top of page

ÖMER FARUK ELBEK 

Yapay Zekâ İşi Yönetirken İşçi Nasıl Korunacak?

Yazarın fotoğrafı: Ömer Faruk Elbek
Ömer Faruk Elbek
1 Kas
17 dakikada okunur

Güncelleme tarihi: 3 Kas

İnsanı makinenin bir uzantısı olarak gören günümüz hesap kitap düzeninde, çalışanın kendi emeği üzerinde söz söyleme hakkı yavaş yavaş buharlaştı. Isaac Asimov’un Vakıf serisinde kurguladığı “psikotarih” kavramı, kitlelerin davranışını istatistikle öngörürken tam da bu açmaza işaret ediyordu. Bu kurgusal bilimin işleyebilmesi tek bir şarta bağlıydı; hakkında hesap yapılan insanlar, bu planın ayrıntılarını kesinlikle bilmemeliydi. Çünkü kitleler kendilerinden ne beklendiğini ve neye göre ölçüldüklerini öğrenirse doğal davranışları değişir, yapılan tüm matematiksel öngörüler çökerdi. İnsanları korumak üzere kurulan sistem, sırf hesaplar bozulmasın diye insanın bilgiye erişimini temel bir sorun hâline getirmişti.


Kurmacadaki bu kural, günümüz işyerlerinde çalışma temposunun kim tarafından ve nasıl dikte edildiği tartışmasına doğrudan uzanır. İşçinin bir görevi ne kadar sürede tamamlayacağını verilerle tahmin etmek, o süreyi kesin bir çalışma yükümlülüğü olarak belirleme yetkisini kendiliğinden vermez. Tahminin talimata dönüşmesi, nesnellik maskesi ardına saklanan bir yönetim tercihidir. Bu tercihin asıl niyetini deşifre etmek ise yazılımın neyi hedeflediğine ve hangi veriyi toplayıp hangisini görmezden geldiğine bakmayı gerektirir.


Janine Berg ve Hannah Johnston’ın ILO için hazırladığı 2025 tarihli çalışma, işe alım, ücret, çalışma saatleri ve performans yönetiminde kullanılan yapay zekâyı amacı, verisi ve programlanma biçimi üzerinden inceliyor. Bu ayrım, performans ölçütünün aslında kimin ihtiyacını hesaba kattığını sorgulamaya imkân veriyor. Nitekim teslimat süresini mutlak bir hedef sayan bir yazılımın, işçinin yorgunluğunu neden hiç görmediği tam da bu noktada açıklığa kavuşur. Çünkü algoritma işi dağıtırken insani sınırları bir veri olarak sisteme dâhil etmemiş, yalnızca paketin, malzemenin varış anını ölçüt alacak şekilde programlanmıştır.


Çalışma Hızını Kim Belirliyor?


Günümüzde algoritmik komutlar; özellikle iş dağıtımı ve performans denetimi üzerinden emeği doğrudan şekillendirir. Bu yapının illa ki derin öğrenme kapasitesine sahip bir yapay zekâ olması gerekmez; standart bir kod dizilimi de aynı işlevi görebilir. Burada teknik altyapıdan ziyade asıl sorgulanması gereken sorun, sistemin dayattığı üretim temposunun işçinin zorunlu dinlenme ve güvenlik süresini gasp edip etmediğidir. E-ticaret lojistiğindeki insanlık dışı performans kotalarına yasal bir sınır çizen son düzenlemeler de, tam olarak bu gaspı durdurmayı hedefleyen ve makinenin ritmine karşı insan bedenini korumaya alan yapısal bir müdahale olarak görülmelidir.


Kaliforniya Eyalet Meclisi’nin 2021’de kabul ettiği 701 sayılı yasa (AB 701), depo kotalarını tam da bu yönetim ilişkisi içinde ele alan ilk hukuki düzenleme olarak öne çıkıyor. Yasa, kapsamına giren işverenlere uyguladıkları kotaları yazılı olarak açıklama yükümlülüğü getirirken, işçinin yemek ve dinlenme aralarını, tuvalet kullanımını veya iş güvenliği kurallarına uymasını engelleyen her türlü hız dayatmasına kesin bir sınır koyuyor. Atılan bu öncü adım, bir çalışanın anlık olarak ulaşabileceği maksimum hız ile ondan sürekli olarak istenebilecek hızı birbirinden net bir şekilde ayırıyor. Böylece, algoritmanın hesapladığı o üretim hedefinin kendisi, doğrudan bir güvenlik ve hak incelemesinin konusu hâline geliyor.


Aynı ayrım, Türkiye’de 6331 sayılı İş Sağlığı ve Güvenliği Kanunu’nun yürütülecek işin kişilere uygun olmasını esas alan ilkesinde de karşılık bulur. Kanunun beşinci maddesi, tekdüze çalışmanın ve üretim temposunun sağlık üzerindeki olumsuz etkilerini önlemeyi, teknolojiyle birlikte iş organizasyonunu ve sosyal ilişkileri gözetmeyi öngörür. Bu koruyucu ilke, 4857 sayılı İş Kanunu’ndaki görev tanımıyla birlikte okunduğunda yeni bir boyut kazanır. Makinenin saniye saniye artırdığı üretim hedefi, hukuken çalışanın görev tanımının sınırlarının tek taraflı olarak esnetilmesi anlamına gelir. Buradan hareketle, yazılımın belirlediği tempoyu değişmez kabul edip çalışanı o tempoya hazırlamak, koruma yükümlülüğünü eksik ele almaktır. Dolayısıyla sahada yapılacak bir iş sağlığı ve güvenliği denetimi, yalnızca işçinin yetişemediği anlara değil, ondan istenen o algoritmik hızın nasıl belirlendiğine ve görev tanımının yasal sınırlarını nasıl zorladığına da yönelmelidir.


