Yazar: TT3LABS, Web3/AI/SaaS uzaktan iş ilanları platformu
26 Şubat 2026 tarihinde finansal teknoloji devi Block, 4.000’den fazla çalışanı işten çıkardığını duyurdu ve ekip büyüklüğü 10.000’in üzerindeyken doğrudan 6.000’in altına indirildi. CEO Jack Dorsey, hissedarlara yazdığı mektupta şunları söyledi:
Akıllı araçlar, bir şirket oluşturmanın ve işletmenin anlamını değiştirdi... Bizim oluşturduğumuz araçları kullanan çok daha küçük bir ekip, daha fazlasını ve daha iyi yapabiliyor.
Dorsey, çok soğuk tahminini de verdi:
Çoğu şirketin zaten geç kaldığını düşünüyorum. Gelecek yıl içinde çoğu şirket aynı sonuca varacak ve benzer yapısal düzenlemeler yapacak.
Gün içi işlem sonunda, Block hisse senedi fiyatı %20'nin üzerinde yükseldi. Bu, sermaye piyasalarının şirketin AI kaldıraç oranı ve verimliliği için gerçek para ile verdiği yanıt.
Tamamen programlama bilmeyen bir sıradan kişi, büyük modeller sayesinde bir gece içinde tamamen işlevsel bir uygulama çalıştırabilir. Bu durum, sermaye piyasalarının, binlerce programcının bir süper uygulamanın günlük işletimini sürdürmesini sağlayan teknoloji devlerinin büyük insan maliyetlerinin gerçekten ne kadar değer taşıdığını sorgulamasına neden olacak.
Yapay zeka ile insan gücünün yerini alma eğilimi, daha fazla büyük şirketin bunu takip etmesine neden olacak. Endişe kaçınılmaz, ancak sadece endişelenmek yeterli değil. Bireysel yaşam stratejilerine adım adım dönmek için büyük çevresel değişimlerden başlamalıyız.
Yapay zeka sadece bir araç değil, üretim aracı haline geliyor
Piyasada bazı kişiler mevcut阶段ı "Web4" olarak tanımlamaya başlamıştır. Akışı netleştirmek için internetin gelişim aşamalarını sıralayalım:
Web2
Çekirdek, yazılım ile insan arasındaki etkileşimdir; farklı platformlar, algoritmalar aracılığıyla kullanıcı dikkatini kazanır ve temelde bir akış kazanma mücadelesidir.
Web3
Dijital varlıkların mülkiyetini ve değer dağıtımını çözmeye çalışmaktadır. Birçok kişi bunu kripto para ile eşdeğerleştirir, ancak temel olarak hâlâ varlık dağıtım kuralları üzerindeki oyunlarda kalır ve dijital ürünlerin "üretim" ilişkilerine dokunmaz.
Web4 Öncesi
Yapay zeka ilk kez üretim ilişkilerini değiştirmeye dokunuyor. Artık sadece verimliliği artıran bir araç değil, yeni bir üretim aracı haline geliyor. Kim onu daha iyi kullanırsa, çıktı sınırını bir katman açar.
Geleneksel ekip çalışmasında birçok gizli maliyet vardır: İyiyi liderlerin karar verme yeteneği ve endüstri sezgisi, altına kolayca aktarılamaz; çok sayıda kişinin uygulaması sırasında anlama sapmaları ve tekrar iş kayıpları kaçınılmazdır. Bunlar, organizasyonun işleyişinin “gizli vergileridir” ve daha önce net çözümleri yoktu. AI bu gizli vergiyi büyük ölçüde azaltır; öğrenme eğrisi yoktur, net ipuçları verildiğinde yüksek kalitede yürütür ve aynı anda çoklu görev hatlarını paralel olarak işler. Bir kişinin stratejik karar verme yeteneği, AI'nın yürütme kaldıracıyla birleştiğinde, geçmişte bir bütün ekip tarafından üretilebilecek olan miktarı harekete geçirebilir.
