarki verilere göre bir gözlem değil, bir uyarı olarak kalıyor.

Dürüst sentez şu: Yapay zekanın mevcut dalgasının ilk ölçülebilir işgücü piyasası etkisi depodaki robot değil; ofisteki eksik mezun işe alımı. Fiziksel işi ekonomi koruyor; masa başı işi korumuyor.

Bulgu 4: kim maruz ve geri kalanı hâlâ ne engelliyor

Robotlara maruz işlerin demografik profili, politikayı şekillendirmesi gereken bulgu. Maruz kalmayan mesleklerdeki çalışanlarla karşılaştırıldığında, yüksek düzeyde maruz mesleklerdekilerin kadın olma olasılığı 20 yüzde puan daha düşük, Hispanik olma olasılığı 16 puan daha yüksek, lisans diplomasına sahip olma olasılığı 55 puan daha düşük, saatte yaklaşık $30 daha az kazanıyorlar ve işsiz olma olasılıkları iki katından fazla. Ayrıca ağır yük taşıma, aşırı sıcakta veya tehlikeli maddelerin yakınında çalışma olasılıkları da çok daha yüksek. Robotların şimdiden yapabildiği görevler orantısız biçimde zor, tehlikeli ve düşük ücretli olanlar; bu hem onları otomatikleştirmek için en güçlü argüman hem de geçiş yönetilmezse neden acı vereceğinin nedeni.

Geri kalanı engelleyen şey de aynı derecede belirli. Robotların henüz yapamadığı fiziksel görevlerin yaklaşık 70%'i yetenekle sınırlı, bunların kabaca yarısı kavrama ve el becerisiyle: saç boyama, gömülü boruların çevresini elle kazma, iskele kurma, kabloları çözme. Planlama ve akıl yürütme eksiklikleri 8%'ini oluşturuyor. Düzenleme fiziksel görevlerin 14%'ünü, insan tercihi 25%'ini engelliyor; ikisi birlikte, bir robotun fabrikada hoşgörüyle karşılanacağı ancak yatak odasında veya sınıfta karşılanmayacağı işin çoğunu kapsıyor. Makaledeki iki meslek, tek bir iş içindeki tablonun ne kadar karışık olduğunu gösteriyor: alçıpan derz ustalarının maruziyet endeksi puanı 1.6, zamanlarının 41%'i otonom bir püskürtme robotuna maruz ve 26%'sı maruz değil, çünkü dağınık bitirme işi onun kapsamı dışında; geri dönüşüm ayrıştırıcılarının puanı 1.7, zamanlarının 75%'inden fazlası konveyör bantlardaki bilgisayarlı görü tutucularına maruz ve yalnızca 8%'i maruz değil.

Yazarların özeti, bir zanaatkarın hatırlaması gereken özet: maruz olmayan iş "highly interpersonal or requires physical skills that robots today don't have" (son derece kişilerarası veya robotların bugün sahip olmadığı fiziksel beceriler gerektiriyor) ve "if the past is any guide, taxi drivers and warehouse packers will see changes sooner than nurses and mechanics" (geçmiş bir rehberse, taksi şoförleri ve depo paketleyicileri değişimi hemşirelerden ve tamircilerden daha erken görecek).

Mekanizmalar: örüntü neden böyle görünüyor

Dört mekanizma bulguları açıklıyor ve sonrasında ne olacağını öngörüyor.

Devreye almayı görevler değil, ortamlar belirler. Dört kademeli ölçek, makalenin sessiz kavrayışı. Fabrika hattında kusursuz kaynak yapan bir robot (E1), her kirişin bir öncekinden biraz farklı uzaklıkta olduğu bir evin eklentisinde işe yaramaz. Fiziksel ekonominin çoğu ve zanaat mesleklerinin hemen hepsi E3 koşullarında gerçekleşiyor: yapılandırılmamış, doğaçlama, insanların çevresinde. Robotlar E1'i fethetti ve E2'ye doğru ilerliyor; E3 elli yıl sonra görevlerin 1%'ini barındırıyor.

