Döngüdeki İnsan

“Kodun Yüzde Kırkı, Kadronun Dörtte Biri” yazımıza bir okurumuz yorum bıraktı. Döngüdeki insan kavramının o yazıdaki tartışmayla ilişkisini merak ettiğini söyledi.

Biz de bunu aydınlatmak için bir yazı yazalım dedik.

---

Önce Özet: On Tez

1. “Döngüdeki insan” bir tasarım tercihi değil, bir emek ilişkisidir. Terim, makinenin yapamadığını insanın tamamladığı teknik bir düzenek gibi sunuluyor. Gerçekte bir işbölümünü, bir ücret ilişkisini ve bir sorumluluk dağılımını tarif ediyor.
2. Döngünün üç durağı var, her birinde farklı bir emek biçimi çalışıyor. Modelin eğitilmesinden önce veri işçisi, model çalışırken gizli müdahale işçisi, çıktıdan sonra da onay ve denetim işçisi.
3. Yapay zeka, işbölümünün otomasyonudur. Matteo Pasquinelli'nin gösterdiği gibi, makine zekası insan emeğinin parçalara bölünmüş örüntülerini kopyalar. Babbage ilkesi yeniden işliyor: iş parçalara ayrılıyor, her parçaya ancak gerektirdiği vasıf kadar ödeniyor.
4. Otomasyon fetişi bir değerleme aracıdır. “Tam otomatik” görünmek şirketin piyasa değerini yükseltir. İnsan emeğini gizlemek, ürünü olduğundan daha sihirli, şirketi de olduğundan daha değerli gösterir.
5. Küresel bir veri işbölümü kuruldu. En ağır ve en ucuz işler, yani travmatik içerik moderasyonu ve kitlesel etiketleme, Kenya'dan Filipinler'e, Venezuela'dan Türkiye'ye taşeronlanıyor. Değer merkezlerde birikirken bedel çevrede ödeniyor.
6. Emeğin bileşimi kayıyor: ucuz genelciden pahalı uzmana. Son iki yılda yükselen eğilim, doktorların, avukatların, mühendislerin, yazılımcıların kendi uzmanlıklarını modele aktarmak üzere saat başı işe alınması. Vasıflı emek, kendi yerine geçecek makineyi eğitiyor.
7. Parça başı ücret geri döndü. Marx'ın kapitalist üretim tarzına en uygun ücret biçimi dediği parça başı ödeme, veri işinde temel ücret biçimi haline geldi. Üstelik algoritmik denetimle birleşmiş olarak.
8. Denetleyen insan, sorumluluğu taşıyan insandır. Sistemin “son kararı insan verir” güvencesi, hatanın faturasını işçiye kesen bir düzeneğe dönüşebiliyor. Madeleine Clare Elish bunu “ahlaki darbe emici bölge” diye adlandırıyor.
9. Döngü giderek daralıyor. Şirketlerin yapay zeka kullanımında, insanı tamamlayan kullanımdan insanın yerine geçen kullanıma doğru belirgin bir kayış var. Döngüdeki insan, döngüden çıkarılmayı bekleyen insan olarak da okunmalı.
10. Örgütlenme başladı. İçerik moderatörlerinin küresel sendika ittifakı, Kenya'daki Veri Etiketçileri Derneği, İzmir'de Telus işçilerinin Çağrı-İş'teki mücadelesi gösteriyor ki görünmez emek görünür olmaya, görünür olan emek de örgütlenmeye başladı.

Şimdi tezleri tek tek açalım.

---

Mekanik Türk'ün İçindeki Adam

1770'te Macar mucit Wolfgang von Kempelen, Avrupa saraylarını dolaşan bir satranç otomatı yaptı. Türk kıyafeti giydirilmiş bir manken, bir masanın başında oturuyor, rakiplerini yeniyordu. Napolyon'la, Benjamin Franklin'le oynadığı anlatılır. Makine bir mucize gibi sunuldu. Oysa masanın içinde, mıknatıslar ve kollarla taşları oynatan bir satranç ustası saklanıyordu.

2005'te Amazon, küçük işleri dünyanın dört bir yanındaki insanlara parça başı dağıtan platformuna tam da bu otomatın adını verdi: Mechanical Turk. Şirketin kendi deyişiyle bu, “yapay yapay zeka”ydı: bilgisayarın yapamadığı işleri, bilgisayarın yapıyormuş gibi görünmesini sağlayacak biçimde insanlara yaptırmak.

İsim tesadüf değil. Yapay zeka endüstrisinin bugünkü yapısı, o masanın içindeki satranç ustasını gizleme sanatı üzerine kurulu. Fark şu: artık masanın içinde tek bir usta değil, dünyaya dağılmış yüz binlerce işçi var.