Bu yöneliş, Türkiye’de kurye faaliyetlerine ilişkin 15 Mayıs 2025 tarihli düzenlemede somutlaşır. Ulaştırma ve Altyapı Bakanlığının açıklamasında taşıma süresi taahhüdünün yasaklandığı ve işletmelerin çalıştırdıkları kuryelere koruyucu ekipman sağlamakla yükümlü olduğu belirtiliyor. Ancak Aykaç’ın 2026 tarihli incelemesinde altını çizdiği o temel “statü sorunu” hâlâ çözüm bekliyor. İşi algoritmalar üzerinden dağıtan bu dijital uygulamalarla (platformlarla) çalışan kuryelerin hukuken “işçi” mi yoksa “kendi nam ve hesabına çalışan” mı sayılacağı belirsizliğini koruyor. Çalışan istihdam etmeden kendi nam ve hesabına çalışanların 6331 sayılı Kanun kapsamı dışında kalması, bu dijital ağlarla kurulan ilişkinin hukuki niteliğini doğrudan korumaya erişim sorununun bir parçası hâline getiriyor.


Hız ve koruma arasındaki bu gerilim, yapay zekânın işyerindeki rolünün genişlemesiyle farklı bir boyuta taşınır. Bugüne dek yalnızca işçiye üretim temposu dayatan sistemler, artık ortamdaki tehlikeyi izleyen gözetim araçları olarak da kullanılıyor. Algoritmanın sadece talimat veren değil, sahadaki riski saptayan “dijital bir göze” dönüşmesi, tehlikeyi algılayan makine ile o tehlikeye fiziksel müdahalede bulunan insan arasında yepyeni bir iş bölümü sorunsalını doğuruyor.


Otomasyondan Sonra Sahada Kalan İş      


Ölçüm ile müdahale arasındaki bu iş bölümü, tehlikeyi saptayanın teknoloji, o tehlikeye temas ederek sorunu çözenin ise insan olduğu yeni bir gerçekliğe işaret eder. Bu durum Cargill’in Amsterdam tesisindeki uygulamada net biçimde görülüyor. Dört ayaklı robot Spot, ısıl, akustik ve görsel veri toplayarak tesisi devamlı tarıyor. Ancak şirketin Ekim 2025 tarihli açıklamasında belirtildiği üzere, robotun saptadığı aşırı sıcaklık artışına veya rulman yağının değiştirilmesine yönelik fiziksel işlemi yine bakım ekibi yapıyor. Haftada yaklaşık on bin kontrolün yapıldığı bu sistemde makine yalnızca teşhis koyan bir “göze” dönüşürken, müdahalenin getirdiği tüm yorucu yük ve risk yine çalışana kalıyor.


Bu rakam sadece makinenin yorulmadan ne kadar çok veri toplayabildiğini ve teşhis koyabildiğini kanıtlar; insanın o tehlikeye müdahale etme yükünü ortadan kaldırmaz. Gözetim kapasitesi ne kadar artarsa artsın, onarımın gerektirdiği fiziksel temas ve risk bütünüyle işçinin omuzlarında kalmaya devam eder. Makinenin “gözlem” işlevini büyük ölçüde devraldığı bu yeni sahnede süpervizör, vardiya amiri, çalışma izni sorumlusu ve iş güvenliği uzmanının rolleri de salt ortamı izlemenin ötesine geçerek farklılaşır. Çünkü işletmedeki görev dağılımına göre üretimi düzenlemek, tehlikeli alana müdahale izni vermek ve risk analiziyle önlem tasarlamak, makinenin verisini aşan, insani inisiyatif ve hukuki yetki gerektiren eylemlerdir. Cargill örneğinde netleşen bu “ölçüm ile bakım” ayrımı, mesleklerin geleceğini toptan unvanlar yerine parçalanmış “işlemler” düzeyinde tartışmayı gerekli kılar. Bir görevin otomatikleşmesinin ardından geriye kalan işi ve sorumluluğu kimin üstleneceği, robotun hızına veya kapasitesine bakılarak anlaşılamaz.


İşte teknolojiye atfedilen bu aşırı güven, sahada çoğu zaman “makine izliyorsa ikinci bir insana gerek yoktur” yanılgısına dönüşerek çalışanı tehlikeyle baş başa bırakma riskini doğurur. Nitekim EU-OSHA’nın (Avrupa İş Sağlığı ve Güvenliği Ajansı) 2025 tarihli uygulama rehberi, dijital sistemlerin mevcut İSG süreçlerinin veya personelin doğrudan yerine geçirilmesini tam da bu tehlike üzerinden ayrıca ele alıyor. Rehber, tehlikeli bir işte ikinci çalışanın yerini teknolojiyle doldurmayı, “yalnız çalışmanın” yarattığı psikolojik ve fiziksel etkilerle birlikte değerlendirilmesi gereken bir durum olarak tartışıyor. Rehberin 4.1. bölümündeki uyarı, personel azaltma kararının bizzat risk değerlendirmesinin içine dâhil edilmesini öngörüyor.


İşçi sayısını azaltma yönündeki bu yönetim tercihini de kapsayan risk değerlendirmesi, otomasyonla kazanılan zamanın nasıl kullanılacağını mercek altına alır. Makinenin rutin turları devralmasıyla boşa çıkan zamanı daha detaylı bir risk incelemesine ve çalışanla yüz yüze temasa ayırmak ile bunu doğrudan “kadroyu küçültme fırsatı” olarak görmek, sahada birbirine bütünüyle zıt iki çalışma rejimi inşa eder. Personel azaltılması öngörülüyorsa kalan uyarıları kimin değerlendireceği, arızaya kimin müdahale edeceği ve bu işlere ayrılan sürenin yeterliliği incelenir. İşin sürmesini kolaylaştıran teknolojik bir değişiklik değerlendirilirken, mevcut korumanın hangi görevlerle sağlandığı da böylece incelemede kalır.