Donanım ekonomisi yazılım ekonomisi değildir. Bir dil modeli, eğitildikten sonra bir sonraki görevini sıfıra yakın bir maliyetle yerine getirir; masa başı işte maruziyetin birkaç yılda yerinden edilmeye dönüşmesinin nedeni budur. Bir robot ise çalıştığı her saha için satın alınması, kurulması, sigortalanması, bakımının yapılması, enerjilendirilmesi ve denetlenmesi gereken, değer kaybeden bir varlıktır. Yıllık 3%'lik fiyat düşüşü bu farkın imzasıdır ve makalenin senaryoları, dört kat hızlanmanın bile eşitliğin geldiği on yılı ne kadar az değiştirdiğini gösteriyor.

Yetenek bileşik artar, ama veri üzerinden. Robotlar fiziksel işin yılda yaklaşık 2%'sini kazanıyor ve kalan görevlerin el becerisi gerektiren yarısı tam da eğitim verisinin en kıt olduğu görevler. Bir model yazmayı yazılı web'den öğrenir; bir tesisatçının ellerinin eşdeğer bir derlemi yoktur. Kalan 24% üzerindeki ilerleme, gerçek işi, gerçek yerlerde, onu yapan insanlarla birlikte yakalamaya bağlı; bu doğası gereği yavaştır ve yazılım dalgasının hiç karşılaşmadığı rıza ve mülkiyet sorularını gündeme getirir.

Tercihler ve kurallar bir gecikme değil, bir tabandır. Tercihle sınırlanan 25% ve düzenlemeyle sınırlanan 14%'lik görevler daha iyi bir robotu beklemiyor. Bir hastanın bir makine tarafından kaldırılmaya razı olması, bir belediyenin otonom araç kuralları ve bir müşterinin mutfağı takan kişiyle konuşma isteği siyasi ve kültürel zaman ölçeklerinde değişir; yazarların bunları yetenek ve maliyetten ayrı ele almasının nedeni budur.

Bir kuşkucu bunların yanında üç alternatif açıklamayı da akılda tutmalı. Maruziyet derecelendirmeleri, kısa görev tanımlarını okuyan bir model tarafından üretiliyor; bu tanımlar, yazarların belirttiği gibi, "omit details that may be easy for humans but hard for robots" (insanlar için kolay ama robotlar için zor olabilecek ayrıntıları atlar), dolayısıyla yetenek görev düzeyinde abartılmış olabilir, meslek bütünü için ise olduğundan az gösterilmiş olabilir. Maliyet tahminleri, az sayıda kamuya açık fiyatın bulunduğu bir pazarın yaklaşıkları; Ağustos 2026'daki bir hümanoid fiyat araştırması, 58 ticari hümanoidin yalnızca 12'sinin doğrulanmış bir fiyatı olduğunu buldu. Ve senaryolar her görev için aynı düşüşü varsayıyor; Nvidia ve Tesla'nın üzerine oynadığı türden genel amaçlı kavrama alanında bir atılım, yazarların ifadesiyle, "leapfrog our scale" (ölçeğimizi atlayabilir). Tarihler biçim olarak sağlam, ayrıntıda yumuşak.

Sektör nasıl yanıt verdi

Tepki, makalenin çizdiği çizgi boyunca bölündü. Donanım cephesinde, Nvidia'nın CEO'su Jensen Huang Ocak 2026'daki CES'te robotik için bir "ChatGPT anı" öngörmüştü ve Elon Musk, Tesla'nın Optimus hümanoidinin en erken 2027'de satışa çıkacağını, ölçekte uzun vadeli hedef fiyatın $20,000'ın altında olduğunu söyledi, ancak resmî bir fiyat yok; Morgan Stanley'nin 2025 görünümü, hümanoid pazarını 2050'ye kadar $5 trilyonun üzerine, benimsemenin 2030'ların sonlarından itibaren hızlanmasıyla yerleştiriyor. Yahoo Finance, Anthropic makalesini 2 Ekim'de, bu bahislerin sınayacağı projeksiyon olarak çerçeveledi. Piyasadaki gerçeklik daha mütevazı: Unitree'nin G1'i $13,500'dan listeleniyor ve şirket 2025'te 5,500'den fazla hümanoid sevk etti, bu tüm rakiplerinin toplamından fazla; ABD depolarında en çok devreye alınmış hümanoid olan Agility'nin Digit'i birim başına $250,000'ın üzerinde veya hizmet olarak ayda yaklaşık $8,500 fiyatlanıyor; $39 milyar değerindeki Figure, kamuya açık fiyat olmadan kurumsal müşterilere satış yapıyor.

