The Impact of Artificial Intelligence and Robot Density on Occupational Accidents: An Empirical Analysis for Türkiye

Yıl 2026, Cilt: 15 Sayı: 1 , 619 - 637 , 31.03.2026

Eray Karagöz

https://doi.org/10.15869/itobiad.1697259

https://izlik.org/JA39YG82WJ

Öz

This study aims to empirically analyze the impact of technological transformations, such as artificial intelligence (AI) and robotization, on occupational accidents in the context of Türkiye. Although the technological potential for preventing occupational accidents is frequently emphasized, studies that systematically test this relationship alongside macro-level institutional and structural determinants remain considerably limited. Using time-series data from Türkiye for the 2013–2023 period (SGK, TURKSTAT, IFR), this study examines the relationship between the occupational accident rate (dependent variable) and robot density, AI adoption, the informal employment rate, inspection capacity, the unemployment rate, and the employment share of high-risk sectors. The theoretical framework of the study is grounded in the Technology Acceptance Model (TAM), which explains the process by which individuals and organizations adopt technological systems. The multivariate regression model, estimated using HAC standard errors and based on the logarithmic transformation of all series, accounts for approximately 78% (R²=0.78) of the variation in occupational accident rates. Consistent with expectations, the findings indicate that robot density (β=–0.54) and AI adoption (β=–0.37) have a statistically significant and negative effect on occupational accidents. Conversely, informal employment (β=+0.33), the unemployment rate (β=+0.21), and the high-risk sector share (β=+0.28) were found to have an accident-increasing effect. Inspection capacity (β=–0.25) was also found to have a statistically significant accident-reducing effect. The results reveal that the contribution of technological transformations, such as AI and automation, to occupational safety performance becomes meaningful and effective only when supported by fundamental institutional policies, including enhanced inspection capacity and the reduction of informality. In this regard, the study underscores the necessity of addressing Türkiye's occupational health and safety policies through a holistic approach that integrates technological investments and institutional capacity-building strategies.

Anahtar Kelimeler

Artificial Intelligence , Occupational Health , Occupational Safety , Occupational Accidents , Regression , Occupational Safety in Türkiye

Yapay Zekâ ve Robot Yoğunluğunun İş Kazaları Üzerindeki Etkisi: Türkiye İçin Ampirik Bir Analiz

https://izlik.org/JA39YG82WJ

Öz

Bu çalışma, yapay zekâ (YZ) ve robotlaşma gibi teknolojik dönüşümlerin iş kazaları üzerindeki etkisini Türkiye özelinde ampirik olarak analiz etmeyi amaçlamaktadır. İş kazalarının önlenmesinde teknolojik potansiyelin sıkça vurgulansa da bu ilişkinin makro düzeydeki kurumsal ve yapısal belirleyicilerle birlikte sistematik biçimde test edildiği çalışmalar oldukça sınırlıdır. Bu araştırma, 2013–2023 dönemi için Türkiye'ye ait zaman serisi verilerini (SGK, TÜİK, IFR) kullanarak iş kazası oranı (bağımlı değişken) ile robot yoğunluğu, yapay zekâ kullanımı, kayıt dışı istihdam oranı, denetim kapasitesi, işsizlik oranı ve riskli sektörlerin istihdam payı arasındaki ilişkiyi test etmektedir. Çalışmanın teorik çerçevesi, bireylerin ve örgütlerin teknolojik sistemleri benimseme sürecini açıklayan Teknoloji Kabul Modeli'ne (TAM) dayanmaktadır. HAC standart hataları kullanılarak tahmin edilen ve tüm serilerin logaritmik dönüşümüne dayanan çok değişkenli regresyon modeli, iş kazası oranlarındaki değişimin yaklaşık %78'ini (R²=0.78) açıklamaktadır. Bulgular, beklentilerle uyumlu olarak, robot yoğunluğunun (β=–0.54) ve yapay zekâ kullanımının (β=–0.37) iş kazaları üzerinde istatistiksel olarak anlamlı ve azaltıcı bir etkiye sahip olduğunu göstermektedir. Buna karşın, kayıt dışı istihdam (β=+0.33), işsizlik oranı (β=+0.21) ve riskli sektör payının (β=+0.28) iş kazalarını artırıcı yönde etkilediği tespit edilmiştir. Denetim kapasitesinin (β=–0.25) de kazaları azaltıcı yönde istatistiksel olarak anlamlı bir etkiye sahip olduğu görülmüştür. Elde edilen sonuçlar, YZ ve otomasyon gibi teknolojik dönüşümlerin iş güvenliği performansına sunduğu katkının, ancak denetim kapasitesinin artırılması ve kayıt dışılığın azaltılması gibi temel kurumsal politikalarla desteklendiğinde anlamlı ve etkili hale geldiğini ortaya koymaktadır. Bu bağlamda çalışma, Türkiye'nin iş sağlığı ve güvenliği politikalarının teknolojik yatırımlar ile kurumsal kapasite güçlendirme stratejilerini bütüncül bir yaklaşımla birlikte ele alması gerektiğini vurgulamaktadır.