İş aksamasın diye güvenlik algoritmalarının esnetilmesi, Asimov’un “Kayıplara Karışan Robot” öyküsündeki Hiper Üs’ün de temel sorunu olmuştur. Öyküde, ortamdaki hesaplanmış ufak bir radyasyon riskini bile ölümcül tehlike sayan robotlar, insanları kurtarmak uğruna sürekli kendilerini feda edince çok önemli bir araştırma durma noktasına gelir. Yönetim çareyi robotun temel yasasını budamakta bulur; “İnsana doğrudan zarar verme” kuralı korunur, ancak “tehlikedeki insana yardım et” zorunluluğu yazılımdan silinir. Tıpkı bugünün algoritma dayatmalı çalışma rejimlerinde olduğu gibi, buradaki gerekçe de güvenlik refleksinin “işi yavaşlatmasıdır”. İş durmasın diye robotun koruyucu yazılım kodları devre dışı bırakılmıştır. Öyküde müdahale edilen şey makinenin kodları gibi görünse de, asıl daraltılan şey insanın korunma hakkının kapsamı olmuştur.


Güvenlik refleksindeki bu daralma, otomasyon sonrasında sahada kalan koruyucu görevleri kimin, daha doğrusu “nasıl bir makinenin” üstleneceği sorusunu doğurur. Önceden incelenen dört ayaklı robot Spot örneği veya endüstride asıl yükü çeken sabit sensörler, dronlar ve giyilebilir sistemler, saha denetimi için makinenin insan formunda olmasına gerek olmadığını göstermektedir.


Gelecekte insansı (humanoid) robotların sahaya daha fazla girmesi teknik bir olasılık olarak ele alınabilir. Ancak insan bedenine göre tasarlanmış bir merdiveni tırmanabilmek ile çalışma rejiminin sağlık üzerindeki psikolojik ve bedensel etkilerini değerlendirebilmek bütünüyle farklı olgulardır. Makinenin formunu, yapacağı mekanik iş ve gireceği mekân belirler. Dolayısıyla bütün bir denetim yükünü salt insana benziyor diye bir robota ihale etmek, o sistemin yaratacağı yeni riskleri ayrıca inceleme zorunluluğunu ortadan kaldırmaz.


Denetleyen Sistemin Denetlenmesi   


Mekanik gözlem ile analitik değerlendirme arasındaki bu yapısal fark, “denetim” kavramının sahadaki pratiklerinde de kendini gösterir. Günlük saha gözetimi, ekipmanın yasal periyodik kontrolü, yönetim sistemi tetkiki ve kamusal iş teftişi bütünüyle farklı yetkinlik ve hukuki yetkilere dayanır. Otomasyonun bu süreçlere dâhil olması, özellikle teftiş ayağında yeni bir yaklaşımı zorunlu kılmaktadır. Nitekim Kıdemli İş Müfettişleri Komitesinin 2023 tarihli dijitalleşme çalışması, robotik sistemlerin mevcut mevzuatla nasıl denetleneceğini vaka incelemeleriyle ele almaktadır. Sahadan toplanan dijital verinin devasa boyutlara ulaşması, kamusal denetimin yalnızca fiziksel ortamı değil, bizzat arka plandaki yazılımı ve teknolojiyle değişen iş organizasyonunu inceleme ihtiyacını artırmaktadır.


Bu genişleyen teftiş çemberinde, güvenliği sağlaması beklenen makinenin bizzat kendisi de incelenecek yeni bir risk unsuru olarak sahneye çıkar. İnsan mekânlarında merdiven tırmanıp otonom devriye atabilmesi için dört ayaklı tasarlanan denetim robotu Spot, bunun en somut örneğidir. Nitekim Boston Dynamics’in saha hazırlığı rehberinde, bu aracın kullanılmasından önce çalışma alanının ve olası tehlikelerin ayrıca değerlendirilmesi önerilmektedir. Aracın hareket güzergâhı, sahada insanlarla karşılaşma anları ve olası bir arıza durumundaki erişim koşulları, güvenlik amacıyla satın alınan bir cihazın da yepyeni bir risk değerlendirmesine muhtaç olduğunu kanıtlar. Üstelik bu inceleme yalnızca aracın fiziksel hareketlerini değil, topladığı verinin güvenilirliğini de kapsamak zorundadır.


Veri güvenilirliği sorunu, doğrudan çalışanın psikolojisini ve sahadaki güvenlik refleksini etkiler. Nitekim EU-OSHA’nın tasarım ilkeleri çalışmaları, sürekli tekrarlayan yanlış alarmların işçide güven kaybı ile strese yol açtığını ve bu “duyarsızlaşmanın” gerçek tehlikelerin gözden kaçmasına neden olabileceğini vurgular. Bu yüzden teftiş süreci, robotun saptadığı arızalar kadar, göremediği “kör noktaları” ve yersiz yere tehlike saydığı asılsız uyarıları da sorgulamak zorundadır. Nihayetinde makinenin ürettiği uyarı, tehlikeyi ortadan kaldırmaz; yalnızca insani bir müdahalenin ilk adımını oluşturur. Cargill örneğinde de olduğu gibi, robotun bir ekipmandaki aşırı ısınmayı tespit etmesi tek başına güvenliği sağlamaz. Yani, insan eliyle yapılan bakımın sonucu sahada fiziksel olarak doğrulanmadan, salt yazılım üzerindeki “arıza kaydının kapatılması” bütünüyle bir dijital güvenlik illüzyonu olarak değerlendirilmelidir.


