OECD ÜLKELERİNDE BÜYÜME VE YAPAY ZEKÂYA YAPILAN YATIRIMLAR ARASINDAKİ İLİŞKİ

Öz

Artan teknolojik gelişim etkisinin ekonomik, sosyal, kültürel ve siyasal alanlar başta olmak üzere birçok alanda etkisini göstermiştir. Yapay zekâ yatırımları da oluşan gelişim ve yaygın kullanım alanı sonucunda etkinliğini artırmıştır. Yapay zekâ yatırımlarında yaşanan gelişmeler verimlilik başta olmak üzere inovasyon temelli büyümenin de gelişmesine katkı sunmaktadır Yapay zekâ, oluşturduğu kolaylık, yatırımların yaygınlaştırması, teknolojik alt yapının güçlenmesini sağlaması ve ihracat performansı artırarak büyüme üzerinde olumlu etkiler oluşturabilmektedir. Bu çalışmada 2012-2024 yılları için yapay zekâ yatırımlarının büyüme üzerindeki etkisi incelenmiştir. Çalışmada panel analizinden yararlanılmıştır. Değişkenlerin birbirleri üzerindeki etkisini araştırmak için nedensellik testinden yararlanılmıştır. OECD ülkeleri için yapılan çalışmada yapay zekâ yatırımlarının büyüme üzerindeki etkisinin daha belirgin olduğu saptanmıştır. Ayrıca, yapay zekâ yatırımlarının yalnızca ulusal düzeyde değil, küresel teknolojik ve ekonomik etkileşimler sayesinde büyüme üzerinde etkili olduğu görülmüştür.

Anahtar Kelimeler

• yapay zeka
• büyüme
• panel analizi

THE CONNECTION BETWEEN GROWTH AND INVESTMENT IN ARTIFICIAL INTELLIGENCE IN OECD NATIONS

Öz

Growing technological advancement has had an impact on a variety of disciplines, chiefly the social, cultural, political and economic ones. Artificial intelligence investments have also increased in effectiveness as a result of the developments and widespread use that have occurred. Advances in artificial intelligence investments are contributing to innovation-based growth, particularly in terms of productivity. By offering convenience, increasing investments, bolstering technological infrastructure, and boosting export performance, artificial intelligence can have a favorable impact on growth. This study looks at how investments in artificial intelligence affect growth from 2012 until 2024. The study employed panel analysis. A causality test was used to investigate the influence of the variables on each other. According to the study, which was done for OECD nations, investments in artificial intelligence had a more noticeable effect on growth. Additionally, it was noted that investments in artificial intelligence affect growth through international technological and economic exchanges in addition to at the national level.

Anahtar Kelimeler

• artificial ıntelligence
• growth
• panel analysis

Kaynakça

1. Aghion, P., Jones, B. F., & Jones, C. I. (2017). Artificial intelligence and economic growth (No. w23928). National Bureau of Economic Research.
2. Akbıyık, Z. H., & Meçik, O. (2025). Yapay zekâ ve ekonomik dinamikler: G7 ülkeleri üzerine bir analiz. İzmir Yönetim Dergisi, 6(1), 41-54.
3. Akduman, G. & Öksüz T. M. (2025). Evaluation of the need for sustainability education in aviation management undergraduate training: A case study of Türkiye, Sosyal Araştırmalar ve Yönetim Dergisi, (1), 66-77.
4. Aydın, B. (2025) Yapay zekâ teknolojilerindeki ilerlemenin ekonomik büyüme açısından değerlendirilmesi, Makro İktisat Konuları, Yaz Yayınları, ss. 123-143.
5. Babina, T., Fedyk, A., He, A., & Hodson, J. (2024). Artificial intelligence, firm growth, and product innovation. Journal of Financial Economics, 151, 103745.
6. Bond, S., & Eberhardt, M. (2013). Accounting for unobserved heterogeneity in panel time series models. University of Oxford, 1(11), 1-12.
7. Breusch, T. S., & Pagan, A. R. (1980). The Lagrange multiplier test and its application to model specification in econometrics. Review of Economic Studies, 47, 239-253. https://doi.org/10.2307/2297111.
8. Brynjolfsson, E., & Hitt, L. (1995). Information technology as a factor of production: The role of differences among firms. Economics of Innovation and New technology, 3(3-4), 183-200.

