Pearson Uyardı: İş Gücünde Üçlü Yetenek Açığı Büyüyor

Eğitim çözümleri sağlayıcısı Pearson, 24 Eylül 2026'da Şanghay'daki WorldSkills International Conference kapsamında yayımladığı 'For Every Future' başlıklı yeni araştırmasında nitelikli teknik ve hizmet mesleklerini bekleyen bir kırılmaya işaret etti. ABD, İngiltere ve Çin verilerine dayanan çalışma, yapay zekanın bu meslekleri dönüştürme hızının eğitim ve öğretim sistemlerinin uyum hızını geride bıraktığını ortaya koyuyor. Pearson, bu asimetrinin açtığı boşluğa üçlü yetenek açığı adını veriyor.

Üçlü yetenek açığı tam olarak nedir?

Üçlü yetenek açığı; mesleğe yeni başlayan iş gücünün role özgü yapay zeka okuryazarlığı, yerini makinelerin alamayacağı insani beceriler ve sahada kazanılan pratik deneyimden aynı anda yoksun kalması durumudur. İşverenler bu üç alanı harmanlayabilen çalışanlar ararken, eğitim kurumları bu sacayağını bir bütün olarak sunmakta zorlanıyor.

İş dünyasının beklentisi, çalışanların sadece teknolojik araçları çalıştırması değil. Pearson'a göre işverenler, yapay zekayı güvenli ve etkili biçimde uygulayacak muhakemeyi, teknolojinin yerini tutamayacağı insani becerileri ve geleneksel olarak bir kuşaktan diğerine aktarılan uygulamalı uzmanlığı aynı anda birleştirebilen çalışanlara giderek daha çok ihtiyaç duyuyor. Rapor, yeni kuşağın 'yapay zekada zengin, deneyimde yoksul' kalma riskine dikkat çekiyor.

Yapay zeka okuryazarlığı ve muhakeme

Yapay zekayı kullanmak komut girmekten ibaret değil. Pearson'ın tanımıyla role özgü yapay zeka okuryazarlığı, yapay zekanın ne zaman kullanılacağını, ne zaman sorgulanacağını ve güvenli, sorumlu biçimde nasıl uygulanacağını bilmeyi kapsıyor. Araştırmaya göre endüstriyel makine teknisyenlerinin yarısından azı aldıkları eğitimin kendilerini yapay zeka destekli işe hazırladığını düşünüyor.

İkame edilemeyen insani beceriler

Rapor, iletişim, iş birliği, uyum sağlama, duygusal zeka ve öğrenme çevikliğini teknolojinin yerini tutamayacağı kalıcı beceriler olarak sayıyor. Kod yazabilen ya da metin derleyen sistemler yaygınlaştıkça, insanlar arasındaki güveni kuran ve ekip içinde uyumla çalışabilen çalışanlar öne çıkıyor.

Uygulamalı pratik uzmanlık eksikliği

Pearson, pratik bilginin mentorluk, gözlem, geri bildirim, simülasyon ve uygulamalı deneyimle geliştirilmesini öneriyor. Makine arızasını sesinden anlayan ustabaşı veya kriz anında fabrika zeminini sakinleştiren saha mühendisi refleksi, raporun ifadesiyle geleneksel olarak deneyimli meslektaşlardan öğrenilen türden bir uzmanlık.

Deneyimli kadroların vedası krizi büyütüyor

Sorunun vahametini artıran kritik unsur demografik dönüşüm. Yıllar boyunca kurumsal hafızayı taşıyan kıdemli kuşak emeklilik dönemine giriyor ve onlarca yıllık pratik bilgiyi de beraberinde götürüyor. Pearson'ın verilerine göre İngiltere'deki nitelikli iş ilanlarının yüzde 99'u, ABD'dekilerin ise yüzde 98,5'i emekli olan, kariyer değiştiren ya da iş gücünden ayrılan çalışanların yerini doldurma ihtiyacından doğuyor.

Eski kuşak, işi yaparken hangi ayrıntıya dikkat edilmesi gerektiğini usta-çırak ilişkisiyle aktarırdı. Yeni nesil ise bu aktarım zinciri tamamlanmadan yapay zekanın dönüştürdüğü bir işe başlıyor. Eğitim standartlarının güncellenmesi de zaman alıyor: Raporda görüşülen İngiltere eczacılık sektöründen bir katılımcı, eczane teknisyeni eğitim standartlarını revize etmenin 2-3 yıl sürdüğünü söylüyor. Hata payının dar olduğu mesleklerde bu boşluk doğrudan güvenlik meselesi: Ankete katılan eczane teknisyenlerinin yüzde 98'i kesinlik ve doğruluğu son derece önemli bulurken, yüzde 44'ü hatanın sonuçlarını son derece ciddi olarak değerlendiriyor.

Türkiye iş gücü piyasası nasıl etkilenecek?

