Yapay zekâ işlerinde cinsiyet açığı şirket içinde nasıl büyür

Rakamlar neyi gösteriyor

The Guardian'da Arielle Pardes imzasıyla yayımlanan habere göre AI mesleklerinin tamamında erkeklerin medyan maaşı kadınlarınkinden 45.000 dolar yüksek. Farkın bir kısmı, iki grubun farklı türde AI işlerinde yoğunlaşmasından geliyor. Aynı haber, kadınların müşteri hizmetleri gibi AI'dan en çok etkilenecek rollerde daha fazla çalıştığını da hatırlatıyor. Yani bir yanda yeni ve iyi ödeyen işlere giriş daralıyor, öbür yanda mevcut işler daha kırılgan hale geliyor.

Verilerin önemli kısmı LinkedIn'den geliyor. CBS News'ün aktardığına göre ABD'de AI becerisi gerektiren işlere yapılan alımların yalnızca %26'sı kadın, AI dışı rollerde bu oran %50. LinkedIn'deki AI ilanları 2023'ten bu yana kabaca iki katına çıkmış ve tipik bir AI ilanı yaklaşık 177.000 dolar teklif ederken AI dışı bir rol için bu rakam 80.000 dolar civarında.

Asıl çarpıcı olan, açığın hangi basamakta toplandığı. Axios'un verilerine göre 2025'te "member of technical staff" AI rollerine yapılan yeni alımların %82'si erkekti ve bu rollerin medyan ilan ücreti 223.000 dolardı. Medyan ilan ücreti 51.000 dolar olan veri etiketleme işlerinde ise dağılım kabaca yarı yarıya. Allwork.Space'in derlediği rakamlara göre Head of AI rolü yılda yaklaşık 236.000, Director of AI yaklaşık 300.000 dolar ödüyor. Kısacası kadınlar AI ekonomisine giriyor ama ağırlıklı olarak piramidin alt katlarından.

Açık işe alımla sınırlı değil, araç kullanımında da var

İşverenleri asıl ilgilendirmesi gereken kısım burası, çünkü çoğu şirket AI mühendisi işe almıyor ama herkes çalışanlarına AI aracı dağıtıyor. Harvard Business School'un 76 kaynağı, 100'den fazla ülkeyi ve 300.000'i aşkın kişiyi kapsayan derlemesi ağırlıklı AI kullanım oranını erkeklerde %47,8, kadınlarda %39,3 olarak buluyor. Kadınlar en çok kullanılan on AI aracının altısında ziyaret başına daha az zaman geçiriyor; örneğin ChatGPT ziyaretleri %8,9 daha kısa.

Danimarka verisi daha da öğretici. PNAS'ta yayımlanan ve AI'a açık 11 meslekte 18.000 çalışanı kapsayan ankete göre kadınların işte ChatGPT kullanmış olma ihtimali erkeklerden 16 puan düşük. Üstelik fark, aynı iş yerinde benzer görevleri yapan meslektaşlar arasında bile sürüyor. Bu, meseleyi "kadınlar farklı işler yapıyor" diye açıklamayı zorlaştırıyor.

Erişim vermenin yetmediğini gösteren bir çalışma da var. Kenya'da yaklaşık 17.000 girişimcinin hepsi ChatGPT kullanmaya davet edilmiş ve nasıl kullanılacağı gösterilmiş, buna rağmen kadınların aracı deneme ihtimali yaklaşık %13 daha düşük kalmış. Öte yandan Deloitte'un analizine göre ABD'de 2023'te kadınlar üretken AI'ı erkeklerin yaklaşık yarısı oranında kullanırken 2024'te açık daralmış. Yani fark kalıcı değil, ama kendiliğinden de kapanmıyor.

Avrupa ve Türkiye'de tablo

Risk tarafı Avrupa'da da benzer. ILO'ya göre kadın ağırlıklı mesleklerin yaklaşık %29'u üretken AI'a açıkken erkek ağırlıklı mesleklerde bu oran %16; en yüksek otomasyon riski taşıyan kategoride ise oranlar %16'ya %3. Emerging Europe'un aktardığı verilere göre Avrupa ve Orta Asya'da kadınların işlerinin %39'u, erkeklerinkinin %26'sı AI kaynaklı dönüşüme açık. Aynı kaynakta geçen Randstad Workmonitor 2025 bulgusu da dikkat çekici: dünya genelinde erkeklerin %44'ü AI becerisi edinmeyi ilk üç önceliği arasında sayarken kadınlarda bu oran %36.