İktisatçılar zaman çizelgesini büyük ölçüde kabul etti. Apollo'nun baş ekonomisti Torsten Sløk, Yahoo Finance'te alıntılandığı üzere, agresif projeksiyonlarda bile yaygın fiziksel yerinden edilmenin onlarca yıl süreceğini, ince kavrama, düzenleme ve tercihlerdeki darboğazlara işaret ederek söyledi. Daha keskin tartışma dijital tarafta: Stanford bordro kanıtları ile Anthropic'in kendi işsizlik analizi, ne kadar yerinden edilmenin şimdiden gerçekleştiği konusunda farklı yönleri gösteriyor ve OpenAI, Anthropic, Google, Microsoft, Manus ve Muse ile Meta, web'de gezinen, form dolduran ve çok adımlı ofis görevlerini tamamlayan ajanlar sunuyor; bu, maruziyetin en yüksek, maliyetin en düşük olduğu kategori.

Jobbit'in bu manzaradaki konumu bir tahminden çok bir tasarım tercihi ve makale bunu tesadüfen tarif ediyor. Şirketin yapay zeka ajanı, kanıtların otomatikleştirmenin ucuz olduğunu söylediği dijital, gözden geçirilebilir işleri yürütüyor: araştırma, belgeler, web siteleri, otomasyonlar, görseller ve bir işi çevreleyen idari işler. Bir görev eller, sahada yargı veya hesap verebilir biri gerektirdiğinde, ki makalenin sayıları bunun onlarca yıl boyunca fiziksel işin çoğu olduğunu söylüyor, iş pro.jobbit.uk üzerindeki doğrulanmış bir insan profesyonele geçiyor; ödeme emanette tutuluyor ve müşteri ajanı izleyip istediği an kontrolü devralabiliyor. Şirketin araştırma bölümü Jobbit Labs, makalenin veri açığında tespit ettiği daha yavaş sorun üzerinde çalışıyor: fiziksel yapay zeka için dünya modellerini eğitmek ve doğrulamak üzere, gerçek iş yapan insanlardan rıza ile gerçek dünya görev verisi toplamak. Jobbit bu modelin sonuçlarına dair deneme verisi yayımlamadı ve burada yayımladığı yönünde bir iddiada bulunmuyor; iddia daha dar: maliyet eşitliği onlarca yıl uzakta olduğu sürece, kanıtların desteklediği mimari ajan artı insan ağı mimarisi. Bu bölünmenin pratik yönü 12 Jobs an AI Agent Can Do for Your Business This Week ve Should Your Next Hire Be an AI Agent? yazılarında, serbest çalışanlara dair kanıtlar Do AI Agents Replace Freelancers? yazısında, şirketin kendisi ise What Is Jobbit? yazısında anlatılıyor.

Bir işletme bu kanıtlarla ne yapmalı

Kanıtlar, küçük bir işletmenin strateji danışmanına ihtiyaç duymadan uygulayabileceği bir devretme kuralını destekliyor.

Önce fiziksel işin etrafındaki dijital katmanı otomatikleştirin, çünkü maliyet ile yeteneğin zaten buluştuğu yer orası. Bir tesisatçının teklifleri, faturaları, web sitesi, değerlendirme istekleri, tedarikçi araştırması ve planlaması, dil modellerine maruz olan 50%'lik işin kendisi; makalenin kendi sayıları, montajın, nemli bir dolapta teşhisin ve ev sahibiyle yapılan konuşmanın hiçbir yere gitmediğini söylüyor. Bir zanaat işletmesinin önümüzdeki on yıldaki marjı, bir robotu beklemekten değil, masa başında kazanılan saatleri daha fazla saha saatine harcamaktan gelir.

Fiziksel otomasyonu bir iş üzerinde işgücü kararı olarak değil, bir görev üzerinde tedarik kararı olarak ele alın. Makalenin maliyet modeli şablon: robotun tüm yıllık maliyetini, o tek görevdeki emeğe karşı, kendi ortam kademenizde fiyatlayın ve eşitliği ancak E1 ve E2 koşullarında, yani tekrarlayan paketleme, taşıma, kaynak ve ayrıştırmada, önümüzdeki yıllar boyunca bekleyin. Bir müşterinin evinde yapılan hemen her şey için eşitlik takvimde değil.