Araştırma Türkiye'yi kapsamıyor. Buna karşın tanımlanan açık, hastaneleri, fabrikaları ve altyapı hizmetlerini ayakta tutan teknik personele dayanan her ekonomi için aynı soruyu soruyor: Deneyim nasıl aktarılacak? Değerlendirmemize göre bu soru, sahada iş yapabilen ve teknolojiyi doğru muhakemeyle kullanan teknik personele ihtiyaç duyan Türk işverenleri için de geçerli.

Kurumsal eğitim tarafındaki gözlemimiz şu: Katalogdan atanan genel eğitimler bu üç yeteneği tek başına geliştirmiyor. Videoyu tamamlayıp sertifika almak ile sahadaki karmaşık bir problemde yapay zekanın ürettiği çıktıyı sorgulayabilmek farklı becerilerdir. Pearson'ın işaret ettiği yol da burada netleşiyor: Mentorluk, işbaşı gözlem, geri bildirim, simülasyon ve uygulamalı deneyimi öğrenme tasarımının merkezine almak.

Değerlendirmemize göre mesleki ve teknik eğitim ile mühendislik programlarında atölye saatlerini yapay zeka okuryazarlığıyla birleştirmek, Türkiye için görünür bir fırsat alanı. Teorik dersin yanına gerçek makine, gerçek arıza ve anında geri bildirim eklenebilen her program, mezununu Pearson'ın tanımladığı üç yeteneğin kesiştiği noktaya yaklaştırıyor. Sektör iş birliğiyle kurulan atölye ve staj modelleri bu dengeyi kurmanın en kısa yolu olarak duruyor.

Yerli eğitim teknolojisi girişimleri açısından ise durum yeni bir büyüme alanı sunuyor. Yalnızca test çözen veya içerik oynatan platformlar yerine; fabrika ortamını, çağrı merkezini veya ameliyathaneyi modelleyen uygulamalı deneyim alanlarına yönelen girişimciler sektörde gerçek bir ihtiyaca yanıt verecek.

Farklı aktörler hangi adımları atmalı?

Pearson'ın raporu açığı kapatmak için üç yol öneriyor: Role özgü yapay zeka okuryazarlığı, kalıcı insani becerilerin güçlendirilmesi ve pratik bilginin aktarımının genişletilmesi. Bunun sahadaki karşılığı şöyle okunabilir:

• İşverenler: Kıdemli çalışan emekli olmadan önce bilgi aktarımını programa bağlayın. Mentorluk eşleşmesi, işbaşı gözlem ve düzenli geri bildirim, kurumsal hafızayı yerinde tutmanın en somut araçları.
• Eğitim kurumları: Yapay zeka okuryazarlığını ayrı bir ders olarak değil, atölye ve laboratuvar uygulamasının içinde verin. Öğrenci aracı kullanırken aynı anda çıktısını denetlemeyi de öğrensin.
• Eğitim teknolojisi girişimleri: Ürününüzü yalnızca tamamlanma oranıyla değil, kullanıcının sahadaki doğru karar sayısıyla ölçün. Yetkinliği kanıtlayan veri, işverenin aradığı asıl çıktı.
• Çalışanlar: Yapay zeka çıktısını denetleme alışkanlığını bilinçli kurun. Kaynağı doğrulamak, aracın sınırını bilmek ve hata riskini önceden görmek artık işin parçası.

1. Kurumsal eğitim yöneticileri için: Çalışanlara izletilen video eğitimleri tek başına bırakılmamalı. Deneyimli personelin tecrübesini gençlere aktaracağı mentorluk programları ve saha atölyeleri kurulmalı. Yapay zeka araçları eğitim programlarının içerisine birer sorgulama aracı olarak yerleştirilmeli.
2. Eğitimciler ve akademisyenler için: Öğrencilere yapay zekayı yasaklamak yerine, üretilen yanıtların kusurlarını bulduran ödev modelleri uygulanabilir. Mezuniyet öncesinde uzun dönemli uygulamalı stajlar ve pratik atölye çalışmaları güçlendirilebilir.
3. Eğitim teknolojisi girişimcileri için: Yalnız içerik dağıtan öğrenme yönetim sistemi mantığının ötesine geçilmeli. Öğrenenin karar alma yeteneğini test eden senaryo bazlı simülasyonlar ve gerçek dünya problemlerini taklit eden vaka yazılımları geliştirilmeli.

Kaynak: Pearson, 'Pearson research warns of a triple capability gap emerging as AI adoption outpaces education and training in skilled occupations' ve 'For Every Future: Preparing Early-Career Skilled Trade, Technical and Service Talent for an AI-Infused World' raporu, 24 Eylül 2026.

Bu içerik, Edtech Türkiye Editörlüğü'nün yapay zeka destekli yayın hattında kaynak taraması ve otomatik editör denetiminden geçirilerek hazırlanmıştır. Süreç için Editöryal İlkelerimize bakabilir, hata bildirimini iletişim sayfasından iletebilirsiniz.