Anahtar Kelimeler

Yapay Zekâ , İş Sağlığı , İş Güvenliği , İş Kazaları , Regresyon , Türkiye’de İş Güvenliği

Kaynakça

• 6331 sayılı İş Sağlığı ve Güvenliği Kanunu. (2012, 30 Haziran). Resmî Gazete (Sayı: 28339, Mükerrer). https://www.mevzuat.gov.tr/mevzuat?MevzuatNo=6331&MevzuatTur=1&MevzuatTertip=5
• Akaner, M., & Özdemir, V. (2022). Yapay zekâ kullanılarak faaliyet alanları tehlike sınıflarının belirlenmesi için örnek bir çalışma. Çalışma ve Sosyal Güvenlik Dergisi, 13(1), 123–139. https://dergipark.org.tr/tr/download/article-file/2160692
• AKAR, B. G., (2023). Yapay Zekanın İstihdam alanındaki Güncel Etkileri ve Temel Gelirin Rolü. Sosyal Bilimlerde Akademik Araştırma ve Değerlendirmeler- V (pp.143-164), Özgür Yayınları.
• Baygeldi, A. D., & Gerdan, S. (2019). İş sağlığı ve güvenliği kapsamında ölümlü iş kazalarına yönelik Yargıtay kararları. Resilience, 3(2), 101–111. https://doi.org/10.32569/resilience.566733
• Becker, N., Junginger, P., Martinez, L., Krupka, D., & Beining, L. (2021). AI at work: Mitigating safety and discriminatory risk with technical standards. German Informatics Society. https://arxiv.org/abs/2108.11844
• Bérastégui, Pierre (2024) : Artificial intelligence in Industry 4.0: Implications for occupational safety and health, Report, No. 2024.01, ISBN 978-2-87452-714-2, European Trade Union Institute (ETUI), Brussels
• Cabrera-Flores, J. (2023). The relationship between work accident rates and economic activity: Evidence from Peru (2016–2021). TEC Empresarial, 17(3), 20–32. https://doi.org/10.18845/te.v17i3.6847
• Campero-Jurado, I., Márquez-Sánchez, S., Quintanar-Gómez, J., Rodríguez, S., & Corchado, J. M. (2020). Smart Helmet 5.0 for Industrial Internet of Things Using Artificial Intelligence. Sensors, 20(21), 6241. https://doi.org/10.3390/s20216241
• Caner Akın, G., Duman, İ., & Alkan, Ü. (2021). İnşaat sektöründe iş kazalarının yapay sinir ağı ile değerlendirilmesi: İstanbul ilinde bir örnek uygulama. Ergonomi, 4(3), 162–167. https://doi.org/10.33439/ergonomi.989974
• Ceylan, H., & Avan, M. (2012). Türkiye’deki iş kazalarının yapay sinir ağları ile 2025 yılına kadar tahmini. International Journal of Engineering Research and Development, 4(1), 46–54.
• Çabuk, A. , Tepe, S. & Mertoğlu, B. (2023). Identification of Psychosocial Risks Affecting Academic Staff in Higher Education Institutions. Journal of the Human and Social Sciene Researches, 12 (3) , 1619-1658 . https://doi.org/10.15869/itobiad.1251420
• Çalışma ve Sosyal Güvenlik Bakanlığı [ÇSGB]. (2025, Mart). İş kazası verileri ve önleyici stratejiler: İnşaat sektörü sunumu. https://guvenliinsaat.csgb.gov.tr
• Çalışma ve Sosyal Güvenlik Bakanlığı [ÇSGB]. Rehberlik ve Teftiş Başkanlığı (RTB). (2023). Rehberlik ve Teftiş Başkanlığı Faaliyet Raporu 2023. Ankara: Çalışma ve Sosyal Güvenlik Bakanlığı.
• ÇASGEM (Çalışma ve Sosyal Güvenlik Eğitim ve Araştırma Merkezi). (2024). İşyeri Gözetimi Çalışmalarında Türkiye’nin Yapay Zeka İhtiyaç Haritası – Yönetici Özeti. Ankara: ÇASGEM Yayınları.
• Coşkun, F., & Gülleroğlu, H. D. (2021). Yapay Zekanın Tarih İçindeki Gelişimi ve Eğitimde Kullanılması. Ankara University Journal of Faculty of Educational Sciences (JFES), 54(3), 947-966. https://doi.org/10.30964/auebfd.916220