---

Döngü Nedir, İnsan Nerededir?

“Human in the loop” mühendislikte, otomatik bir sistemin belirli noktalarında insan müdahalesine yer açan tasarımlar için kullanılır. Kağıt üzerinde makul bir ilke: makine hata yapabilir, insan düzeltir. Ama terimin teknik yalınlığı, arkasındaki emek ilişkisini görünmez kılıyor. Döngünün üç durağına bakalım.

Birinci Durak: Modelden Önce, Veri İşçisi

Bir dil modeli ya da görüntü tanıma sistemi, milyonlarca örnek üzerinde eğitilir. Bu örneklerin büyük kısmı insanlar tarafından hazırlanır, sınıflandırılır, düzeltilir:

• Veri etiketleme: Bir fotoğraftaki yayayı, trafik lambasını, tümörü işaretlemek. Bir cümlenin olumlu mu olumsuz mu olduğunu belirlemek.
• İnsan geri bildirimiyle pekiştirmeli öğrenme (RLHF): Modelin ürettiği iki yanıttan hangisinin daha iyi olduğunu seçmek, yanıtları puanlamak, örnek yanıtlar yazmak. Bugünkü sohbet robotlarının “nazik”, “yardımsever” ve “güvenli” görünmesinin arkasında bu emek var.
• İçerik moderasyonu ve zararlı içerik filtreleme: Modelin şiddet, istismar, nefret içeren metinler üretmemesi için, önce bu tür içeriklerin insanlar tarafından okunup etiketlenmesi gerekiyor.
• Kırmızı takım çalışması: Modelin zaaflarını bulmak için onu kasıtlı olarak zorlamak, kötüye kullanım senaryolarını denemek.

TIME dergisinden Billy Perrigo'nun Ocak 2023'te yayımladığı araştırma, bu durağın ne anlama geldiğini çarpıcı biçimde gösterdi. ChatGPT'nin zararlı içerik filtresini eğitmek için OpenAI, Kenya'daki taşeron şirket Sama aracılığıyla işçi çalıştırdı. İşçiler, saatte iki doların altında ücretle, cinsel istismar, şiddet ve işkence anlatan metinleri okuyup etiketledi. Pek çoğu ağır ruhsal sorunlar yaşadığını anlattı.

İkinci Durak: Model Çalışırken, Gizli Müdahale İşçisi

Bazı sistemler “otomatik” olarak satılır, ama gerçek zamanlı olarak insanlar tarafından desteklenir. Model emin olamadığında iş sessizce bir insana yönlendirilir. Kullanıcı bunu bilmez. Bilim tarihinin eski bir sırrını, yani laboratuvarın arkasındaki emeği gizleme alışkanlığını, “Mythos, Model 2 ve Gizli Çerçeve” yazısında da tartışmıştık.

Bunun en çok tartışılan örneği Amazon'un kasasız mağaza sistemi “Just Walk Out” oldu. 2024'te The Information'ın haberine göre sistem, Hindistan'da çalışan yaklaşık bin kişinin alışverişleri izleyip doğrulamasına dayanıyordu. Amazon bu işçilerin yalnızca modeli iyileştirmek için veri işaretlediğini söyleyerek haberi yalanladı. Ama tartışmanın kendisi bir şeyi gösterdi: “yapay zeka” etiketi altında satılan pek çok hizmetin, ne kadarının makine ne kadarının insan olduğu dışarıdan bilinemiyor. Sektörde bunun bir adı bile var: “sahte otomasyon”.

Üçüncü Durak: Modelden Sonra, Onay ve Denetim İşçisi

Model çıktı üretir; bir insan bu çıktıyı gözden geçirir, onaylar ya da düzeltir. Yapay zeka destekli tıbbi görüntü okuyan radyolog, model tarafından yazılmış sözleşmeyi kontrol eden avukat, otomatik yanıtları denetleyen çağrı merkezi çalışanı, yapay zekanın ürettiği kodu gözden geçiren yazılımcı.

Burada iki dönüşüm birlikte yaşanıyor. Birincisi, işin içeriği değişiyor: üretmek yerine denetlemek. Yazılımcı kod yazmak yerine kod okuyor, çevirmen çeviri yapmak yerine makine çevirisini düzeltiyor. Bu iş genellikle daha düşük ücretle değerlendiriliyor; çünkü “asıl işi makine yapıyor”. Buna vesile olan Microsoft yazısında GitHub'daki çekme isteklerinin yüzde 40'ından fazlasını ajanların başlatması tam da budur: yazılımcı, ajanların yazdığını gözden geçiren bir denetçiye dönüşüyor.