Elbette, AI hâlâ bazen "ciddi bir şekilde yanlış bilgi veriyor", bu da insan denetiminin ve yargılamasının hâlâ vazgeçilmez olduğunu belirliyor. Ancak modelin güvenilirliği ay bazında artıyor ve saf yürütme görevleri için bırakılan zaman aralığı, çoğu kişinin düşündüğünden çok daha kısa.
Verimlilik Eşitliği ve Derin Kriz: Giriş Engelleri Kaldırıldığında
Kısa vadeli olarak, sıradan kişilerin AI araçlarına erişimi verimlilik avantajı sağlar. Ancak ileriye doğru düşünüldüğünde, AI temel verimlilik farkını ortadan kaldırıp profesyonel giriş engelini büyük ölçüde düşürdükten sonra, şirketler şunu fark edecektir: tek bir kişinin üretkenliği büyük ölçüde arttıktan sonra, genel iş hacmi oransal olarak genişlemiyorsa, mevcut çalışan sayısını korumak bir negatif varlıktır.
Mevcut maaş farklılaşmasını gözlemleyin. TT3LABS'in iş ilanları verilerine göre, 2025'ten itibaren AI istihdam piyasasında "10 milyon doların üzerinde" maaş paketleri sıkça görülmeye başlandı ve bu adaylar, çok fazla "takım yönetimi becerisine" sahip olmayan genç AI mühendisleriydi. Meta, OpenAI'nin temel araştırmacılarını işe alırken yalnızca sözleşme ödemesi 100 milyon doları aştı; OpenAI çalışanlarının ortalama hisse senedi maaşı 1,5 milyon dolara ulaştı; Anthropic'te üst düzey araştırma mühendislerinin temel yıllık maaşı en fazla 690.000 dolara kadar çıktı (hisse senedi dahil değil).
Bu parayı harcayanlar, AI'nın kendisini daha da güçlü hale getirme yeteneği gibi nadir bir beceri satın alıyor. Alt temel modelleri geliştirebilenlerin değeri, tüm ticari ağda geometrik olarak büyütülebilir. Diğerleri ise, iş içeriklerinin AI tarafından daha düşük maliyetle karşılanabilmesi durumunda değerlemeleri azalabilir.
Bu aynı zamanda daha derin bir potansiyel krize de neden oluyor. Artık daha fazla insan, sorunla karşılaştığında ilk tepkisi olarak AI'dan cevap istiyor; aradaki kendi çıkarım, doğrulama ve deneme-yanılma süreci atlanıyor ve uzun vadede düşünme yeteneğini kaybediyor. Sorun şu ki, tam olarak bu "aptalca çaba" sizin soruna duyarlılığınızı şekillendiriyor. Bu süreci uzun süre AI'ya bırakmak, işinizdeki rolünüzün bir "gereksinim çevirisi" haline gelmesine neden olur: başkalarının taleplerini AI girdilerine çevirir, AI çıktılarını ise başkalarına iletirsiniz. Ancak bu ara nokta, sonraki nesil AI'ların en kolay atlayabileceği noktadır.
Şok Haritası: Hangi konumdasınız?
Koordinatsız korku, sadece kaygıdır. Çözüm stratejilerini tartışmadan önce, önce bir "şok haritası" çizmemiz gerekir. Bu, panik satmak için değil, herkesin kendi konumunu belirlemesi için.
Yüksek riskli iş içerikleri açıkça komutlanabilen pozisyonlar
İlk düzey kodlama, temel veri analizi, standartlaştırılmış rapor oluşturma, şablon tabanlı tasarım, düzenli çeviri ve düzeltme. Bu tür pozisyonların ortak özelliği, işlerin "giriş→işleme→çıktı" olarak net şekilde ayrıştırılabiliyor olmasıdır. Block'ın 4000'den fazla kişiyi çıkardığı bu aralıkta oldukça fazla kişi bulunuyordu. Onların mesleki yetkinlikleri kötü değildi, ancak yaptıkları işler tam olarak büyük modellerin üstesinden gelebileceği türden idi.