• Çavdar, U., Manyaslı, M., Akkaya, E., Sevener, D., et al. (2022). Yaşanan İş Kazalarının Kaza Saatlerine ve Cinsiyete Göre İstatistiki Olarak Değerlendirilmesi ve Yorumlanması. International Journal of Engineering Research and Development, 14(1), 360-368. https://doi.org/10.29137/umagd.880158
• Doğan, O. (2024). Effectiveness of Occupational Health and Safety Practices for Employees in Workplaces: A Meta-Analysis Study. Journal of the Human and Social Science Researches, 13(5), 2237-2256. https://doi.org/10.15869/itobiad.1486030
• El-Helaly, M. (2024). Artificial intelligence and occupational health and safety: Benefits and drawbacks. Medicina del Lavoro, 115(2), e2024014. https://doi.org/10.23749/mdl.v115i2.15835
• Erginel, N., & Toptancı, Ş. (2017). İş Kazası Verilerinin Olasılık Dağılımları ile Modellenmesi. Mühendislik Bilimleri ve Tasarım Dergisi, 5, 201-212. https://doi.org/10.21923/jesd.20116
• Ertaş, M. F. (2023). İş Güvenliği Uzmanlarının İş Yüklerinin İyileştirilmesi İçin Yönetimsel Strateji Önerileri . İnsan ve Toplum Bilimleri Araştırmaları Dergisi , 12 (2) , 626-644 . https://doi.org/ 10.15869/itobiad.1247291
• European Agency for Safety and Health at Work. (2022). Artificial Intelligence for Worker Management: Implications for Occupational Safety and Health. EU-OSHA. https://doi.org/10.2802/76354
• Fiegler-Rudol, J., Lau, K., Mroczek, A., & Kasperczyk, J. (2025). Exploring human–AI dynamics in enhancing workplace health and safety: A narrative review. International Journal of Environmental Research and Public Health, 22(199), 1–14. https://doi.org/10.3390/ijerph22020199
• Gredka-Ligarska, I. (2024). Employer as an AI system operator and tortious liability for damage caused by AI systems: European and US perspectives. The Chinese Journal of Comparative Law, 12(1), 1–23.
• Güven, A. (2024). Yapay zekâ uygulamalarının kamu yönetimindeki rolü ve önemi. Enderun Dergisi, 8(2), 127–147. https://doi.org/10.59274/enderun.1524152
• Güven, S. (2010). Yapay zeka yaklaşımı ile çimento sektöründe olabilecek kazaların değerlendirilmesi (Yüksek Lisans Tezi, Gazi Üniversitesi). https://tez.yok.gov.tr/UlusalTezMerkezi/
• International Labour Organization. (1996). Recording and notification of occupational accidents and diseases: An ILO code of practice. International Labour Office. https://www.ilo.org/wcmsp5/groups/public/---ed_protect/---protrav/---safework/documents/publication/wcms_107800.pdf
• Uluslararası Robotik Federasyonu (IFR). (2024). World Robotics 2024 – Industrial Robots. International Federation of Robotics. https://ifr.org/industrial-robots
• ILO. (2009). Database on International Labour Standards. https://www.ilo.org
• Ispășoiu, A., Milosan, I., & Gabor, C. (2024). Improving Workplace Safety and Health Through a Rapid Ergonomic Risk Assessment Methodology Enhanced by an Artificial Intelligence System. Applied System Innovation, 7(6), 103. https://doi.org/10.3390/asi7060103
• Jee