Maruz olmayan çekirdek için işe alın ve eğitin. Robotların yapamadığı fiziksel görevlerin 24%'ü ve insanların robotlarca yapılmasını istemediği 25%'i, bir zanaatın kalıcı parçası: el becerisi, yapılandırılmamış alanlarda yargı ve insani ilişki. CITB'nin 2030'a kadar 206,000 işçilik açığı, piyasanın bunlar için ödeme yapacağını söylüyor.

Manşeti değil, devri izleyin. Her iş için yararlı soru, makinenin nerede durup insanın nerede başlaması gerektiği ve bu çizgi görev görev hareket ediyor. Bunu yazıya döken bir işletme, yani ajanın çıktısını kimin gözden geçirdiğini, saha işini kimin onayladığını, müşteriye kimin hesap verdiğini belirleyen bir işletme, kazanımları başarısızlıklar olmadan elde eder.

Son olarak, erken sinyalleri doğru yerde okuyun. Makale, fiziksel aksamanın ilk işaretleri için maruz meslekleri, sürücüleri ve depo paketleyicilerini izlemeyi öneriyor; bordro verileri ise dijital aksamanın mezun işe alımlarında şimdiden görünür olduğunu söylüyor. İkincisi için şimdi, birincisi için sonra plan yapın.

Sınırlılıklar ve açık sorular

Çalışma Amerikan, model tarafından derecelendirilmiş ve durağan. Maruziyet ve maliyet derecelendirmeleri, Claude'un görev tanımlarını ve robotlara dair web kanıtlarını okumasından geliyor, tarihe karşı kontrol edilmiş ancak saha denemelerine karşı edilmemiş; bir insan uzman paneli el becerisini farklı derecelendirebilirdi. Maliyet tahminleri borçlanma sınırları gibi benimseme sürtünmelerini dışarıda bırakıyor ve senaryolar, maruz mesleklerde düşen ücretlerin benimsemeyi daha da yavaşlatması olasılığı dahil geri besleme etkilerini bir kenara koyuyor. Makale, yapay zekanın fiziksel işi robotlar olmadan, örneğin öngörücü bakım yoluyla nasıl değiştirebileceğini incelemiyor ve enerji maliyetlerinin, düzenlemelerin ve zanaat mesleklerinin yapısının farklı olduğu Birleşik Krallık'ı modellemiyor.

Dijital kanıtların da kendi sınırları var. Bordro verileri, maruz mesleklerdeki genç çalışanların göreli istihdamını gösteriyor, nedenselliği değil ve Stanford yazarları bulgularını "no widespread displacement so far" (şimdiye kadar yaygın bir yerinden edilme yok) ile tutarlı olarak tanımlıyor; Anthropic'in işsizlik analizi ile Stanford'un işe alım analizi farklı kenarlar hakkında ikisi de haklı olabilir. Tek bir asistanın kullanım verisi ekonominin kendisi değil. Ve hümanoid pazarı, burada alıntılanan herhangi bir fiyatın 2026 Ekim başının bir anlık görüntüsü olacağı kadar hızlı hareket ediyor.

Açık sorular, önümüzdeki on yılı belirleyecek olanlar: robotlar mühendislik ürünü gösterilerden değil gerçek işten öğrenmeye başladığında genel amaçlı kavrama yılda 2%'den hızlı gelişecek mi; düzenleme ve tercih tabanları hareket edecek mi; ve yazarların ifadesiyle, işin kendisi nasıl değişecek, "perhaps becoming more social and interpersonal as robots and AI advance" (belki robotlar ve yapay zeka ilerledikçe daha sosyal ve kişilerarası hâle gelerek).