Kendinizi sormanız gereken bir standart: Tüm iş içeriğiniz bir AI komutu olarak yazılabilirse, bu, makinenin sizi yerine geçirmeye hazır olduğu anlamına gelir ve kalan tek şey şirketin bu kararı ne zaman vereceğidir.
Titreşimler, deneyimli orta seviye tarafından "sıkıştırılıyor".
Proje yöneticisi, operasyon müdürü, orta seviye mühendis. Çalışmaları karar verme ve koordinasyonu içeriyor; AI kısa sürede bunları yerine geçemiyor, ancak "sıkıştırılıyor". Daha önce bir iş zinciri beş orta düzey yöneticinin her birinin bir kısmını yönetip birbirleriyle uyum sağlaması gerekiyordu, şimdi AI上下游 yürütme işlemlerini devraldı ve bir ya da iki kişi tüm zinciri tek başına çalıştırabiliyor.
Bu grupla karşılaşılan durum, "koltuk sayısı azaldı". Yetenekleriniz gerilemedi, ancak pazarın bu rol için olan talebi ani bir şekilde azaldı. Bu grubun çözüm yolu, aşağıda yürütme gücünü AI ile büyütmek, yukarıda sorunun tanımını elde etmektir.
Değer Artırma Belirsizliğini Yöneten
Çalışmanın temeli "doğruyu yapmak" değil, "bilgiler her zaman eksikken karar vermek ve sonuçlardan sorumlu olmak" olan bir tür iş vardır: karmaşık ticari müzakereler, kriz iletişim yönetimi, çok kültürlü organizasyon yönetimi, yüksek riskli yatırım kararları. AI analiz ve öneriler sağlayabilir, ancak sizin yerinize imza atamaz, sizin yerinize sorumluluk alamaz, sofrada bir bakışın ardında gelen çıkarları okuyamaz.
Bu tür roller değer kaybetmez, aksine alt yapı yürütme maliyetleri AI tarafından büyük ölçüde düşürüldüğü için aynı bütçeyle daha büyük projeler harekete geçirilebilir ve karar vericilerin elindeki kaldıraç uzar.
Gerçek hayatta birçok kişinin işi birden fazla kademeyi kapsar. Basit bir kendi kendinizi test etme yöntemi: Günlük iş içeriklerinizi düşünün, bunların kaç tanesi bir komutla açıkça belirtilebilir, kaç tanesi belirsizlik içinde kendi kararınızı vermenizi gerektirir. İlk kategorinin oranı ne kadar yüksekse, o kadar çabuk değişiklik yapmanız gerekir.
Araç kaygısını durdurun, ortak hesaplama gücünü özel bir engel haline getirin
Ocak sonunda OpenClaw ("Küçük Yengeç") ortaya çıktı ve birkaç gün içinde GitHub'da 170 bin yıldız aldı. Tüm model üreticileri hemen tepki verdi, Alibaba Cloud bir tıkla dağıtımı sundu, Tencent CoPaw'ı piyasaya sürdü, MiniMax ve Kimi de kendi uyumlu çözümlerini çıkardı.
Sonra ilginç bir durum fark edersiniz: Bu ay birçok kişi, "karides nasıl kurulur" ve "hangi paket daha avantajlı" üzerine harcadığı zaman, AI ile gerçek iş sonuçları üretmeye harcadıkları zamandan daha fazla olabilir. Herkes araçlara koşuyor, ancak aradan sonra kurduğunuz yapıyı başkaları iki saatte tamamen kopyalayabiliyor.