İkincisi, sorumluluk dağılımı değişiyor. Madeleine Clare Elish, 2019'da yayımladığı “Moral Crumple Zones” makalesinde, otomatik sistemlerde bir şey ters gittiğinde suçun sistemi tasarlayan şirkete değil, döngüdeki insana yüklendiğini gösterdi. Otomobillerdeki “darbe emici bölge” gibi, döngüdeki insan da çarpmanın şiddetini üstlenen bölge haline geliyor. Sürücüsüz araç kaza yaptığında direksiyondaki güvenlik sürücüsü, otomatik teşhis yanlış çıktığında onaylayan hekim yargılanıyor. Bu, hem bir hukuki sorumluluk aktarımı hem de bir emek yoğunlaştırma biçimi: işçi hem makineyi izlemek hem de makinenin hatalarından sorumlu olmak zorunda. Şirketlerin sorumluluğu kendi kendilerini denetleyerek üstlenebileceği iddiasının neden boş olduğunu “Şirketler Kendilerini Denetleyebilir mi?” yazısında ele almıştık.

---

Teorik Çerçeve: Yapay Zeka, İşbölümünün Otomasyonudur

Bu üç durağı birbirine bağlayan teorik çerçeve, Marx'ın makine ve büyük sanayi çözümlemesidir.

Charles Babbage, 1832'de yayımladığı Makine ve Manifaktür Ekonomisi Üzerine kitabında, sonradan kendi adıyla anılacak bir ilke ortaya koydu: bir iş, farklı vasıf düzeylerine göre parçalara bölündüğünde, işveren her parça için yalnızca o parçanın gerektirdiği vasıf kadar ödeme yapar. Bütün işi bir ustaya yaptırmak yerine, zor kısmı ustaya, kolay kısmı ucuz bir işçiye yaptırmak çok daha karlıdır. Babbage aynı mantığı zihinsel emeğe de uyguladı: matematiksel tabloların hesaplanmasını parçalara bölüp ucuz “hesapçılara” dağıttı. Bu işbölümü, onun hesap makinesi tasarımının da temeliydi.

Matteo Pasquinelli, 2023'te yayımladığı The Eye of the Master: A Social History of Artificial Intelligence kitabında, yapay zekanın tarihini bu çizgide okuyor. Ona göre yapay zeka, insan zihninin taklit edilmesinden değil, toplumsal işbölümünün örüntülerinin kopyalanmasından doğuyor. Makine, önce parçalara bölünmüş, standartlaştırılmış, ölçülmüş insan emeğinin bir modelini çıkarır, sonra o emeğin yerine geçer.

Marx, Grundrisse'nin ünlü “Makineler Üzerine Fragman” bölümünde, toplumun biriktirdiği bilgi ve becerinin, yani “genel zeka”nın, sabit sermayede, makinede nesneleştiğini yazmıştı. Bunu daha önce genel zekanın gaspı olarak tartışmıştık. Döngüdeki insan kavramı bu gaspın canlı mekanizmasını gösteriyor: genel zeka kendiliğinden makineye akmıyor; milyonlarca işçinin günlük, parça başı, ölçülen emeğiyle makineye aktarılıyor. Her etiket, her puanlama, her düzeltme, makinede kristalleşen emeğin bir parçası. Aynı gaspın bilimsel üretimdeki biçimini, OpenAI'ın 722 matematik makalesi üzerinden “Genel Zekanın Kapalı Laboratuvarı” yazısında; bu soruların felsefedeki köklerini de “Eski Sorular, Yeni Laboratuvar” yazısında tartışmıştık.

Burada bir çelişki var. Bu emek, ürettiği değerin sahibi olmuyor. Modelin içine aktarılan bilgi, şirketin fikri mülkiyeti haline geliyor. İşçi kendi vasfını makineye aktarıyor ve bu aktarımın sonucunda kendi vasfı değersizleşiyor. Marx'ın yabancılaşma çözümlemesi burada en yalın haliyle görünüyor: işçinin ürünü, işçinin karşısına onu yöneten ve onun yerine geçen yabancı bir güç olarak dikiliyor.

---

Görünmezliğin İdeolojik İşlevi

Döngüdeki insanın neden gizlendiğini sormak gerekiyor. Üç neden öne çıkıyor.