Sonuç

Robotlar mavi yakalı işleri elinden alacak mı? 47%'in düşündürdüğü biçimde değil ve çalışan bir zanaatkarın etrafında plan yapması gereken herhangi bir takvimde de değil. Anthropic'in çalışması, robotların fiziksel görevlerin çoğunu şimdiden yapabildiğini ve neredeyse hiçbirini karşılayamadığını; ekonominin yılda birkaç yüzde hızla kapandığını; ve rekor kıran robot ilerlemesi dünyasının bile fiziksel işin yarısını 2050'nin ötesinde insan ellerinde bıraktığını gösteriyor. Bugün ölçülebilen aksama dijital işte: maruziyetin en yüksek, maliyetin en düşük olduğu ve ilk mezunların bordrolardan şimdiden eksik olduğu yerde. Bir Britanya zanaatı veya küçük işletmesi için kanıtlar tek bir stratejiye işaret ediyor: masa başını otomatikleştirin, elleri koruyun ve birinin diğerine nerede devredileceği konusunda bilinçli olun. Jobbit'in çalıştığı yer bu devir ve makale, içinde kurulduğu açığın uzun süre orada olacağının şimdiye kadarki en açık ifadesi.

Sıkça sorulan sorular

Robotlar mavi yakalı çalışanların yerini alacak mı?

Anthropic'in Eylül 2026 çalışmasına göre onlarca yıl boyunca hayır. Robotlar Amerika Birleşik Devletleri'ndeki fiziksel görevlerin yaklaşık 74%'ünü şimdiden yapabiliyor ancak yalnızca 0.3%'ü için bir işçiden daha ucuz ve robot fiyatlarındaki tarihsel yıllık 3%'lik düşüşle, işin 10%'unda maliyet eşitliğine ulaşmak yaklaşık 40 yıl alırdı. Agresif bir senaryo bile fiziksel işin yarısını 2050'nin ötesine taşıyor.

Hangi işler robotlara en çok maruz?

Araç operatörleri ve depo paketleyicileri. Taksi şoförleri 3 üzerinden 2.2 ile maruziyet endeksinin başında, en çok maruz kalan on mesleğin dokuzu sürücüler ve paketleyiciler, bir robotun şimdiden bir insandan biraz daha ucuz olduğu en net örnek. Hemşireler, tamirciler ve zanaat mesleklerinin çoğu, işleri el becerisi, yapılandırılmamış alanlarda yargı veya insan teması gerektirdiği için öbür uçta yer alıyor.

Yapay zeka beyaz yakalı işleri, robotların fiziksel işleri aldığından daha hızlı mı alıyor?

Erken kanıtlar, giriş seviyesinde evet diyor. Stanford'un 25 milyondan fazla çalışanın bordro kayıtları üzerine analizi, yapay zekaya en çok maruz mesleklerdeki 22 ile 25 yaş arası çalışanların istihdamını daha az maruz akranlarının yaklaşık 19% altında buluyor, deneyimli çalışanlar için benzer bir değişim yok; Anthropic'in ekonomistleri ise maruz çalışanlar için genel olarak işsizlikte sistematik bir artış bulmuyor. Dijital görevlerin otomatikleştirilmesi, bir model var olduğunda neredeyse hiçbir şeye mal olmaz; fiziksel görevler hâlâ pahalı donanım gerektirir.

Bir zanaatkar otomasyon konusunda ne yapmalı?

İşletmenin ofis tarafını, yani yapay zekanın şimdiden ucuz ve yetkin olduğu yeri otomatikleştirin ve robotların eşleşemeyeceği becerilere yatırım yapın: el becerisi, yapılandırılmamış alanlarda teşhis ve müşteri ilişkisi. CITB'ye göre yalnızca Birleşik Krallık inşaat sektörünün 2030'a kadar 206,000'den fazla ek işçiye ihtiyacı var, yani zanaatın insani kısmı fazlalıkta değil, açıkta.

Jobbit'in kurulduğu açık nedir?

Otomatikleştirilmiş dijital iş ile insan fiziksel işi arasındaki devir. Jobbit'in yapay zeka ajanı, kanıtların otomatikleştirmenin ucuz olduğunu söylediği araştırma, belgeler, web siteleri ve idari işleri yapıyor; eller, saha ziyareti veya hesap verebilirlik gerektiren işi pro.jobbit.uk üzerindeki doğrulanmış bir profesyonele aktarıyor ve ödeme emanette tutuluyor. Jobbit Labs, çalışmanın fiziksel yapay zeka için eksik bileşen olarak belirlediği gerçek dünya görev verisi üzerinde çalışıyor.