Nitekim bu teyit zorunluluğu, masa başındaki dokümantasyon süreçleri için de geçerliliğini korur. NEBOSH’un (İngiltere Ulusal İş Sağlığı ve Güvenliği Sınav Kurulu) 28 Ekim 2025 tarihinde yayımladığı “AI: The great enabler” başlıklı söyleşi ve uygulama yazısı, yapay zekânın risk değerlendirmeleri, çalışma yöntemi belgeleri (RAMS) ve kaldırma planlarının incelenmesindeki kullanımını ele alır. Ancak metinde David Towlson’ın da altını çizdiği üzere, yapay zekânın ürettiği çıktılar mutlak doğrular olarak kabul edilemez, aksine aralıksız bir şüpheyle sorgulanıp insan zihni tarafından doğrulanmak zorundadır. Tıpkı sahadaki robotun uyarılarının yerinde teyit gerektirmesi gibi, karmaşık bir kaldırma planının algoritmaya onaylatılması da İSG profesyonelinin analitik denetim ve karar verme yükünü ortadan kaldırmaz.


Türkiye’deki İş Sağlığı ve Güvenliği Risk Değerlendirmesi Yönetmeliği, teknoloji ve üretim yöntemlerinde yaşanan değişikliklerin yeni tehlikeler doğurması hâlinde risk analizinin tamamen veya kısmen yenilenmesini emreder. Sahadaki bir robotun hareket rotasını genişleten veya koruyucu algoritmasını değiştiren her güncelleme, hukuken bu yenilenme zorunluluğunun kapsamına girer. Ne var ki, yeni teknolojinin yarattığı riskleri yalnızca “olağan üretim” safhasıyla sınırlı tutmak, arıza ve onarım gibi asıl insani müdahale anlarını kör noktada bırakır. Nitekim ABD İş Sağlığı ve Güvenliği İdaresinin (OSHA) robotik sistemlere dair açıklamalarında programlama, test, ayarlama ve bakım gibi “rutin dışı” çalışmaların bilhassa mercek altına alınması tesadüf değildir. Bu vurgu, otomasyon sonrasında makinenin yapamadığı ve bütünüyle insanın omuzlarına yüklenen o “geride kalan” emeğin taşıdığı hayati riski açıkça gözler önüne serer.


Otomasyonun geride bıraktığı bu rutin dışı emeği değerlendirmek, yalnızca bir iş güvenliği uzmanının teknik mesaisiyle sınırlanamaz. Türkiye’deki mevzuatın risk değerlendirme sürecine uzman ve hekimin yanı sıra “işi fiilen yapan çalışanı” da dâhil etmesi, bu aşamada kritik bir işlev kazanır. Bu çok aktörlü katılımın sahadaki asıl amacı, yazılımın hesapladığı soyut risk puanlarını, bakım işçisinin maruz kaldığı fiziksel gerçeklikle yüzleştirmektir. Üstelik işçinin bakım koşullarını ağırlaştıran tehlikeler her zaman doğrudan makinenin kendi kodlarından doğmaz. Çoğu zaman asıl risk, işletmenin sipariş kotaları, hız dayatması ve üretim planlaması arasındaki yapısal bağlarda gizlidir. Dolayısıyla değerlendirme süreci, sadece robotu değil, onu çevreleyen bu yönetimsel baskıyı da kapsamak zorundadır.


Birbirine Bağlanan Sistemlerde Güvenlik  


Yönetimsel baskıyı yaratan sipariş ve üretim planlaması gibi süreçlerin bizzat algoritmalar tarafından devralınması, sahadaki riski çok daha karmaşık bir boyuta taşır. OECD’nin Eylül 2026 tarihli “Kuruluşlarda Ajan Tabanlı Yapay Zekâ — Uygulayıcı Görüşmelerinden İlk Bulgular” araştırmasında incelenen Fujitsu uygulaması, bu yapısal dönüşümün en güncel kanıtıdır. Bu modelde kurum içi sipariş onayı, malzeme tedariki ve lojistik planlaması gibi hayati kararlar farklı yapay zekâ ajanları arasında bölüştürülmektedir. İdari karar verme yetkisinin birbirine iş aktaran bu otonom sistemlere devredilmesi, risk değerlendirmesinin odağını da kökten değiştirir. Artık sahadaki tekil bir makinenin mekanik çıktısı değil, zincirleme reaksiyon hâlinde çalışan bu ajan ağında, bir algoritmanın aldığı kararın diğerinin davranışını (ve dolayısıyla işçinin üzerindeki hız dayatmasını) nasıl tetiklediği bütünüyle sorgulanmak zorundadır.


Birbirine komut veren algoritmaların kontrolden çıktığında nasıl bir felaket üretebileceği teorik bir varsayım değildir; bu durum finans piyasalarınca bizzat somut bir olay ile deneyimlenmiştir. SEC (ABD Menkul Kıymetler ve Borsa Komisyonu) ile CFTC’nin (ABD Emtia Vadeli İşlemler Ticaret Komisyonu) 6 Mayıs 2010’daki piyasa çöküşüne dair ortak raporu, tam da bu kilitlenme anını belgelemiştir. Rapor, otomatik satış algoritmalarının birbirini tetikleyerek nasıl yıkıcı bir döngüye girdiğini ve piyasa likiditesini dakikalar içinde nasıl erittiğini ortaya koymuştur. Borsada sermayeyi eriten bu yazılımsal krizin fabrika zeminindeki karşılığı çok daha trajiktir. Bir planlama algoritmasının koruyucu sistemlerin karar alanını işgal edebilme ihtimali, sahadaki tüm fiziki önlemleri sıfırlama gücüne sahip olduğu için risk değerlendirme süreçlerinin önceliği hâline gelmelidir. Bu noktada İSG açısından sorulması gereken hayati soru şudur; siparişi hızlandırmaya odaklı bir planlama yazılımı, makinenin ve işçinin güvenliği için ayrılmış mecburi “bakım süresine” müdahale edip bu zamanı gasp edebilir mi? Sistemler arasında böyle bir yetki çatışması yaşandığında hangi komutun ağır basacağı, bütünüyle risk değerlendirmesinin içinde ele alınmalıdır. Zira ağa bağlı tek bir sistemin sadece kendi üretim hedefine ulaşması, ortak çalışma alanının güvenliğini sağlamaya yetmez.