Değerleme. Yapay zeka şirketlerinin piyasa değeri, insan emeğine bağımlılıklarının azlığı varsayımına dayanıyor. Bir yazılım şirketi, ürününü bir kez yazıp sonsuz kez satabildiği için yüksek çarpanla değerlenir. Eğer ürünün arkasında sürekli olarak ödenmesi gereken binlerce işçi varsa, şirket bir yazılım şirketi değil, bir hizmet şirketidir ve çok daha düşük çarpanla değerlenir. Yapay zeka balonu üzerine yazarken bu değerleme mantığını tartışmıştık; döngüdeki insanın gizlenmesi, balonun şişirilmesinin araçlarından biri. Aynı değerleme mantığının izahnameye nasıl yazıldığını Anthropic'in halka arzı üzerine, sahnede nasıl satıldığını da “Yapay Zeka Zirveleri Neyi Satıyor?” ve Jack Clark'ın IMF konuşması üzerine yazarken görmüştük.

Fetişizm. Marx'ın meta fetişizmi çözümlemesi burada yeni bir biçim alıyor. Meta, onu üreten toplumsal emek ilişkilerini gizleyerek, kendi başına değer taşıyan bir nesne gibi görünür. Yapay zeka da onu üreten emeği gizleyerek, kendi başına düşünen bir özne gibi görünüyor. “Yapay zeka yazdı”, “yapay zeka karar verdi” cümleleri, aslında “binlerce işçinin emeği üzerinde eğitilmiş bir sistem, bir şirketin belirlediği kurallarla şunu üretti” anlamına geliyor.

Ücret baskısı. İşin görünmez olması, onun değersiz olduğu izlenimini yaratıyor. “Basit tıklama işi”, “yan gelir”, “esnek çalışma” gibi tanımlar, bu emeğin gerektirdiği dikkati, bilgiyi ve psikolojik yükü küçümsüyor. Görünmez emek, kolayca ucuz emek haline getiriliyor.

---

Küresel Veri İşbölümü

Yapay zeka emeği, kapitalizmin uluslararası işbölümünün yeni bir katmanını oluşturuyor. Merkez ülkelerdeki şirketler, en ağır ve en ucuz işleri çevre ülkelere taşeronluyor.

DAIR Enstitüsü ile Berlin Teknik Üniversitesi'nin ortak projesi Data Workers' Inquiry, Marx'ın 1880'de hazırladığı “İşçi Anketi”nden esinlenerek, veri işçilerinin kendi deneyimlerini kendi kalemleriyle yazdıkları raporlar yayımladı. Kenya'daki içerik moderatörleri dakikada birden fazla ve günde yaklaşık beş yüz içerik inceleme kotasıyla çalıştıklarını, şiddet ve istismar görüntüleri karşısında ruhsal çöküntü yaşadıklarını anlattı. Suriye'de eğitim masraflarını karşılamak için veri etiketleme yapan bir işçi, belirsiz görev tanımlarını ve talepkar müşterileri anlattı. Katmanlı taşeronluk, sorumluluğun kimde olduğunu bulmayı imkansız hale getiriyordu. Raporların TechCrunch'taki özeti projenin yöntemini ve bulgularını iyi aktarıyor.

Türkiye de bu işbölümünün bir parçası. Telus Digital'in İzmir'deki tesisinde, TikTok için içerik moderasyonu yapan işçiler Çağrı-İş Sendikası'nda örgütlendi. UNI Europa'nın Mart 2025 açıklamasına göre şirket, toplu sözleşme görüşmeleri sürerken önce on beş, ardından yaklaşık otuz sendika destekçisi işçiyi işten çıkardı. Sendika bunu doğrudan sendikal varlığına yönelik bir saldırı olarak tanımladı ve İzmir'de şirket önünde eylem yaptı.

Bu tablo bir tesadüf değil, bir sistem. Lenin'in emperyalizm çözümlemesinde anlattığı sermaye ihracı ve çevre ülkelerin ucuz emeğinin sömürüsü, bugün veri işinde yeniden üretiliyor. Fark şu ki sömürülen artık maden ya da tarım ürünü değil, insan zihni ve dikkati. Bu işbölümünün haftalık izini “Teknolojide Haftanın Sınıfsal Gelişmeleri” dizisinde sürmeye devam ediyoruz.

---

Emeğin Bileşimindeki Kayma: Ucuz Genelciden Pahalı Uzmana

Son iki yılda veri işinde önemli bir dönüşüm yaşanıyor. Modeller temel görevlerde yeterince iyileştiği için, şirketler artık kitlesel ve ucuz etiketlemeden çok, uzman bilgisine ihtiyaç duyuyor. Modelin hukuk, tıp, mühendislik, matematik, yazılım gibi alanlarda gelişmesi için o alanların uzmanlarının bilgisini modele aktarmak gerekiyor.

