Yapay zekânın en sert yanı, fakirlere cevap vermemesidir.

Tam tersine, herkese cevap veriyor.

Öğrencilere tez yapıları, personellere e-posta şablonları, girişimcilere iş planları, sıradan insanlara yasal açıklamalar, yatırım önerileri ve kariyer planlamaları sunar. Cevaplar ilk kez bu kadar ucuz, bu kadar bol ve bu kadar gerçek gibi görünüyor.

Ancak sorun burada: Cevaplar herkes için erişilebilir olduğunda, gerçekten kıymetli olan artık cevaplar değil, cevapları değerlendirme yeteneğidir.

Yeni bilgi fakiri, AI dışındaki kişi değil, cevabı elde etmiş ancak cevabı değerlendiremeyen ve cevabı gerçek fırsata dönüştürecek koşullara sahip olmayan kişidir.

İnternet çağındaki bilgi yoksulları, ağın dışında kalan kişilerdir. Çözüm açık görünüyor: İnternet kablosunu takın, cihazları yaygınlaştırın, okuryazarlığı artırın. Arama motoru çağı biraz daha karmaşık; anahtar kelimeleri belirlemeyi, kaynakları süzmeyi, güvenilirliği değerlendirmeyi öğrenmeniz gerekir ve en iyi durumda biraz İngilizce bilmelisiniz. Ancak engel görünür ve ölçülebilirdir.

Yapay zeka çağının bilgi farkı, tamamen farklı bir yapıya sahiptir.

Büyük dil modelleri arama motorları değildir; doğrudan size sonuçları üretirler. Cevabı "bulmanıza" gerek yoktur—cevaplar akıcı paragraflara, açık adımlara ve güvenli bir tona sahip olarak doğrudan önünüze getirilir. Yüzeyde engel büyük ölçüde düşmüştür. Ancak burada soğuk bir yapı gizlidir: cevaplar ucuzlaştıkça, hatalar da aynı şekilde ucuzlaşır; ve "bu cevap güvenilir mi?" sorusunu ayırt etme yeteneği, daha önceki herhangi bir zamandan daha nadir ve daha değerlidir.

Tarihte her genel teknolojinin yayılması, aynı mantığı takip eder: Yeni teknoloji, öncelikle tamamlayıcı sermayeye sahip olanlara avantaj sağlar. Yazıyı okuyanlar baskı teknolojisinden yararlandı; bilgisayarlar, ofis yazılımlarını ve programlamayı bilenlere avantaj sağladı; internet, İngilizce becerisi yüksek ve arama becerisi gelişmiş olanlara avantaj sağladı. Yapay zekânın tamamlayıcı sermayesi, eğitim arka planı, uzmanlık, eleştirel düşünme, organizasyonel yetki, ödeme yeteneği ve en çok ölçülemeyen olanı—karar verme yeteneğidir.

Yeni teknolojiler genellikle en çok ihtiyacı olanlara değil, en iyi şekilde kullanabileceklere öncelik verir.

Eşitsizliğin ilk çatlağı, uygulamayı açmadan önce çizilmişti.

Nisan 2026'da AI araştırma kurumu Epoch AI, anket şirketi Ipsos ile yaklaşık 5.000 Amerikalı yetişkine yönelik bir anket gerçekleştirdi. Üç aşamalı anket, görünüşte basit bir soru sordu: Geçen hafta hangi AI hizmetlerini kullandınız? Ancak cevaplar, basit bir ürün tercihi değil, gelir, giriş ve dağıtımın birbirine karıştığı bir harita ortaya koydu.

Claude'nin haftalık aktif kullanıcılarının yaklaşık %80'si yıllık geliri 100.000 doların üzerinde olan ailelerden; Meta AI kullanıcılarında bu oran %37'dir. Tersine, Meta AI kullanıcılarının yaklaşık %32'si yıllık geliri 50.000 doların altında olan ailelerden; Claude kullanıcılarında bu oran yalnızca %7'dir.

Bu sayıların önemli olmasının nedeni, "zenginler ileri AI kullanır, yoksullar ücretsiz AI kullanır" demek değildir. Bu, en yüzeysel yorumudur. Daha fazla sorgulanması gereken şey: farklı insanlar, neden günlük yaşamda farklı AI'larla karşılaşmaktadır?

Biri, AI’yi buzdolabındaki artıklar için bir akşam yemeği önerisinde bulunmaya, bir fotoğrafın arka planını aydınlatmaya ve bir mesajı daha uygundan hale getirmeye zorluyor. Diğeri, AI’yi müşteri röportajlarını düzenlemeye, tedarikçi tekliflerini karşılaştırmaya ve raporda zayıf varsayımları belirlemeye çağırıyor. İkisi de aynı teknolojiyi kullanıyor. Ancak biri kolaylıkla sınırlı kalırken, diğeri gelir, pozisyon ve müzakere gücü döngüsüne giriyor.