Ortak çalışma alanındaki bu algoritmik etkileşim, işin farklı işverenler (ana firma ve alt işveren) arasında bölüşüldüğü durumlarda çok daha karmaşık bir hukuki koordinasyon sorunu doğurur. 6331 sayılı Kanun’un ortak çalışma alanları için öngördüğü koordinasyon yükümlülüğü, tam da bu iç içe geçmiş dijital süreçlere uyarlanmak zorundadır. Üretim hızını kendi yazılımıyla dayatan bir işletme ile makinenin bakımını apayrı bir yazılımla takip eden taşeron arasındaki iletişim kopukluğu doğrudan işçinin hayatına mal olabilir. Dolayısıyla, ortak işi etkileyen her türlü yazılımsal ve idari değişikliğin anında bildirilmesi, bu hukuki yükümlülüğün en somut gereğidir. Yapılacak bildirimin hızı ve içeriği, uzmanın ortaya çıkan yeni riskleri doğru biçimde değerlendirebilme imkânını doğrudan belirler.


Yazılımlar arasındaki bu koordinasyon zorunluluğu, yalnızca sistemlerin sorunsuz çalıştığı o ideal senaryolarla sınırlı tutulamaz. ILO’nun (Uluslararası Çalışma Örgütü) 2025 raporunda mercek altına aldığı sistem arızaları ve siber tehditler, risk değerlendirmelerinin “dijital bağlantının aniden koptuğu” o kriz anlarını da kapsamak zorunda olduğunu göstermektedir. Bir ağ kesintisi anında sistemin güvenli duruşa (safe stop) geçmesi, sahanın tahliyesi ve acil durum protokolleri salt bir “bilişim teknolojileri (IT)” sorunu değil, doğrudan işçinin bedenini ilgilendiren bir can güvenliği meselesi olur. Tam da ekranların karardığı bu anlarda, EU-OSHA’nın robotik incelemelerinde uyardığı “otomasyona aşırı güven” ve “beceri kaybı” tehlikesi bütün çıplaklığıyla görünür hâle gelir. İşi yıllarca otonom sistemlere devrettiği için pratik refleksleri körelen bir çalışanın, makine arızalandığında o karmaşık müdahaleyi kusursuzca yapması beklenemez. Dolayısıyla eğitim ve tatbikatların asıl varlık nedeni, işçiye olağan akışta makineyi nasıl izleyeceğini öğretmekten ziyade, sistem devre dışı kaldığında omuzlarına yıkılacak o tehlikeli ve rutin dışı işi sağ salim nasıl yürüteceğini hatırlatmaktır.


Otomasyonun geride bıraktığı bu riskli emeği koruyabilmenin ilk şartı, işleyişini bir “kara kutu” gibi gizleyen bu algoritmik yapıya bütünüyle nüfuz edebilmektir. Bu erişim hakkı da meselenin yönünü doğrudan teknoloji firmalarıyla yapılan “satın alma sözleşmelerine” çevirir. Bierbrier ve Jetha (2026), yapay zekânın işletmeye dâhil edildiği ilk andan sistemden bütünüyle sökülüp atıldığı güne kadar geçen her evrenin, sözleşme masasında kesin bir İSG teminatına bağlanmasını şart koşar. Sistemin güvenliğini etkileyecek her yazılım güncellemesinin bildirilmesi, veri kayıtlarının şeffaflığı ve olası bir hizmet kesintisinde izlenecek acil durum protokolleri, bu ticari metinlerin bağlayıcı koşulu olmalıdır. Üstelik devasa bütçeleri olmayan küçük işletmeler için satın alma masasında çok daha yakıcı bir insani soru ortaya çıkar; anlaşılmaz kodlardan oluşan bu algoritmik verileri okuyup yorumlayacak teknik destek kimden alınacak ve ortaya çıkacak bu ağır maliyet yükünü kim üstlenecektir?


Sözleşme masasında teknoloji sağlayıcısından hangi verilerin talep edileceği, sistemin sahada yaratacağı tahribatın niteliğine göre şekillenir. Bu noktada devreye giren ISO 45001 (İSG Yönetimi), ISO 45003 (Psikososyal Riskler) ve ISO/IEC 42001 (Yapay Zekâ Yönetimi) standartları, aslında üretim hızını dayatan bir algoritma ile işçinin ruhsal ve bedensel sağlığı arasındaki doğrudan bağın haritasını sunar. Ne var ki, kurumsal dünyada düşülen en büyük yanılgı, bu belgeleri birer “mutlak güvenlik beratı” sanmaktır. Bir yönetim standardı belgesi, sahadaki spesifik bir robotun tüm hareketlerinin kusursuz ve zararsız olacağını garanti etmez. Kâğıt üzerinde çizilen bu standartların ötesinde, asıl belirleyici olan pratik gerçeklik şudur; incelemeyi yapacak İSG uzmanının bu algoritmik verilere şeffafça erişim yetkisi var mıdır ve bu devasa veri yığınını analiz edebilmesi için kendisine sahada gerçekten “zaman” tanınmakta mıdır?


Mesleki Sorumluluk ve Müdahale İmkânı   


Kayıtlara erişim hakkı ve inceleme süresi belirsizken, nihai onayın insana bırakılması kurgusu, sahadaki fiilî denetimin aslında nasıl yapılacağı sorusunu kaçınılmaz olarak büyütür. Madeleine Clare Elish, 2019 tarihli çalışmasında Three Mile Island ve Air France 447 kazalarının resmi raporlarda nasıl yorumlandığını inceleyerek bu soruya yanıt aramıştır. Elish bu vakalarda, kriz anında arıza verip direksiyonu aniden insana veren sistemlerin kendi tasarım hatalarını nasıl gizlediğini ortaya koymuş, karmaşık otonom sistemler üzerinde hiçbir gerçek kontrolü bulunmayan kişilerin, sistem iflas ettiğinde bütün faturayı ödeyen “hukuki günah keçilerine” dönüştürülmesini tartışmaya açmıştır. Kâğıt üzerinde prosedür gereği bir “insan denetiminin bulunması” ile kriz anında o insanın tehlikeye “gerçekten müdahale edebilme gücü” arasındaki derin uçurumu tam da bu örneklerle görünür kılmıştır.