Bu ihtiyaç yeni bir şirket türü doğurdu. 2023'te kurulan Mercor, Business Insider'ın Kasım 2025 haberine göre on milyar dolar değerlemeye ulaştı, otuz binden fazla sözleşmeli çalışanı yönetiyor ve günde bir buçuk milyon doların üzerinde ödeme yapıyor. Şirketin “Muhteşem Yedili” denen teknoloji devlerinden altısıyla çalıştığı belirtiliyor. Rakipleri Scale AI ve Surge AI da benzer bir modelle çalışıyor; Scale AI yedi yüz binden fazla katkıcıdan söz ediyor. Meta 2025'te Scale AI'ye 14,3 milyar dolar yatırım yaptı.

Bu sektör, ilk bakışta veri işinin “saygınlaştığı” izlenimini veriyor. Saat başı ücretler yüksek, işçiler eğitimli. Ama aynı haber, bu yeni işçi kesiminin de güvencesizliğin pençesinde olduğunu gösteriyor. Mercor, Meta için yürüttüğü ve zirvesinde beş binden fazla kişinin çalıştığı “Musen” projesini, yıl sonuna kadar süreceği söylenmişken aniden sonlandırdı ve işçilere benzer bir projeyi saat başı beş dolar daha düşük ücretle, saatte on altı dolardan önerdi. Bir işçi, daha önceki bir projenin de benzer bir projeyle saat başı on dolar daha düşük ücretle değiştirildiğini anlattı. Aynı dönemde xAI beş yüzden fazla veri etiketçisini işten çıkardı, Scale AI de bir genelci ekibini dağıttı.

Bu dönüşümün sınıfsal anlamı şu: yapay zeka, proleterleşmeyi zihinsel emeğin en üst katmanlarına taşıyor. Bir zamanlar “profesyonel”, “uzman”, “orta sınıf” sayılan kesimler, kendi uzmanlıklarını proje bazlı, saat başı, sözleşmeli olarak satıyor. Üstelik sattıkları şey, kendi mesleklerinin geleceğini tehdit eden makinenin eğitimi. Bir avukat, gelecekte avukatların yerini alabilecek modeli eğitiyor; bir yazılımcı, yazılımcıları gereksizleştirebilecek kod asistanını iyileştiriyor.

Marx, Kapital'in birinci cildinde, makinenin işçiyi “makinenin bir uzantısına” dönüştürdüğünü yazmıştı. Bugün yaşanan, bunun bir adım ötesi: işçi, makinenin öğretmeni ve sonra rakibi haline geliyor. Beyaz yakalının sefaleti üzerine yazarken anlattığımız süreç, burada en çıplak biçimini alıyor. Teknoloji emekçisini şirkete bağlayan hisse ve prim düzeninin çözülmesini ise “Altın Kelepçe Çözülürken” yazısında ele almıştık.

---

Parça Başı Ücretin Geri Dönüşü

Veri işinin baskın ücret biçimi, Marx'ın özel bir bölüm ayırdığı parça başı ücrettir. Kapital'in birinci cildinin 21. bölümünde Marx, parça başı ücretin, zaman ücretinin dönüşmüş bir biçimi olduğunu ve kapitalist üretim tarzına en uygun ücret biçimi olduğunu yazar. Çünkü parça başı ücret:

• İşçinin kendi kendini denetlemesini sağlar; işveren gözetim maliyetinden kurtulur.
• İş yoğunluğunu artırır; işçi daha fazla kazanmak için daha hızlı çalışır.
• İşçiler arasında rekabeti körükler, kolektif örgütlenmeyi zorlaştırır.
• Kalite standardını işverenin tek taraflı belirlemesine açık bırakır; “kusurlu” iş ödenmez.

Bugünün veri platformlarında bu dört özellik algoritmik yönetimle birleşmiş durumda. İşçinin her tıklaması ölçülüyor, hızı ve doğruluğu puanlanıyor, puanı düşen işçinin işe erişimi kısılıyor. Kenya'da kurulan Veri Etiketçileri Derneği'nin paylaştığı belgelerde, bir işçinin yaklaşık yirmi saatlik emeği için hiç ödeme almadığı görülüyor: iş, “kalite standardını karşılamadığı” gerekçesiyle reddedilmiş.

Bu, gig ekonomisi dosyasında “zihinsel Taylorizm” olarak tanımladığımız sürecin en yoğun biçimi. Taylor, fabrikada işçinin her hareketini ölçüp standartlaştırmıştı. Veri işinde bu ölçüm, işçinin her düşünce adımına kadar iniyor. Algoritmik denetimin işyerindeki öbür yüzlerini “Yapay Zeka Patronun Gözü Olduğunda”, Astor'daki çipli takip ve KVKK'nın e-posta kararı yazılarında incelemiştik.