Beceri tarafında EIGE, LinkedIn verilerine dayanarak AB'deki AI becerisine sahip kişilerin yalnızca %16'sının kadın olduğunu belirtiyor ve açığın kariyer ilerledikçe büyüdüğünü vurguluyor. Bu son nokta önemli, çünkü giriş seviyesinde makul görünen bir dağılım, beş yıl sonra yönetim kademesinde bambaşka bir tabloya dönüşebiliyor.

Türkiye için elimizdeki veri daha sınırlı. TÜİK verilerini aktaran Modern Diplomacy'ye göre kadınlar bilişim iş gücünün %20'sinden, mühendislik iş gücünün %15'inden azını oluşturuyor. WEF ve LinkedIn verilerine dayanan 2019 tarihli bir rapor Türkiye'de AI uzmanlarının %24'ünün kadın olduğunu, küresel payın ise %22 olduğunu söylüyordu; ama bu rakam üretken AI dalgasından önceye ait. Türkiye'de AI işe alımları ve ücretleri için güncel, cinsiyete göre ayrışmış bir veri bulamadık. Bizim görüşümüz şu: Türk şirketlerinde açık büyük ihtimalle mühendislik ekiplerinden çok, AI'ın muhasebe, satış destek ve müşteri hizmetleri gibi ofis işlerine yayıldığı noktada açılacak.

Şirket içinde açığın açıldığı yerler

The Guardian haberini özetleyen Zetik'e göre AI alanında çalışan kadınlar hızlı değişen bir alanda yetişmenin önündeki engelleri şöyle sıralıyor: referansla işe alım, az sayıda kadın mentor, 12 saatlik çalışma kültürü ve doğum izni gibi kariyer araları. Bunların hiçbiri AI'a özgü değil. Ama araçların altı ayda bir değiştiği bir ortamda, birkaç aylık bir ara bile ciddi bir geri kalmaya dönüşebiliyor.

Kademeler yükseldikçe tablo kötüleşiyor. CIO Dive'ın aktardığı LinkedIn verilerine göre Head of AI alımlarının %20'si, Director of AI alımlarının %26'sı, Member of Technical Staff alımlarının %18'i kadın. LinkedIn üç engel tanımlıyor: kadınların AI rollerindeki payı AI dışı rollere göre yaklaşık 10 puan düşük, AI odaklı şirketlerdeki iş gücü payı yaklaşık 5 puan düşük ve açık üst yönetim seviyesinde alt kademelere göre yaklaşık 15 puan daha geniş. CBS'e göre 27 ülkede AI şirketlerindeki liderlik rollerinin yalnızca %13'ü kadınlarda, geniş teknoloji sektöründe bu oran %20.

Sıradan bir şirkette bu açık genellikle kimsenin karar verdiğini fark etmediği anlarda açılıyor. Bir pilot proje için "meraklı birkaç kişi" aranıyor, deneme lisansları ilk el kaldıranlara gidiyor, eğitim cuma akşamı isteğe bağlı bir oturum olarak duyuruluyor. Tek tek bakınca hepsi masum. Toplamda ise AI deneyimi biriken ve bir sonraki terfide öne çıkan grubu belirliyorlar.

• Pilot projelere kimin seçildiği ve bu seçimin açık bir çağrıyla mı yoksa koridor sohbetiyle mi yapıldığı
• Ücretli AI lisanslarının ilk dağıtımında kimin önceliklendirildiği
• Eğitimlerin mesai içinde mi, mesai dışında mı ve isteğe bağlı mı olduğu
• Uzun izinden dönen çalışanların değişen araçlara nasıl adapte edildiği
• İç ilanlarda "AI deneyimi" şartının kimler için fiilen erişilebilir olduğu

Performans değerlendirmesi henüz ölçülmemiş bir risk

Burada dürüst olmak gerekiyor: performans değerlendirmelerinin AI destekli çıktıyı nasıl ödüllendirdiğine ve bunun cinsiyet yanlılığı yaratıp yaratmadığına dair bir araştırma bulamadık. Aşağıdakiler veri değil, yukarıdaki bulgulardan yaptığımız bir çıkarım. Yine de göz ardı edilmemesi gerektiğini düşünüyoruz.