Bu fark, yapay zekâyla hazırlanan raporu onaylayan uzmanın konumuna yöneltilecek soruyu da belirler. Uzman temel verilere ulaşamıyor, öneriyi sınayacak zaman bulamıyor veya değişiklik talebi sonuçsuz kalıyorsa imzanın hangi incelemeyi temsil ettiği belirsizleşir. İnceleme imkânı genişlemeden sorumluluğun artırılması, mesleki denetimi geliştirmez. NEBOSH’un yapay zekâ çıktılarının sürekli sorgulanması gerektiğini vurgulaması, bu nedenle yalnız dikkatli okumaya değil, sorgulamayı mümkün kılan çalışma koşullarına bağlanır.


Türkiye’de hizmet süresi hesabı bu koşullardan birini somutlaştırır. Uzmanlık ve hekimlik hizmetlerinin asgari süreleri çalışan sayısı ve tehlike sınıfına göre belirlenir; belirli eşiklerde tam süreli görevlendirme gerektirir. Çalışan başına hesap yapılan durumda sayı azaldığında hesaplanan asgari süre de azalır. Bu hesap, bağlantılı yazılımların sayısını veya güvenliği etkileyen değişikliklerin sıklığını doğrudan ölçemez. Otomasyonla çalışan sayısının azalması bu yüzden inceleme ve denetleme faaliyetinin aynı oranda azaldığı sonucunu çıkartamaz.


İşyeri hekiminin değerlendirme sürecindeki asıl karmaşıklık da tam bu noktada, yapay zekânın dayattığı üretim hedefleri ile işçinin klinik sağlığı arasındaki çatışmada ortaya çıkar. Bir çalışandaki yorgunluk veya tükenmişlik belirtisi salt biyolojik bir sonuç değil, arkadaki planlama algoritmasının dikte ettiği insanüstü çalışma temposunun doğrudan fiziksel bir çıktısıdır. NIOSH’un (ABD Ulusal İş Sağlığı ve Güvenliği Enstitüsü) algoritmik yönetimin psikososyal tehlikeler yaratabileceğine dair çalışması, asıl sorunun işçinin dayanıklılığında değil, doğrudan yapay zekânın işi tasarlama biçiminde aranması gerektiğine güçlü bir dayanak sunar. Eğer hekimin sahadaki görevi, otonom sistemlerin belirlediği bu acımasız tempoya “hangi çalışanın bedenen dayanabileceğini” seçip sınıflandırmaya indirgenirse, algoritmanın bizzat kendisi tıbbi denetimden muaf tutulmuş (aklanmış) olur. Oysa asıl koruyucu yaklaşım, işçinin sağlık verilerini gizli tutarken, o sağlığı bozan algoritmik çalışma koşullarını da doğrudan tıbbi bir itirazla masaya yatırmaktır.


Sağlık verisini işçinin bir “biyolojik kusuru” ya da “performans yetersizliği” olarak kodlayıp onu sistem dışına iten algoritmik kararlara karşı, fiilî bir itiraz mekanizması şarttır. Kişisel Verilerin Korunması Kanunu’nda (KVKK) yer alan “münhasıran otomatik sistemler vasıtasıyla alınan ve kişinin aleyhine olan kararlara itiraz hakkı”, bu algoritmik dışlamaya karşı kurulmuş en somut hukuki güvencedir. Öte yandan EU-OSHA’nın kapsayıcılık üzerine yürüttüğü çalışmalar, dijital araçların ve çalışma ortamının farklı işçi profillerine göre yeniden tasarlanması gerektiğini vurgular. Zira algoritmaların veri madenciliğiyle yarattığı o kusursuz “ortalama insan” profili, gerçek sahadaki farklı bedenlerin, yaşa bağlı sınırların veya engellilik durumlarının ihtiyaçlarını saptamaz. Dolayısıyla risk değerlendirme süreci, çalışanı biyometrik verilerine göre “sisteme uygun veya yetersiz” diye sınıflandırmakla yetinemez. Asıl yükümlülük, işin ve teknolojinin bu farklı insan bedenlerini kapsayacak biçimde nasıl esnetileceğini (işin insana nasıl uydurulacağını) planlamaktır.


Bu değişikliği uygulama sorumluluğu, raporu hazırlayan kişiye/kişilere devredilemez. 6331 işverene önlemleri alma ve uygulamayı izleme yükümlülüğü verir; dışarıdan hizmet alınması sorumluluğu ortadan kaldırmaz. Uzmanla hekimin yazılı bildirimi, önlemin yerine geçmez. Kanunun bildirim nedeniyle işten çıkarılmaya karşı tazminat güvencesi öngörmesi, mesleki bağımsızlığı yalnız teknik bilgiyle açıklamanın eksikliğini de gösterir. Uyarının üretim hedefiyle çatıştığı yerde, uyarıyı yapanın çalışma koşulları ile bildirimin hangi karara dönüştüğü birlikte önem kazanır.