---

Döngü Daralıyor

Döngüdeki insan, kalıcı bir konum değil. Şirketlerin yapay zekayı nasıl kullandığına dair veriler, insanın döngüden giderek çıkarıldığını gösteriyor.

Anthropic'in Eylül 2025'te yayımladığı üçüncü Ekonomik Endeks raporuna göre, kullanıcıların yapay zekaya bir işi baştan sona devrettiği “yönlendirici” kullanımın payı sekiz ayda yüzde 27'den yüzde 39'a çıktı. İlk kez otomasyon amaçlı kullanım, insanı tamamlayan kullanımı geride bıraktı. Şirketlerin API üzerinden yaptığı kullanımda ise otomasyonun payı yüzde 77'ye ulaşıyordu; bireysel kullanıcılarda bu oran yüzde 50 civarındaydı. Raporun bir özeti burada bulunabilir.

Bu veri önemli bir şeyi gösteriyor: bireysel çalışan yapay zekayı bir yardımcı olarak kullanırken, şirketler onu bir ikame olarak kullanıyor. Sermaye için döngüdeki insan, döngüden çıkarılması gereken bir maliyet kalemi. “Işıkları kapalı fabrika” hayalinin neden kapitalizmin kendi çelişkisine çarptığını Alphan Manas'a yanıtımızda, kadroların işten çıkarma olmadan nasıl eritildiğini de “Kimse Kovulmadı, Kadrolar Eridi” yazısında anlatmıştık.

ILO'nun Mayıs 2025'te yayımladığı Generative AI and Jobs: A Refined Global Index of Occupational Exposure çalışması, dünya genelinde her dört işçiden birinin üretken yapay zekadan etkilenme riski taşıyan bir meslekte çalıştığını hesaplıyor. Bu oran yüksek gelirli ülkelerde yüzde 34'e çıkıyor. En yüksek risk kategorisinde kadınlar, erkeklerin neredeyse iki katı kadar temsil ediliyor: yüksek gelirli ülkelerde kadın istihdamının yüzde 9,6'sı bu kategoride, erkeklerde ise yüzde 3,5. Büro ve sekreterlik işleri, yani tarihsel olarak kadın emeğinin yoğunlaştığı alanlar, en çok etkilenen alanların başında geliyor.

---

Kıyaslamalı Bir Tablo

Şirketin anlatısı	Sınıfsal gerçeklik
“Yapay zeka kendi kendine öğreniyor”	Milyonlarca işçinin etiket, puan ve düzeltmeleriyle eğitiliyor
“Döngüdeki insan güvenlik içindir”	Döngüdeki insan, hatanın faturasını üstlenen işçidir
“Esnek, özgür, yan gelir”	Parça başı, güvencesiz, algoritmik denetimli emek
“Tam otomatik hizmet”	Sıklıkla görünmez kılınmış gerçek zamanlı insan emeği
“Uzmanlara yüksek ücret”	Uzmanlar kendi mesleklerini gereksizleştirecek makineyi proje bazlı eğitiyor
“Verimlilik artışı”	Emeğin yoğunlaştırılması ve çevre ülkelerin ucuz emeğine el koyma
“İnsanı tamamlayan teknoloji”	Şirket kullanımında ikame ağır basıyor
“Tarafsız teknik bir terim”	Bir işbölümü, ücret ilişkisi ve sorumluluk dağılımı

---

Örgütlenme: Görünmezden Görünüre

Bu tablo karamsar görünebilir, ama son iki yılda önemli bir gelişme yaşandı: veri işçileri örgütlenmeye başladı.

• Küresel İçerik Moderatörleri Sendika İttifakı, 30 Nisan 2025'te Nairobi'de, dokuz ülkeden işçilerin katılımıyla kuruldu. UNI Global Union'ın açıklamasına göre ittifakın talepleri arasında yaşanabilir ücret, istikrarlı istihdam, güvenli çalışma koşulları, mesai içinde gerçek ruh sağlığı desteği, sendikal temsil ve teknoloji devlerinin kendi değer zincirlerindeki düşük ücretli, yüksek travmalı işlerden sorumlu tutulması var. Toplantıda Türkiye'den bir Telus işçisi de söz aldı.
• Veri Etiketçileri Derneği (Data Labelers Association), Kenya'da kuruldu ve ilk haftasında üç yüzü aşkın üye topladı. Hedefleri arasında adil ücret, hukuki destek ve aracı şirketlerle toplu sözleşme bağıtmak var.
• Çağrı-İş Sendikası, İzmir'deki Telus işçilerini örgütleyerek, Türkiye'de bu sektördeki ilk ciddi sendikal mücadelelerden birini yürütüyor.