Fark sadece kullanıcıda değil, giriş noktalarında da bulunuyor. Claude kullanım yolu, aktif olarak arama yapmayı, ürünleri karşılaştırmayı, yetenek farklarını anlamayı, ücretli hizmeti seçmeyi ve ardından aracı iş akışına entegre etmeyi gerektirir—her adım kullanıcıları süzüyor. Meta AI’nin yolu tamamen tersine: sosyal platformlara gömülmüş, ücretsiz, düşük sürtünmeli ve kullanıcılar genellikle zaman çizelgesini tararken, mesaj gönderirken veya fotoğraflara bakarken pasif olarak karşılaşıyor.

Bu, bir tercih pazarı değil, bir dağıtım pazarıdır. Kullanıcılar görünürde araçları seçiyor, ancak araçların fiyatı ve giriş noktaları da kullanıcıları seçiyor.

Kaynak: epoch.ai

İyi bir AI aracını bulsanız bile, şirket içinde ikinci bir bölünme sizi bekliyor.

Normal ofis ortamlarında AI'nın varlığı nadiren "İşten çıkarma bildirimi" şeklinde ortaya çıkar. Önce toplantı tutanaklarını, e-posta taslaklarını, tablo düzenlemelerini, müşteri sınıflandırmalarını ve raporların ilk taslaklarını devralır. Yöneticiler için bu otomasyonlar, karar verme süreçlerine odaklanmak için zaman kazandırır; ancak yeni çalışanlar ve alt seviye çalışanlar için bu otomasyonlar, kendilerini kanıtlama, karar verme becerilerini geliştirme ve daha üst seviye işlere giriş yapma fırsatlarını alır.

Bu senaryodan daha soğuk bir veri: Financial Times ile bir araştırma kurumunun ortak olarak gerçekleştirdiği İngiliz ve Amerikan işgücü AI takibi araştırması (2026 Şubat–Mart, İngiltere ve ABD’deki 4.000’den fazla katılımcıyı kapsıyor), en yüksek maaş grubundaki çalışanların %63’ünün normal iş günleri boyunca AI kullandığını, en düşük iki gruptaki oranların ise sırasıyla %17 ve %16 olduğunu gösteriyor. Bu, yumuşak bir yokuş değil, bir uçurum.

Daha da önemli olan, etki eden faktörlerdir. Bu iş yeri araştırmasının regresyon analizi, diğer değişkenler kontrol edildiğinde maaşın AI kullanım oranına etkisinin neredeyse tamamen ortadan kalktığını ortaya koydu—gerçekten etkili olan dört faktör vardır: yaş, deneyim, sektör ve eğitim. Eğitim etkisi en büyüktür: Resmi bir AI eğitimi veren bir şirketin çalışanlarının günlük AI kullanım oranı, eğitim almayan benzer şirketlere göre %37 daha yüksektir. Hatta resmi olmayan rehberlik bile %24'lük bir artış sağlar.

Ancak gerçek şu: 2026 yılının başı itibarıyla, çalışanların sadece %14'ü işverenleri tarafından sağlanan resmi AI eğitimi almıştı, üçte ikisi ise hiçbir şekilde eğitilmemişti.

AI eğitimi teknik bir sorun değil, dağıtım sorunudur. Kim eğitime seçilirse, üretkenlik artışı yoluna girme izni alınır; kim seçilmezse, araçlar yalnızca erişime izin verilmemiş bir ekran simgesi kalır.

Yapay zeka tüketim tarafında bir uygulamadır, mesleki tarafında ise bir yetkidir. Ve yetki, hiçbir zaman eşit olarak dağıtılmaz.

Kaynak: Focaldata

Bu, en gizli bölüntüdür ve aynı zamanda en temelidir.

Bir mezun, yeni bir danışmanlık firmasına başlıyor. Yapay zeka ile bir sektör analizi raporunun taslağını oluşturuyor; yapı tam, veriler yeterli, ton güvenli. Üstü, on yıl boyunca bu sektörde çalışan biri, bir göz atıyor ve raporda iki veri kaynağının metodolojik eksiklikleri, üçüncü bir sonucun neden-sonuç ilişkisi hatalı olduğunu belirtiyor. Üstü, ondan daha çok çalışmadığı için değil; o taban bilgiye sahip olduğu için: nerede hata yapmanın kolay olduğunu biliyor, nerede akıcılık gerçek akıcılık, nerede makinenin boşluk doldurduğu biliniyor.

İş yerindeki anket verilerindeki bu tersine dönmüş bulgu tam olarak şudur: AI'yi en çok kullananlar, en genç çalışanlar değil, mevcut pozisyonlarında 2 ila 10 yıl çalışanlardır. Yaş kontrol edildikten sonra AI kullanım oranı ile deneyim arasında hâlâ anlamlı bir ilişki vardır. Bu, gençlerin kullanmak istememesinden değil, AI'nın değeri kullanıcının zaten sahip olduğu yargı yeteneğine yüksek oranda bağlı olduğundan kaynaklanır.

Deneyim, AI'nın en önemli tamamlayıcı sermayesidir ve deneyim abone edilemez.