• lani, I., Han, K., Lee, J., & Zhang, X. (2021). Real-time vision-based hazard detection in construction using deep learning. Journal of Construction Engineering and Management, 147(2), 04021001.
• Kaluvakuri, V. P. (2023). Revolutionizing fleet accident response with AI: Minimizing downtime, enhancing compliance, and transforming safety. International Journal of Innovative Engineering and Management Research (IJIEMR), 12(3), 950–963. https://doi.org/10.48047/IJIEMR/V12/ISSUE03/133
• Karakurt, Ü., Satar, S., Bilen, A., Açıkalın, A., & Gülen, M. (2012). Acil Tıp ve İş Kazaları [Occupational Accidents and Emergency Medicine]. The Journal of Academic Emergency Medicine, 11(4), 227–237. https://doi.org/10.5152/jaem.2012.037
• Kaya, E. (2024). Kamu yönetiminde dijital dönüşüm ve yapay zekâ uygulamaları. Hitit Ekonomi ve Politika Dergisi, 4(2), 126–141. https://dergipark.org.tr/tr/pub/hepdergi/issue/85820/1588634
• Kılınç, İ., & Ünal, A. (2019). Yeni gözde yapay zekâ: Yapay zekânın iş dünyasına etkileri. Çağdaş Yönetim Bilimleri Dergisi, 6(2), 238–258.
• Koçali, K. (2024). Workplace Inspectıons In Turkey Conducted Wıthın The Scope Of Ilo Labor Inspectıon Conventıon. Asya Studies, 8(27), 241-254. https://doi.org/10.31455/asya.1419324
• Mollaei, N., Fujao, C., Silva, L., Rodrigues, J., Cepeda, C., & Gamboa, H. (2022). Human-Centered Explainable Artificial Intelligence: Automotive Occupational Health Protection Profiles in Prevention Musculoskeletal Symptoms. International Journal of Environmental Research and Public Health, 19(15), 9552. https://doi.org/10.3390/ijerph19159552
• Moura, R., Beer, M., Patelli, E., & Lewis, J. (2017). Learning from major accidents: Graphical representation and analysis of multi-attribute events to enhance risk communication. Safety Science, 97, 29–45. https://doi.org/10.1016/j.ssci.2017.03.005
• Mouza, A. M., & Targoutzıdıs, A. (2010). The Effect Of The Economıc Cycle On Workplace Accıdents In Sıx European Countrıes. Ege Academic Review, 10(1), 1-13.
• OECD. (2024). Defining AI incidents and related terms (OECD Artificial Intelligence Papers No. 16). OECD Publishing. https://www.oecd.org/ai/defining-ai-incidents.pdf
• Ekonomik İşbirliği ve Kalkınma Teşkilatı (OECD). (2024). Data: Unemployment Rate – Annual, Percent. Paris: OECD.Stat.
• OECD/ITF. (2021). Artificial Intelligence in Road Infrastructure Safety Management. International Transport Forum. https://www.itf-oecd.org/artificial-intelligence-road-infrastructure-safety-management
• Öztürk, T. (2022). ILO Üyesi Ülkelerin İş Kazası Sonucu Oluşan Ölüm Oranı Bakımından Kümeleme Yöntemi ile Sınıflandırılması. Sosyal Güvenlik Dergisi (Journal of Social Security). 12(1). 35-52.
• Öztemel, E. (2020). Yapay zekâ ve insanlığın geleceği. In Bilişim Teknolojileri ve İletişim: Birey ve Toplum Güvenliği (ss. 96–112). Türkiye Bilimler Akademisi (TÜBA). https://doi.org/10.53478/TUBA.2020.011
• Park, J., & Kang, D. (2024). Artificial Intelligence and Smart Technologies in Safety Management: A Comprehensive Analysis Across Multiple Industries. Applied Sciences, 14(24), 11934. https://doi.org/10.3390/app142411934