Bu deneyimler, Bilişim Emekçisinin El Kılavuzu'nda savunduğumuz bir ilkeyi doğruluyor: bilişim emekçisi yalnızca kod yazan değildir. Veri etiketleyen, içerik moderasyonu yapan, model çıktılarını puanlayan herkes bu emek alanının parçasıdır ve aynı örgütte yer almalıdır. Dağınık emeğin hangi biçimlerde örgütlenebileceğine dair önerilerimizi “Örgütlenme 2.0” yazısında toplamıştık.

---

Somut Görevler

1. Görünmezliği kırmak. “Yapay zeka yaptı” cümlesinin arkasındaki emeği görünür kılan araştırmalar, haberler ve tanıklıklar üretmek. Data Workers' Inquiry gibi, işçilerin kendi seslerini öne çıkaran çalışmaları Türkiye'de de başlatmak.
2. Türkiye'deki veri işçilerini haritalamak. Hangi şirketler Türkiye'de içerik moderasyonu, veri etiketleme ve model değerlendirme işleri yaptırıyor? Kaç kişi, hangi koşullarda, hangi ücretlerle çalışıyor? Bu bilgi örgütlenmenin ön koşulu.
3. Uzman veri işçileriyle bağ kurmak. Mercor benzeri platformlarda proje bazlı çalışan mühendis, avukat, hekim ve akademisyenlerle, kendi mesleklerinin geleceği üzerine tartışmalar örgütlemek. Bu kesim, kendini işçi olarak görmeyen ama nesnel olarak proleterleşen bir kesim. Meslek örgütlerinin bu tartışmadaki yerini TMMOB'un yapay zeka raporu üzerine yazdığımız yazıda tartışmıştık.
4. Parça başı ücrete karşı talep geliştirmek. Asgari saat ücreti, reddedilen işler için ödeme güvencesi, kalite standartlarının şeffaflığı, algoritmik puanlamaya itiraz hakkı.
5. Sorumluluğu sermayeye geri yüklemek. “Döngüdeki insan” düzeneklerinde hukuki sorumluluğun işçiye değil, sistemi tasarlayan ve kar eden şirkete ait olduğunu savunan yasal düzenlemeler istemek.
6. Ruh sağlığını bir iş sağlığı ve güvenliği konusu olarak tanımlamak. İçerik moderasyonunu meslek hastalığı riski taşıyan bir iş olarak kabul ettirmek; mesai içinde bağımsız psikolojik destek, maruz kalma süresi sınırı ve rotasyon talep etmek.
7. Uluslararası dayanışmayı büyütmek. Küresel İçerik Moderatörleri Sendika İttifakı ve Kenya'daki örgütlenmelerle Türkiye'deki sendikalar arasında bağ kurmak. Aynı şirketlerin aynı işçileri farklı ülkelerde sömürdüğü bir sektörde, örgütlenme de sınır ötesi olmak zorunda.
8. Kamusal bir alternatif tartışmak. Veri ve modellerin özel mülkiyete değil kamusal ve demokratik denetime tabi olduğu bir modeli savunmak. Bunu kamusal yapay zeka ve Sosyalist Yapay Zeka Manifestosu yazılarımızda ayrıntısıyla tartışmıştık.

---

Okurumuz İçin Kaynak Rehberi

Okurumuzun sorusuna dönelim. Bu alanda okunmaya değer başlıca kaynakları dört başlıkta topladık.

Kuramsal çerçeve

• Matteo Pasquinelli, The Eye of the Master: A Social History of Artificial Intelligence (Verso, 2023). Yapay zekayı Babbage ve Marx üzerinden işbölümünün otomasyonu olarak okuyan, bu alanda başlangıç noktası olabilecek kitap.
• Phil Jones, Work Without the Worker: Labour in the Age of Platform Capitalism (Verso, 2021). Mikro işi yedek sanayi ordusu ve küresel artık nüfus ekseninde ele alıyor.
• Antonio A. Casilli, Waiting for Robots: The Hired Hands of Automation (University of Chicago Press, 2025; Fransızca aslı En attendant les robots, 2019). Otomasyonun arkasındaki “dijital emek” üzerine kapsamlı bir çalışma.
• Hamid R. Ekbia ve Bonnie Nardi, Heteromation, and Other Stories of Computing and Capitalism (MIT Press, 2017). İşin makineye değil, ücretsiz ya da düşük ücretli insan emeğine aktarılmasını “heteromasyon” kavramıyla tartışıyor.
• Madeleine Clare Elish, “Moral Crumple Zones: Cautionary Tales in Human-Robot Interaction”, Engaging Science, Technology, and Society (2019). Denetleyen insanın sorumluluk yükü üzerine.