Tüm büyük dil modelleri—OpenAI, Anthropic, Meta, Google, xAI—aynı açık internet verileriyle eğitildi. Bu yüzden temel olarak hepsi aynı ve bu yüzden çok hızlı bir şekilde ticarileşiyorlar.
— Larry Ellison, Oracle 2026 Yılı İkinci Çeyrek Finansal Sonuçları Telefon Toplantısı
Bunun tersi olarak düşünüldüğünde: Çalışmanız yalnızca genel büyük modellerin açık yeteneklerine dayanıyorsa, üretiminiz homojenleşir; talimatlarınız ne kadar süslü olursa olsun, bir koruma duvarı yoktur.
Gerçek engel, kamu alanından özel alana geçişte yatıyor.
Şu anda çok net bir trend var: büyük şirketlerden girişimci takımlara kadar, giderek daha fazla organizasyon yerel özel modelleri dağıtıyor. Doğrudan neden, bilgi güvenliği; kimse kritik iş verilerini üçüncü taraf API'lere vermek istemiyor. Ancak bu trendin az değerlendirilen bir zincirleme etkisi var: endüstrideki ana oyuncular verilerini ve bilgilerini özel dağıtım içine kapatınca, genel modellerin öğrenebileceği açık ağdaki endüstri bilgileri giderek daha az ve daha gecikmiş hale geliyor. Görünüşte AI, herkesin bilgi engelini düşürüyor, ancak gerçekten değerli olan endüstri bilgisi, açık ağdan hızla kaybolup, her birinin özel bilgi kütüphanelerine doğru sığınıyor.
Yani, yıllarca biriktiğiniz endüstriye ait “gizli bilgiler” değer kaybetmiyor, aksine değer kazanıyor—tabii ki bunları kullanırsanız.
Beyninizde, sohbet kayıtlarında ve geçmiş e-postalarda dağılmış olan standartlaştırılmamış iş deneyimlerini düzenleyin, yapılandırın ve özel modelinizin tüketebileceği bir "bağlam" haline getirin. TT3LABS arka plan verileri, Web3 sektöründe iki yıldan fazla deneyime sahip adayların ilk filtrelemeden geçme oranının, sektör deneyimi olmayan büyük şirketlerin teknik uzmanlarından çok daha yüksek olduğunu gösteriyor; temel neden, sektörün bilgi birikiminin genel teknik yetkinliklerden çok daha yüksek bir ağırlığa sahip olmasıdır. Üç yıl CEX operasyonu yapan biri, uyumluluk mantığını ve listeleme gizli kurallarını anlar; iki DAO yönetim döngüsünü geçiren biri, teklif tasarımı ve topluluk duygusu dönüm noktalarını değerlendirir; dikey içerik alanında derinlemesine çalışan biri, hedef kitle psikolojisini ve anlatı ritmini sezgisel olarak anlar. Bu tür bilgiler hiçbir açık eğitim verisinde yer almaz.
Bu özel deneyimlerinizi yapılandırıp modele entegre ettikten sonra, AI'niz genel bir ansiklopedi değil, sadece sizin için çalışan ve sadece bu alanınızdaki bilgiye sahip özel bir ortak olacak. Bu şekilde elde edilen derinlik, başkalarının aynı genel modeli kullanarak ne kadar çabalarsa çabalsın, ulaşamayacağı bir seviyedir.
Tek temel mantık: AI, açık bilgiyi işlemede herkesi eziyor, ancak özel deneyimleri işlemede tamamen sizin beslemenize bağlı. Derin endüstri bilgilerini AI ile birleştirebilenler, yeni iş bölümü biçimindeki temel varlıktır.
Deneyim kütüphaneniz gerçek "model"tir.
Yapay zeka modelleri hızla gelişiyor; bugünün GPT, Claude ve Gemini modelleri altı ay sonra daha güçlü sürümlerle yer değiştirebilir. Ancak sizin için daha güçlü bir model değiştirmek sadece bir API arayüzü değiştirmek demektir. Aslında yerini alınamayan, ona verdiğiniz özel veri ve deneyim kütüphanesidir.