• Pishgar, M.; Issa, S.F.; Sietsema, M.; Pratap, P.; Darabi, H. REDECA: A Novel Framework to Review Artificial Intelligence and Its Applications in Occupational Safety and Health. Int. J. Environ. Res. Public Health 2021, 18, 6705. https:// doi.org/10.3390/ijerph18136705
• Reis, L. D., Melão, N., & Matos, F. (2021). Artificial intelligence in occupational health and safety: State-of-the-art and research challenges. Journal of Industrial Information Integration, 24, 100224. https://doi.org/10.1016/j.jii.2021.100224
• Rybak, N., & Hassall, M. (2025). Artificial intelligence applications for workplace safety: An in-depth examination. In Handbook of Research on AI Applications in Occupational Health and Safety (pp. 1–23). IGI Global. https://doi.org/10.4018/978-1-6684-7366-5.ch085
• SGK. (2023). Sosyal Güvenlik Kurumu 2023 istatistik yıllığı. Sosyal Güvenlik Kurumu Yayınları. https://www.sgk.gov.tr/Istatistik/Yillik/fcd5e59b-6af9-4d90-a451-ee7500eb1cb4/
• Shah, I. A., & Mishra, S. D. (2024). Artificial intelligence in advancing occupational health and safety: An encapsulation of developments. Journal of Occupational Health, 66(1), uiad017. https://doi.org/10.1093/JOCCUH/uiad017
• Sheikhi, M. (2022). Yapay Zekâ Kullanımının İş Piyasasına Etkisi. Journal of Economics and Political Sciences, 2(1), 102–111.
• Strateji ve Bütçe Başkanlığı (SBB). (2025). Sosyal güvenlik sisteminin sürdürülebilirliği özel ihtisas komisyonu raporu. Cumhurbaşkanlığı Strateji ve Bütçe Başkanlığı Yayınları. https://www.sbb.gov.tr/
• Turan, T., Turan, G., & Küçüksille, E. U. (2022). Yapay zekâ etiği: Toplum üzerine etkisi. Mehmet Akif Ersoy Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 13(2), 292–299. https://doi.org/10.29048/makufebed.1058538
• Türkiye İstatistik Kurumu (TÜİK). (2025). Yapay zekâ istatistikleri 2025 (Bülten No: 57945). https://data.tuik.gov.tr/Bulten/Index?p=57945
• Türkiye İstatistik Kurumu (TÜİK). (2023). İşgücü istatistikleri 2023. https://www.tuik.gov.tr/Home/Index
• Türkiye İstatistik Kurumu (TÜİK). (2024). İşgücü anketi sonuçları – NACE Rev.2 sektörel dağılım (B, C, F). https://www.tuik.gov.tr/Home/Index
• Türker, T., & Kanıt, H. (2020). İnşaat iş kazalarının önlenmesinde yapay öğrenme destekli AHP modeli. Dicle Üniversitesi Mühendislik Fakültesi Mühendislik Dergisi, 11(3), 145–157.
• Venkatesh, V. 1999. Creation of favorable user perceptions: Explor-ing the role of intrinsic motivation. MIS Quart.23 239–260
• Yaman, Y., & Coşkun, A. (2020). İş kazaları ve sonuçlarının Türkiye ve İstanbul düzeyinde incelenmesi. ABMYO Dergisi, 15(60), 363–377. https://doi.org/10.17932/IAU.ABMYOD.2006.005/abmyod_v15i60002
• Yıldırır, S. C., & Kaplan, B. (2019). Mobil Uygulama Kullanımının Benimsenmesi: Teknoloji Kabul Modeli ile Bir Çalışma. Kafkas Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 10(19), 22-51.
• Yılmaz, G., & Utlu, Z. (2016). Gıda İmalat Sektöründeki Teknolojik Gelişmelerin İş Sağlığı Güvenliği Üzerindeki Etkilerin İncelenmesi. Anadolu Bil Meslek Yüksekokulu Dergisi(44).
• Zaman, M. B., Baheramsyah, A., & Ashari, I. (2021). Analysis of work accident factors in the shipyard. IOP Conference Series: Earth and Environmental Science, 698(1), 012016. https://doi.org/10.1088/1755-1315/698/1/012016