Saha araştırmaları ve işçi tanıklıkları

• Mary L. Gray ve Siddharth Suri, Ghost Work: How to Stop Silicon Valley from Building a New Global Underclass (2019). ABD ve Hindistan'da mikro iş yapan işçiler üzerine geniş bir saha çalışması.
• Milagros Miceli ve Julian Posada, “The Data-Production Dispositif”, Proceedings of the ACM on Human-Computer Interaction (CSCW, 2022). Veri üretim sürecindeki iktidar ilişkileri üzerine.
• DAIR ve TU Berlin, Data Workers' Inquiry (2024'ten bu yana). Veri işçilerinin kendi kalemleriyle yazdığı raporlar; Marx'ın İşçi Anketi geleneğinde.
• Kenya Veri Etiketçileri Derneği ve WageIndicator Vakfı'nın Kenya veri işçileri ücret anketi.

Kurumsal raporlar

• ILO, Generative AI and Jobs: A Refined Global Index of Occupational Exposure (Gmyrek ve diğerleri, 2025).
• ILO, World Employment and Social Outlook 2021: The Role of Digital Labour Platforms in Transforming the World of Work.
• Oxford Internet Institute, Fairwork projesi raporları: platform ve bulut işi değerlendirmeleri.
• Partnership on AI, Responsible Sourcing of Data Enrichment Services (2021). Sektörün kendi sorunlarını kabul ettiği bir belge; eleştirel gözle okunmalı.
• Anthropic, Ekonomik Endeks raporları (2025'ten bu yana). Şirketin kendi verisi olduğu için ihtiyatla, ama kullanım örüntülerine dair nadir veriler sunduğu için önemli.

Gazetecilik

• Billy Perrigo, “OpenAI Used Kenyan Workers on Less Than $2 Per Hour to Make ChatGPT Less Toxic”, TIME (Ocak 2023).
• Josh Dzieza, “AI Is a Lot of Work”, The Verge / New York Magazine (Haziran 2023).
• Business Insider, Mercor'un Meta projesi ve ücret kesintileri üzerine haber (Kasım 2025).
• Rest of World, Türkiye'deki TikTok moderatörleri üzerine haber (2025).

---

Masanın İçindeki İşçi

Kempelen'in satranç otomatı, sonunda ifşa edildi. Masanın içindeki usta görüldüğünde, mucize ortadan kalktı ve geriye bir insanın emeği kaldı.

Bugünün yapay zekası da aynı ifşayı bekliyor. Ama bu kez masanın içinde tek bir usta değil, Nairobi'den İzmir'e, Manila'dan Caracas'a uzanan bir işçi sınıfı var. Bu işçiler kendi emeklerinin farkına vardıkça, birbirlerini tanıdıkça ve örgütlendikçe, “yapay zeka” denen şeyin aslında insan emeğinin toplumsal bir ürünü olduğu daha açık görünecek. O zaman da asıl soru sorulabilecek: toplumsal olarak üretilen bu zeka, neden özel mülkiyette?

Sevgili Genç Yoldaşlar,

Bir sohbet robotuyla konuştuğunuzda, karşınızdaki şeyin bir makine olduğunu düşünüyorsunuz. Oysa o makinenin her kibar cümlesinin, her doğru yanıtının arkasında, sizin yaşınızda, belki sizinle aynı bölümden mezun olmuş, belki eğitim masrafını çıkarmak için gece yarısı tıklama işi yapan bir işçi var. Yüz öğrenciden seksen ikisinin çalışmak zorunda olduğu bir ülkede, bu işçi pekala sınıf arkadaşınız olabilir. Teknolojiye hayranlıkla ya da korkuyla bakmak yerine, onun arkasındaki emeği görmeyi öğrenin; düşünme yükünü makineye devretmenin bedelini de “Üniversite Kimin İçin?” yazısında birlikte tartışmıştık. Yarın sizin de o döngünün içinde, bir etiketçi, bir denetçi ya da bir uzman eğitmen olarak yer almanız çok olası. O gün geldiğinde, yalnız olmadığınızı ve örgütlenebileceğinizi bilin.

Makineyi biz eğitiyoruz; makinenin sahibi de biz olmalıyız.

---