9. Chen, Y., Cheng, L., & Lee, C. C. (2022). How does the use of industrial robots affect the ecological footprint? International evidence. Ecological Economics, 198, 107483.
10. Choi, I. (1993). Asymptotic normality of the least-squares estimates for higher order autoregressive integrated processes with some applications. Econometric Theory, 9(2), 263-282. https://doi.org/10.1017/S0266466600007532.
11. Dağlı, İ. (2022). Yapay zekâ teknolojilerinde etkili faktörler üzerine bir model denemesi: En başarılı ülkelerle panel veri analizi. Eskişehir Osmangazi Üniversitesi İktisadi ve İdari Bilimler Dergisi, 17(2), 368-386.
12. Dumitrescu, E. I., & Hurlin, C. (2012). Testing for Granger non-causality in heterogeneous panels. Economic Modelling, 29(4), 1450-1460. https://doi.org/10.1016/j.econmod.2012.02.014.
13. Eberhardt, M., & Bond, S. (2009). Cross-section dependence in nonstationary panel models: a novel estimator. Munich Personal RePEc Archive.
14. Eberhardt, M., & Teal, F. (2010). Productivity analysis in global manufacturing production. Discussion Paper 515, Department of Economics, University of Oxford.
15. Eren, F., Dülek, L. N., Uraz, Ö. A., Kuşcu, B., & Sakallı, M. (2024). Yapay zekâ endeksi kapsamında ülke bazlı yapay zekâ politika stratejilerinin etkinliği: Performans ve verimlilik değerlendirmesi incelenmesi. Bilgi ve İletişim Teknolojileri Dergisi, 6(2), 113-148.
16. Hadri, K., & Kurozumi, E. (2012). A simple panel stationarity test in the presence of serial correlation and a common factor. Economics Letters, 115(1), 31-34. https://doi.org/10.1016/j.econlet.2011.11.036.
17. Kirikkaleli, D., Aad, S., & Kirikkaleli, N. O. (2025). Sustainable development and investment in artificial intelligence in the USA. Humanities and Social Sciences Communications, 12(1), 1-7.
18. Lazaroiu, G., & Rogalska, E. (2023). How generative artificial intelligence technologies shape partial job displacement and labor productivity growth. Oeconomia Copernicana, 14(3), 703-706.
19. Makridis, C. A., & Mishra, S. (2022). Artificial intelligence as a service, economic growth, and well-being. Journal of Service Research, 25(4), 505-520.
20. O’Connell, P. G. (1998). The overvaluation of purchasing power parity. Journal of International Economics, 44(1), 1-19. https://doi.org/10.1016/S0022-1996(97)00017-2.
21. Parasız, İ. (2003). İktisadi büyüme teorileri, Ezgi Yayınları, Bursa.
22. Pesaran, M. H. (2004). General diagnostic tests for cross section dependence in panels. Cambridge Working Papers in Economics, 0435, Faculty of Economics, University of Cambridge. http://dx.doi.org/10.2139/ssrn.572504.
23. Pesaran, M. H. (2006). Estimation and inference in large heterogeneous panels with a multifactor error structure. Econometrica, 74(4), 967-1012. https://doi.org/10.1111/j.1468-0262.2006.00692.x.
24. Pesaran, M. H. (2007). A simple panel unit root test in the presence of cross-section dependency. Cambridge Working Papers in Economics, 0346. https://doi.org/10.1002/jae.951
25. Pesaran, M. H., & Yamagata, T. (2008). Testing Slope homogeneity in large panels. Journal of Econometrics, 142(1), 50-93. https://doi.org/10.1016/j.jeconom.2007.05.010.
26. Rahman, M. S., Golder, U., & Ghosh, P. (2024). Corporate investment in artificial intelligence: The role of GDP, ICT exports, and patents. Journal of Economics and Management, 46, 613-636.
27. Schumpeter, J. A. (1934). The theory of economic development—An inquiry into profits, capital, credit, interest, and the business cycle. In Harvard Economic Studies 46. Harvard University Press.
28. Sevli, O. (2024). Yapay zekâ ve ekonomi. Yapay Zekânın Değiştirdiği Dinamikler 2, 9.
29. Sul, D., Phillips, P. C., & Choi, C. Y. (2005). Prewhitening bias in HAC estimation. Oxford Bulletin of Economics and Statistics, 67(4), 517-546. https://doi.org/10.1111/j.1468-0084.2005.00130.x.
30. Tingbani, I., Salia, S., Hartwell, C. A., & Yahaya, A. (2025). Looking in the rear‐view mirror: Evidence from artificial intelligence investment, labour market conditions and firm growth. International Journal of Finance & Economics, 30(1), 961-982.
31. Toda, H. Y. & Yamamoto, T. (1995). Statistical inference in vector autoregressions with possibly integrated processes. Journal of Econometrics, 66, 225-250. https://doi.org/10.1016/0304-4076(94)01616-8.
32. Ünsal, E. (2011). Makro iktisat, İmaj Yayınevi, Ankara.
33. Varnalı, T. (2025). Küresel yapay zekâ ekosistemi: Patentler, yatırımlar ve teknolojik rekabet. Paradigma: İktisadi ve İdari Araştırmalar Dergisi, 14(1), 45-68.
34. Wang, L., Sarker, P., Alam, K., & Sumon, S. (2021). Artificial intelligence and economic growth: A theoretical framework. Scientific Annals of Economics and Business, 68(4), 421-443.
35. Westerlund, J. (2008). Panel cointegration tests of the Fisher effect. Journal of Applied Econometrics, 23(2), 193-223. https://doi.org/10.1002/jae.967.