AI, "anlıyormuş gibi görünme" maliyetini düşürdü ancak "gerçekten anlama" maliyetini aynı oranda düşürmedi. Daha tehlikeli bir sonuç bile var: Temel bilgisi en az olan kullanıcılar, AI çıktılarını en çok kabul eder; ve ne kadar çok kabul ederse, yargı yeteneği o kadar az gelişir. Bir temsilci sizin yerinize karar verdiğinde, akıllılığı tüketiyorsunuz, biriktirmiyorsunuz.

Nobel Ekonomi Ödülü sahibi ve MIT profesörü Daron Acemoglu bunu açıkça söylüyor: AI araçlarını kullanmak, bir düzeyde eğitim, soyutlama becerisi, nicel beceriler ve teknolojiye aşinalık gerektirir. "AI'nın eşitsizliği artırması neredeyse kesin," diyor.

Yeni bilgi fakirleri burada şekilleniyor: AI olmayanlar değil, AI’ya, erişime ve cevaplara sahip ancak cevapları değerlendirme becerisine sahip olmayanlar; araca ve senaryoya sahip ancak araç çıktılarını fırsata dönüştürme iznine sahip olmayanlar; her gün akıllıca tüketim yapıyor ancak asla akıllıca birikim yapmayanlar.

Ancak AI ile eşitsizlik arasındaki ilişki sadece farkın genişlemesiyle sınırlı değildir.

Çok sayıda deneysel çalışma, kontrol altında AI'nın düşük becerili bireyler üzerinde daha büyük bir etki yarattığını ortaya koymuştur—bunlar çağrı merkezi çalışanları, başlangıç düzeyi yazarlar ve giriş seviyesi danışmanlar için geçerlidir. Bu kolayca anlaşılabilir: en üst düzey uzmanlar AI'dan sınırlı ek fayda elde eder; bir profesyonel hizmete asla erişemeyen biri, ilk kez bir sözleşme okumak için AI'yi kullanıyorsa, bu kendi başına niteliksel bir sıçramadır.

Ancak burada dikkat edilmesi gereken bir temel fark var: deneysel araştırmalar "kullanım sonrası iyileşmeyi" ölçerken, gerçek veriler "kimin gerçekten kullandığını", "kimin kullanımına izin verildiğini" ve "kimin kullanımının sonucunu fırsat haline getirdiğini" ölçer. İki veri grubu da yalan söylemiyor, tamamen farklı şeyleri ölçüyorlar.

Bir teknoloji, laboratuvar ortamında farkları daraltabilir, ancak gerçek dünyada farkları genişletebilir—eğer uygulama eşitsizse, eğer senaryo eşitsizse, eğer yargılamalar eşitsizse.

Yapay zeka, eşitlikçi teknik özelliklere sahiptir, ancak eşitsiz sosyal yapılar içinde çalışır. Bu iki noktanın aynı anda doğru olması, sorunun gerçek şeklini oluşturur.

Her nesil, kendi çağının genel teknolojisinin eski düzeni bozacağını düşünmeye meyillidir.

Yazının icadından sonra okuma yazma bilenler birkaç yüzyıl boyunca avantaj kazandı. Bilgisayarların yaygınlaşmasının başlangıcında, zaten ofis yazılımlarını kullanabilen ve kod yazabilen kişilerin yetenekleri güçlendirildi. İnternetin erken dönem avantajları, İngilizce bilen, arama yapabilen ve arbitraj yapmak için zamanı ve motivasyonu olanlara yöneldi. Her teknoloji dalgasında "bu sefer farklı" sesi çok güçlüydü, ancak yapısal ayrılma genellikle on yıllarca sonra görünür hale geldi.

AI'nin bölünme hızı daha hızlı olabilir ve bölünme daha derin olabilir. Çünkü etkilediği, belirli bir görev türü değil, yargı ve dil bağımlı olan neredeyse tüm işlerdir. Ve bu tam olarak standartlaştırılması ve yeniden dağıtılması en zor olan yetenek türüdür.

Bazıları farkın nihayetinde kapanacağını düşünüyor. Oxford İnternet Enstitüsü profesörü ve ekonomi tarihçisi Carl Benedikt Frey, bilgisayarların yaygınlaşmasıyla ortaya çıkan eşitsizliğin, yıllar sonra kullanım engellerinin düşmesiyle azaldığı tarihi verilere dayanarak bu görüşü savunuyor. Bu benzetme tamamen anlamsız değil.

Sorun, bu iyimser tarihsel benzerliği kabul etmek olsa bile, Frey'nin kendi kabul ettiği kritik sınırlamadır: "Farkın kapanması ne kadar zaman alacağına bağlıdır. On veya yirmi yıl sürerse, bu daha endişe vericidir."

On yıl ya da yirmi yıl, bu süre içinde iş aramak, maaş görüşmesi yapmak ve deneyim biriktirmek zorunda olanlar için kolayca beklenmeyecek bir zaman ölçeğidir.

Bu, herkesin daha akıllı olduğunu hissettiği bir teknolojiye sahip olduğumuz ilk tuhaf tarihi an.

Bu his, genellikle son noktadır.

Gerçekten yargı gücüyle kazanıp kaybedilen bir çağa gelindiğinde, duyguları bir hedef olarak görmek en pahalı hatalardan biri olabilir.