Otomasyon (robotlar, yapay zekâ, yazılımlar) emek talebini ve toplam iş gücündeki ücret gelirinin payını düşürecektir.

Ama bu durumda sosyal güvenlik sistemleri için iki temel sorun ortaya çıkacaktır.

(1) prim tabanı daralır — devlet ve sigorta fonlarına giren prim geliri azalır;

(2) istihdam daralınca uzun vadeli katkı ve birikim azalarak ödemelerin sürdürülebilirliğini zedeler.

Bu eğilim OECD ve diğer çalışmalarda net biçimde tartışılmaktadır. OECD+1

Temel politika ilkesi (özet)

Bunun için tek çözüm yok — kademeli, çok kanallı ve adil bir dönüşüm gerekmektedir.

Bunun için de ana ilkeler şunlar olmalıdır:

• Gelir kaynaklarını çeşitlendirmek (sadece iş gücüne dayalı primlere bağlı kalmamak).
• Emek-yoğun kayıpları telafi etmek (asgari garanti, temel emeklilik, geçiş desteği).
• Uzun vadeli finansal dayanıklılık (fonlama, rezerv, varlık getirileri). BES mi, Mevduat mı? Emeklilikte En Güvenli Tasarruf Araçları
• İnsan sermayesine yatırım (yeniden beceri, yaşam boyu öğrenme). Hayat Boyu Öğrenme ve Kır Saçlılar
• Deney, pilot, ölç ve ölçeklendir — radikal düzenlemeleri adım adım yapmak.

Otomasyon dönemi İçin Somut Araçlar

Gelir tabanını genişletme / vergileme politikaları

İş gücünden sermayeye kaydırma (daha fazla sermaye vergisi)

• Otomasyon sermaye yoğunluğu getiriyor; bu nedenle vergi sistemi kademeli olarak sermaye gelirleri ve kurumlar vergisi üzerinden daha fazla pay alacak şekilde ayarlanmalıdır.
• Ancak teorik çalışmalar ve politika raporları bunun makro gelirleri dengelemeye yardımcı olabileceğini göstermektedir.
• Ancak oranlar ve tasarım, yatırım teşviklerini aşırı bozmayacak şekilde dikkatle ayarlanmalıdır. ifo Institut

“Robot/otomasyon” vergisi ya da otomasyon erişim vergileri (yükümlülükler)

• Tartışılan fikir: iş gücünü ikame eden makineler/algoritmalar için özel bir vergi veya ücret. Teorik faydası var (gelir yaratır, dışsallıkları içselleştirir) fakat pratikte tanım, uygulama zorluğu ve yatırımı caydırma riski yüksek olacaktır. Avrupa Komisyonu ve birçok çalışma bu fikrin artı/eksi yönlerini tartışılmaktadır. Uygulanmadan önce pilot, net tanımlamalar ve muafiyet mekanizmaları şarttır. European Commission+1

Veri/algoritma/platforum vergileri

• Her şeyden önce dijital platformlar ve yapay zekâdan elde edilen rantiye benzeri gelirler için özel vergilendirme (veri gelirleri, dijital hizmet vergileri) sosyal güvenlik fonlarına aktarılabilir. Bu, özellikle otomasyonun merkezileştiği büyük platformlardan gelir toplamak için pratiktir. (OECD dijital vergi çalışmalarına paralel bir yaklaşım uygulanarak). OECD

Tüketim/katma değer vergileri

• Kısa vadede gelir kaybını kapatır ama regresifdir; düşük gelirli emeklilere denge desteği gerekecektir.

Otomasyon ve Yeni Dönem Emeklilik sisteminde Tasarım Değişiklikleri

A. Çok ayaklı sistem (multi-pillar) vurgusunu güçlendirin

• Kamu asgari emeklilik (sosyal güvenlik) + zorunlu bireysel birikim + isteğe bağlı tasarruf kombinasyonu. Böylece tek bir kaynağa bağımlılık azalacaktır. OECD ve ILO da benzer çok katmanlı modelleri öneriyor. OECD+1

B. Notional Defined Contribution (NDC) / puan bazlı sistemler

• Emekli aylığını otomatik olarak demografik ve iş gücü oranına bağlayan mekanizmalar (ör. emeklilik yaşı, aylık formülleri) sistemi sürdürülebilir kılacaktır. Bazı ülkeler yaşam beklentisi ve katkı/alan oranlarına göre otomatik ayar yapmaktadır. OECD

C. Asgari temel emeklilik (garanti gelir)

• Otomasyon döneminde geliri kırılgan kişiler için evrensel veya hedeflenmiş “temel emekli garantisi” (minimum gelir) sağlanmalıdır. Her şeyden önce bu, yoksulluğu önler ve politik/sosyal kabul sağlar.