 

Çalışanın Karara ve Verinin Kullanımına Müdahalesi 


Sahadaki algoritmik bildirimlerin nihai bir karara dönüşeceği asıl hukuki zemin İSG (İş Sağlığı ve Güvenliği) Kurullarıdır. Şüphesiz ki yapay zekâ, sahadaki devasa veriyi, ramak kala olaylarını ve tekrar eden arıza bulgularını saniyeler içinde harmanlayarak kurulun önüne hazır bir toplantı gündemi koyabilir, hatta karar tutanaklarını taslak olarak hazırlayabilir. Ancak yazılımın sağladığı bu bürokratik konfor, ciddi bir “gündem körlüğüne” yol açma riski taşır. Kurulun katılımcı yapısı, makinenin ürettiği bu verileri onaylama makamı değil, algoritmik raporları işçinin sahadaki doğrudan tanıklığıyla sınama merciidir. Çünkü yapay zekânın salt istatistiklere bakarak “düşük riskli” saydığı veya gündemin sonuna attığı bir sorun, o makinenin başında ter döken işçinin her gün boğuştuğu en önemli tehlike kaynağı olabilir. Dolayısıyla kurullar, yazılımın kâğıt üzerinde sıraladığı veri odaklı önceliklerin, çalışanın sahadaki fiilî tecrübesiyle sınandığı ve makine aklının doğrudan insan tanıklığıyla sorguya çekildiği bir denetim merciine dönüşmek zorundadır.


Mevcut mevzuat, İSG kurullarının varlığını salt işçi sayısına (niceliksel bir eşiğe) bağlar. Oysa algoritmik sistemlerin sahaya inmesiyle üretimdeki insan sayısı azalırken, teknik karmaşıklık ve risk çok büyük boyutlara ulaşabilir. İşçi sayısını düşürerek yasal kurul zorunluluğunu ortadan kaldıran bu otomasyon süreci, tehlikenin büyüklüğü ile hukuki denetimin yetersizliği arasında ciddi bir çelişki yaratır. Diğer bir konu da 6331 sayılı Kanun’un, sayısal eşiklerden bağımsız olarak, yeni teknolojilerin sahaya dâhil edilmesinde çalışanın doğrudan görüşünün alınmasını zorunlu kılmasıdır.


Bu katılımın teknolojik diktayı nasıl kırabildiğinin en somut örneği, EU-OSHA’nın 2024 tarihli Danimarka araştırmasında ortaya çıkmıştır. İşçiler, ellerinde “tornavida” gibi delici aletler bulunan otonom robotlarla hiçbir bariyer olmaksızın yan yana çalışmaya ve algoritmanın yapacağı anlık bir hatanın bu aleti doğrudan bedensel bir tehdide dönüştürme riskine şiddetle itiraz etmiştir. Çalışanların sahadan yükselen bu haklı can kaygısı, üretim planını bizzat değiştirmiş, makinenin görev tanımını daraltmış ve robotun ancak işçiden yalıtılmış, çok daha sıkı denetlenen koşullarda çalışmasını sağlamıştır. Danimarka örneğinde işçi beyanının kâğıt üzerinde kalmayıp üretim planını bizzat değiştirmesi, çalışanın teknolojik dayatmalar karşısındaki somut iradesini kanıtlar. Makinenin fiziksel tehlikesini dizginleyen bu güçlü irade, aynı zamanda algoritmanın işçiyi adım adım izlemesine ve topladığı veriyi acımasız bir performans baskısına dönüştürmesine karşı da en temel hukuki fren işlevi görmelidir.


Algoritmik izlemeye karşı çekilecek yapısal sınırların pratikte nasıl inşa edileceği, İsveç’teki bir maden işletmesinde hayata geçirilen ve EU-OSHA’nın (2025) incelemelerine de yansıyan veri denetim modelinde somutlaşır. Madencilik gibi yüksek riskli bir sahada işçilerin anlık konumlarının izlenmesi, kâğıt üzerinde salt “iş güvenliği ve arama-kurtarma” gerekçesine dayanak olmuştur. Ancak bu kesintisiz veri akışının, idarenin elinde kolaylıkla işçinin hızını ve molasını ölçen bir disiplin aygıtına dönüşmesi kaçınılmazdır. İsveç’teki söz konusu uygulama bu riski, verinin mülkiyetini işverenin tekelinden çıkarıp, bütünüyle sendikanın denetimindeki kapalı bir sisteme devrederek önlemiştir. Bu dijital izler, idarenin üretim hızını ve işçinin molasını biçeceği bir tahakküm aracına dönüştürülmemiş; sisteme giriş izni sadece kaza anında hayat kurtarmak gibi tek ve mutlak bir şarta bağlanmıştır. Böylece, doğrudan iş sağlığı gerekçesiyle toplanan verinin, sahadaki emeği zapturapt altına alan dijital bir gözetim mekanizmasına evrilmesi yapısal olarak engellenir.


Bu yapısal düzenleme, çalışana ait verilerin toplanması ile işçinin bedeni üzerinde kurulacak mutlak idari tahakküm arasına kesin bir set çeker. Algoritmik çağda çalışan (sendika) temsilcisinin temel işlevi de bütünüyle bu barikatın inşasına ve savunulmasına kilitlenmelidir. Temsilcinin, otonom sistemin asıl amacına, hangi verileri işlediğine ve bu sisteme karşı yasal itiraz yollarına şeffaf bir biçimde hâkim olması, Isaac Asimov’un o meşhur “psikotarih” kurgusunu (insan yığınlarının devasa istatistiklerle, matematiksel bir kesinlikle öngörülüp yönetilebileceği rüyasını) kâğıt üzerinden alıp sahanın dirençli gerçekliğine çarptırır. İşte tam bu çarpışma noktasında, İSG profesyonellerinin uzmanlık bilgisinin, işçinin sahadaki somut tecrübesini ezen teknokratik bir hiyerarşiye dönüşmemesi gerekir. Uzman ve hekim, “neyin tehlikeli olduğunu işçiden daha iyi bildiği” varsayımıyla çalışanın iradesini ikame eden (onun adına karar veren) yegâne otorite olarak değerlendirilmemelidir. Aksine bu bilimsel birikim, makinenin dayatmalarına karşı bizzat işçinin kendi bedeniyle yükselttiği o somut itirazı teknik kanıtlarla tahkim etmek (zırhlandırmak) için devreye girmelidir. Sistemin sınırsız gözetim gücüne vurulan bu yasal fren, salt verimlilik veya güvenlik kisvesi altında dayatılan algoritmik kararların, üretim bandındaki işçinin hayatından ve bedeninden neleri çaldığını (ortaya çıkan sınıfsal faturayı) kurullarda açıkça tartışılır hâle getirir.