Modeller genel altyapıdır ve herkes tarafından kullanılabilir. Ancak içine girdiğiniz endüstri bilgisi, işsel yargılar ve deneyimler, sadece sizin için özel bir "eğitim verisi"dir. AI ne kadar güçlü olursa, bu veriyi o kadar iyi işler ve özel engeliniz o kadar yüksek olur. Bu yüzden "şimdi bir bilgi bankası kurarsam çok çabuk eski kalır mı" diye endişelenmeyin; bilgi bankanız, model güncellemeleriyle değer kaybetmeyen tek varlıktır. Modeller değişiyor, ancak veri engeliniz AI yeteneklerinin artmasıyla değer kazanmaya devam edecektir.
Aynı zamanda geleneksel iş yerindeki rekabet mantığı da yeniden yazılıyor. Daha önce çalışanlar, gece geç saatlere kadar çalışarak tutkularını gösteriyorlardı, ancak makineler 7×24 saat çıktı üretiyor ve "Ben başkalarından daha çok dayanabilirim" stratejileri AI karşısında sıfırlanıyor.
Çok kişi şöyle der: "Hala ekibimde duygusal değer sağlıyorum." Evet, bu insanlara özgü bir yetenektir, ancak bu değerin primi bulunduğu seviyeye bağlıdır. Temel ekipler on kişiden iki kişi ve bir dizi AI Agent'a indiğinde, "ekip yağlayıcısı" kavramı ortadan kalkar. Ancak karar verme seviyesinde, karmaşık ticari mücadeleler, yüksek riskli güven kurma ve çıkar çatışmalarını dengeleme gibi durumlarda, temel maliyetlerin düşmesi nedeniyle insanlar arasındaki derin bağlar daha da değer kazanır. Duygusal değer kaybolmuyor, yukarı doğru taşınıyor.
Aslında, bireylerin AI çağında en çok yatırım yapması gereken, hangi aracı kullanmayı öğrenmek değil, sadece sizin sahip olduğunuz özel AI'yi sürekli olarak geliştirmektir. Araçlar gelişir, deneyim kütüphanesi gelişmez.
Üç işlem, hemen başlayabilir
Block örneğine dönersek, bazıları işten çıkarıldıysa da bazıları kalmaya devam etti; fark, AI standart üretim aracı haline geldikten sonra kimin sıkıştırılamaz olduğudur. Şirketin size AI eğitimi düzenlemesini beklemeyin; bugün itibarıyla bu adımları deneyebilirsiniz:
01、Elden işlemden iş akışı kurmaya geçiş
İşçinin en kolay düştüğü tuzağı, AI ile kendisinin "tembelce" davranmasıdır (örneğin, AI ile haftalık rapor yazmak veya e-postayı düzeltmek); bu hâlâ uygulama düzeyindeki bir düşünce tarzıdır. Gerçekten yapmanız gereken, kendi pozisyonunuzun en temel çıktısını bir AI otomatik üretim hattına dönüştürerek kendinizi bir "şantiye şefi" gibi görmektir.
Birçok yeni modeli aynı anda denemeyin; mevcut en olgun aracını seçin (örneğin ChatGPT Plus veya Claude) ve işinizde en çok zaman alan, en çok deneyim gerektiren aşamaya zorla dahil edin. Daha önce "el ile veri toplama → analiz ve karşılaştırma → sonuç üretme" şeklinde tek yönlü olan iş akışınızı, "otomatik veri toplama ayarla → AI analiz çerçevesine veri sağla → insan müdahalesiyle ayarla ve ince ayar yap" şeklinde yeniden yapılandırın. Bu iş akışını kullanarak, önce bir hafta süren bir işi bir güne indirip kalitesini çok stabil hale getirdiğinizde, artık sadece tek bir hesaplama düğümü değil, kendiniz yüksek kaldıraçlı bir "küçük şirket" haline gelmiş olursunuz.