D. Fonlama ve rezerv mekanizmaları (sovereign wealth / sosyal banka)

• Öncelikle otomasyonun yarattığı sermaye kazançlarından (vergiler, lisans ücretleri, platform gelirleri) bir kısmı uzun vadeli bir fona aktarılmalıdır. Bu fonun getirileri emeklilik ödemelerini destekler. (Norveç modeline benzer ama oto-varyasyonlu). Böylece prim tabanındaki dalgalanmalar yumuşatılacaktır. ResearchGate

Otomasyon Dönemi ve İş gücünü destekleme ve adaptasyon

A. Aktif iş gücü politikaları ve yeniden beceri (reskilling/upskilling)

• Devlet ve özel sektör işbirliğiyle geniş yeniden eğitim programları; yaşlı çalışanları işte tutma teşvikleri; esnek çalışma modelleri düşünülmelidir. İşçi Kimdir?

B. İstihdam teşvikleri (özellikle yarı-zamanlı, platform işlerinde sosyal hakların sağlanması)

• Platform ekonomisinde çalışanların sosyal güvenliğe erişimini sağlayacak düzenlemeler (prim teşvikleri, katkı kolaylıkları). ILO ve OECD önerileri burada devreye girmektedir. International Labour Organization+1

Alternatif/komplemanter sosyal politika araçları

A. Negatif Gelir Vergisi (NIT) veya Hedeflenmiş Temel Gelir Pilotu

• Tam UBI yerine daha uygulanabilir bir seçenek: Düşük gelirli veya prim ödeme kapasitesi zayıf gruplara yönelik gelir desteği sağlanmalıdır. Pilot çalışmalar (Finlandiya, Stockton vb.) sonuçları göstermektedir. — Mutlaka dene-ölç-genişlet yaklaşımıyla. European Commission+1

B. Zorunlu otomasyon lisans/izin gelirlerinin sosyal fonlara aktarılması

• Büyük otomasyon projeleri için “sosyal katkı payı” uygulaması; yatırımcılardan sosyal fona pay aktarımı alınması (geçiş maliyetleri için kullanılabilir).

Uygulama stratejisi — aşamalı yol haritası (pratik öneri)

1. Durum tespiti & modelleme: Otomasyon senaryoları altında prim gelir projeksiyonları yapın; otomasyonun sektörlere etkisini modelleyin. (Kısa rapor: 6 ay).
2. Küçük ölçekli pilotlar: Robot/otomasyon vergi pilotları, veri vergisi uygulamaları, veya NIT pilotları başlatın. (1–2 yıl). European Commission+1
3. Sosyal güvenlik reformu paketi: NDC/puan mekanizması, asgari garanti, fon oluşturma adımlarıyla yasalaştırma (2–4 yıl). OECD
4. Yeniden beceri programları ve iş gücü teşvikleri paralelinde yürütülmelidir (sürekli). International Labour Organization
5. İzleme, şeffaflık, revizyon: Otomasyonun hızına göre periyodik değerlendirme ve ayarlama.

Potansiyel riskler — dikkat edilmesi gerekenler

• Yatırımı caydırma riski: Aşırı sermaye vergileri veya belirsiz “robot vergileri” yatırımı yavaşlatacaktır. Tasarım çok dikkatli yapılmalıdır. ifo Institut+1
• Regresif etki: Tüketim vergilerine dayalı çözümler düşük gelirliyi daha çok etkiler — telafi mekanizmaları (transferler) şart.
• Yönetim ve yönetişim: Büyük fon ve yeni gelir kalemleri kötü yönetilirse güven kaybı olur — şeffaflık, bağımsız denetim şarttır.

Temel, güncel veri noktaları (kısa, kaynaklı)

• Türkiye’de 65 yaş ve üzeri nüfus 2024 itibarıyla yaklaşık %10,2 ve 9 milyonun üzerinde (TÜİK). Türkiye İstatistik Kurumu
• SGK (sigorta primi gelirleri ve ilgili istatistiklerde) 2024 yılı prim tahakkukları ve gelir büyüklükleri yüz milyarlar düzeyindedir; ör. 4/1-a kapsamında 2024 sonu verileri ~831,3 milyar TL kayıtlı tutarlar göstermiştir (Sayıştay/SGK raporları). Sayıştay
• BES/OKS fon büyüklüğü 2024’te toplamda yaklaşık 1,2 trilyon TL (BES + OKS fon toplamına ilişkin resmi ve sektör haberleri).
• Bu, Türkiye’de uzun vadeli birikim havuzunun büyüklüğünü gösterir. Anadolu Ajansı+1
• OECD/uluslararası çalışmalar, otomasyona en yüksek maruz kalan mesleklerin toplamda yaklaşık %25–30’luk istihdam payı oluşturduğunu,
• dolayısıyla önemli bir substitusyon riski bulunduğunu gösteriyor (OECD; Employment Outlook vb.). OECD

(Not: üstteki sayısal kaynaklar paketimizin temelini oluşturur; aşağıdaki projeksiyonlarda kullanılan temel büyüklükler bu veri noktalarından türetilmiştir.)

Bu yeni bir dönem olması sebebiyle de tüm dünyada araştırılarak başarılı ve herkes için verimli bir sonuç elde edilene kadar araştırmalar devam edecektir.