Toplam Yarar ve İşçinin Payına Düşen Kayıp


Makro düzeyde hesaplanan kolektif fayda ile bu uğurda feda edilen bireysel hayatlar arasındaki çelişki, Asimov’un Önlenebilir Çatışma öyküsündeki felsefi krizin tam merkezinde yer alır. Dr. Susan Calvin, dünyayı yöneten Makinelerin müdahalelerini savunurken tam da bu algoritmik faydacılığa işaret eder. Sistem, insanlığın makro düzeydeki toplam yararı için tekil bireylerin ezilmesini “kabul edilebilir bir istatistik” olarak görür. Asimov evrenindeki o meşhur Hiper Üs krizinde, robotların mutlak koruma kuralının esnetilmesi tartışılırken aslında çok sınıfsal bir soru sorulur. Makinenin “makul” bularak onayladığı bu kaybın bedelini, gerçekte kimin bedeni ödeyecektir?


Kaynaklar


  • Asimov — Vakıf ve İkinci Vakıf. Psikotarih ve Seldon Planı.

  • Asimov — I, Robot, 1950. “Kayıplara Karışan Robot” ve “Önlenebilir Çatışma” öyküleri.

  • Boston Dynamics — Cargill Amsterdam tesisindeki Spot uygulaması. Üretici vaka anlatımı.

  • Cargill — Amsterdam tesisindeki Spot uygulaması hakkında şirket açıklaması, 1 Ekim 2025.

  • Boston Dynamics — Spot kullanımı öncesinde saha hazırlığı.

  • EU-OSHA — Akıllı dijital sistemler için uygulama rehberi, 2025.

  • EU-OSHA — Akıllı dijital sistemlerde tasarım ve geliştirme ilkeleri, 2025.

  • EU-OSHA — İleri robotik ve yapay zekâ uygulamalarından İSG bulguları, 2023.

  • EU-OSHA — Yapay zekâyla çalışan yönetiminde çalışan katılımı ve temsili, 2024, özellikle s. 16–18.

  • EU-OSHA — Akıllı dijital sistemlerde kapsayıcılık ve çeşitlilik, 2025.

  • SLIC — Dijitalleşme, yapay zekâ kullanan makineler ve robotik hakkında çalışma, 2023. EU-OSHA kaynak tanıtımı.

  • OSHA — Robotik uygulamalarına genel bakış.

  • Sadowski ve Howard — İşyerinde yapay zekâ tehlikelerinin yönetimi, NIOSH, 18 Ocak 2026.

  • NEBOSH — Yapay zekânın İSG uygulamalarında kullanılması, 28 Ekim 2025.

  • Bierbrier ve Jetha — İSG’nin yapay zekâ yaşam döngüsüne entegrasyonu, 2026. DOI 10.1002/ajim.70090. Araştırmacı kurumun açıklaması.

  • ILO — Yapay zekâ ve dijitalleşmenin iş sağlığı ve güvenliğine etkileri, 2025 küresel raporu.

  • Aykaç — Hukuki Yönüyle Platform Çalışmalarında İş Sağlığı ve Güvenliği, Çalışma ve Toplum, 2026, s. 205–248.

  • Ulaştırma ve Altyapı Bakanlığı — 15 Mayıs 2025 kurye düzenlemesinin uygulanmasına ilişkin açıklama.

  • 6331 sayılı İş Sağlığı ve Güvenliği Kanunu — Resmî mevzuat kaydı.

  • İş Sağlığı ve Güvenliği Risk Değerlendirmesi Yönetmeliği — Kamu kurumu tarafından yayımlanan metin.

  • ÇSGB — İşyerlerinde İSG Kurulları Çalışma Rehberi, 2024. İlgili yönetmelik hükümlerinin açıklaması.

  • KVKK — 6698 sayılı Kanunun 11. maddesindeki haklara ilişkin açıklama.

  • ISO — ISO 45001 kapsam açıklaması.

  • ISO — ISO 45003 kapsam açıklaması.

  • ISO — ISO/IEC 42001 ve ilgili yapay zekâ risk yönetimi standartlarının açıklaması.

  • Berg ve Johnston — İnsan kaynakları yönetiminde yapay zekânın amaçları, verisi ve programlanması üzerine inceleme. ILO Working Paper 154, 2025.

  • California Department of Industrial Relations — AB 701 kapsamındaki depo kotaları ve çalışan hakları.

  • OECD — Kuruluşlarda ajan tabanlı yapay zekâ, 16 Eylül 2026. Fujitsu uygulaması için Ek A.

  • SEC ve CFTC — 6 Mayıs 2010 piyasa olayları hakkında ortak rapor, 30 Eylül 2010.

  • Elish — Otomatik sistemlerde sınırlı kontrolü olan insana sorumluluk yüklenmesi üzerine çalışma, 2019, Engaging Science, Technology, and Society, 5, s. 40–60. DOI 10.17351/ests2019.260.

  • ÇSGB — İSG Genel Müdürlüğü sıkça sorulan sorular. Hizmet sürelerinin çalışan sayısı ve tehlike sınıfına göre hesabı.

  • TBMM — 6645 sayılı Kanun, madde 1. Mesleki bildirim ve bildirim nedeniyle işten çıkarılmaya karşı güvence.

 
 
 

Yorumlar


bottom of page