02、Gizli deneyimi kendi dijital ikizinize sabitleyin
Büyük modeller, açık verileri öğrenerek çalışır ve tüm teorileri bilir, ancak şirketinizin son derece zorlu büyük müşterisinin gizli alışkanlıklarını veya departmanınız ile maliye departmanı arasında hangi alanların temas edilmemesi gerektiğini asla anlayamaz. Bu, sayısız hata yaparak kazandığınız "gizli bilgiler"dir ve en değerli varlığınızdır.
Ancak bu varlıklar sadece zihninizde kalırsa bileşik faiz kazanamaz. Şu anki göreviniz, mevcut büyük modellerin özelleştirme fonksiyonlarını (Örnek: Custom GPTs veya Claude Projeleri) kullanarak deneyimlerinizi onun "sistem ön ayar komutları" haline getirmektir. İşlediğiniz kenar durumları, başarısızlık analiz raporlarınızı ve sektörde yazılı olmayan gizli kuralları tamamen ona verin. Amacınız statik bir bilgi bankası not defteri oluşturmak değil, güçlü kişisel iş tarzınıza sahip, sadece sizin için çalışan 24 saatlik özel bir asistan "eğitmektir". Bu "dijital ikiziniz" tamamlandığında, diğerleri genel AI araçlarıyla size karşı yarışamaz.
03、Kendi "problem tanımlama hakkınızı" ve sorumluluk duygunuzu güçlendirin
Takım içinde, "cevap bulma" işini makineye bırakmayı, "soru sorma" ve "karar verme" yetkisini kendi elinizde tutmayı bilinçli bir şekilde uygulayın. AI, mükemmel bir cevap motorudur, ancak hiçbir zaman bir ihtiyaç arkasındaki gerçek ticari motivasyonu fark edemez. Yöneticiniz "Yeni bir kullanıcı tutma stratejisi yapmak istiyorum" derse, AI anında 10 adet büyüme hileleri teorik modeli sunar. Ancak yalnızca siz, mevcut bütçenizi ve geliştirme kaynaklarınızı bir araya getirerek "Çözüm B mükemmel ama şu anda uygulanamaz, Çözüm C'nin yarısı kaldırılırsa şu anki tempomuza en uygun olur" diyebilirsiniz.
Ayrıca bir noktayı anlamalısınız: Yapay zeka hapse girmez, sorumluluk almaz. Şirketler size yüksek maaş verirken çoğu zaman ticari sonuçlar için "garanti" alır. AI tarafından oluşturulan kodu veya çözümü sunduğunuzda, "AI'nın üretimi profesyonel deneyimimle inceledim ve nihai sonuçtan sorumluyum" diyebilmelisiniz. Belirsiz alanlarda karar verme ve nihai ticari sonuçlardan sorumluluk alma yeteneği, yani bu "sorumluluk primi", herhangi bir dönemde makine tarafından yerine getirilemez.
Dorsey, "çalışan çoğu şirket geç kalmıştır" diyor. Ancak bireyler için bu ifade tersine de geçerlidir: çoğu kişi henüz hazırlığa başlamamış ve bu eğilimi fark etmemiştir.
Herkesin bir AI uzmanı olması gerekmez. Ancak herkesin şu soruyu netleştirmesi gerekir: İşinizde, hangi kısımlar makinenin mutlaka yapacağı şeyler, hangi kısımlar sizin benzersiz olduğunuz alanlar; ve zamanınızı ve enerjinizi bunlardan ilkinden ikincisine taşıyın.
Bir gün yapay zekâ, belki 2027 yılında, belki 2030 yılında, tüm alanlarda insanları tamamen geçerse, bu size izlemek için bir değişim olmayacaktır.
O, senin hazır olmanı beklemez.