Mekanizma basit. Değerlendirme sistemi hız, hacim ya da "AI projesinde yer aldı" gibi ölçütlere ağırlık veriyorsa, araçları daha çok kullanan grup otomatik olarak avantaj kazanır. Herkesin eşit eğitim ve erişime sahip olduğu bir ortamda bu savunulabilir. Ama PNAS çalışması, aynı iş yerinde aynı işi yapanlar arasında bile kullanım farkı olduğunu gösteriyor. O zaman değerlendirme sistemi, eğitim tarafındaki eşitsizliği bir sonraki yılın maaş artışına taşıyan bir köprüye dönüşüyor.

Pratik öneri şu: AI kullanımını cezalandırmayın ama tek başına bir ödül kriteri de yapmayın. Ölçütleri çıktının kalitesine ve iş üzerindeki etkisine bağlayın, "hangi araçla yaptın" sorusunu ikinci plana alın. Kalibrasyon toplantılarında puan dağılımına cinsiyet kırılımıyla bakmak da az zahmetli ama çok şey söyleyen bir kontrol.

İK ve yöneticiler için somut adımlar

Kenya ve Danimarka çalışmalarının ortak mesajı, lisans dağıtıp beklemenin işe yaramadığı. Yani müdahalenin erişimden sonraki aşamaya, yani kullanım, eğitim ve fırsat dağılımına odaklanması gerekiyor. Aşağıdaki listedeki adımların hiçbiri büyük bütçe istemiyor; çoğu, zaten yapılan şeyleri biraz daha bilinçli yapmaktan ibaret.

Bir uyarı: Bu adımların açığı kapattığını gösteren, ölçülmüş sonuçları yayımlanmış bir şirket programı araştırmamızda karşımıza çıkmadı. Bu yüzden listeyi kesin bir reçete olarak değil, kendi verinizle test edeceğiniz bir başlangıç noktası olarak okuyun.

• Ölçün: AI lisansı sahipliği, aktif kullanım, eğitim katılımı ve pilot projeye atanma oranlarını cinsiyete göre ayrıştırarak takip edin. Ölçmediğiniz açığı fark etmezsiniz.
• Eğitimi mesai içine alın ve ekip bazında planlayın. İsteğe bağlı akşam oturumları, bakım yükü taşıyanları sistematik olarak dışarıda bırakır.
• Genel "AI'a giriş" yerine kişinin kendi işinden örneklerle çalışın. Müşteri hizmetleri ekibi için yanıt taslağı, finans için mutabakat kontrolü gibi.
• Pilot projeleri açık çağrıyla, yazılı kriterlerle ve rotasyonla dağıtın. "Gönüllü olan gelsin" yaklaşımı genellikle hep aynı kişileri getirir.
• Doğum izni veya uzun izinden dönenler için kısa bir AI güncelleme oturumu planlayın.
• Mentorluk eşleştirmelerinde AI projelerinde deneyimli kişilerle farklı birimlerden çalışanları bilinçli olarak bir araya getirin.
• AI rollerinde işe alım yaparken referans kanalına tek başına güvenmeyin, aday havuzunun bileşimine bakın.
• AI'dan en çok etkilenecek rollerde, örneğin müşteri hizmetlerinde, çalışanlara yeni görevlere geçiş için somut yollar tanımlayın.

Küçük ve orta ölçekli firmalar için gerçekçi bir başlangıç

Elli kişilik bir firmanın İK departmanı çoğu zaman tek kişiden ibaret ve kapsamlı bir program kurması gerçekçi değil. İyi haber şu ki gerekmiyor da. Kimin hangi AI aracını kullandığını, kimin hangi eğitime katıldığını ve kimin AI ağırlıklı işlere atandığını gösteren basit bir tablo, ilk altı ay için yeterli. Bu tabloya altı ayda bir bakmak, sorunların çoğunu daha büyümeden gösterir.

Neyin işe yaramadığını da söylemek lazım. Herkese hesap açıp "isteyen kullansın" demek, Kenya çalışmasının neredeyse birebir tekrarı olur. Şirketin "AI şampiyonu" rolünü en hevesli bir iki kişiye vermek pratik görünür ama zamanla o kişilerin görünürlüğünü ve terfi şansını tek taraflı artırır. Rolü dönüşümlü yapmak daha adil ve uzun vadede daha sağlıklı.

Küçük firmanın bir avantajı da var: karar zinciri kısa. Bir yönetici, bu ayki pilot işi kime vereceğini bilinçli seçerek büyük şirketlerin aylarca komite toplantısında konuştuğu şeyi bir haftada değiştirebilir. Deloitte verisinde açığın bir yılda daralmış olması, bu tür küçük düzeltmelerin anlamsız olmadığını gösteriyor.