Yapay Zeka Verimliliği: En iyi sonucu işini kaybedenler için veriyor.

Yazan /

29 Haziran 2026

Alexis tarafından derlendi.

 

Üretkenlik vaadinin üzerinden üç yıl geçti ve nihayet soruyu net bir şekilde yanıtlayacak kadar somut kanıt var: Yapay zekâ ile çalışmak gerçekten daha üretken olmanızı sağlıyor mu? Evet, bazı kişiler için bazı görevlerde muazzam bir şekilde. Ve hayır, hatta daha da kötüsü, diğerleri için. Kazanımlar gerçek. Sadece pazarlamanın söylediği gibi akmıyorlar. Bu sayı, kimin kazandığını, kimin ödediğini ve aralarındaki çizginin neden düşündüğünüz yerde olmadığını ortaya koyuyor.

Yapay zekâ çağının en çok alıntı yapılan dört iş yeri araştırması yan yana okunduğunda tek bir hikaye anlatıyor: Yapay zekânın verimlilik kazanımları gerçek ancak son derece dengesiz ve bu kazanımlar, zorlu ve tanıdık işleri yapan uzmanlara veya pilot projeler satın alan işletmelere değil, deneyimsiz, kapsamlı ve doğrulanabilir olanlara yöneliyor.

Bunları bir araya getirdiğinizde, “Kim için?” sorusunun cevabı bir slogan olmaktan çıkıp bir haritaya dönüşüyor.

Kim daha hızlı koşuyor? Ve bu, tahmin edeceğiniz kişi değil.

Tüm literatürdeki en net bulgu aynı zamanda en sezgisel olmayan bulgudur: Yapay zeka, en üstten değil, en alttan seviye atlar.

Brynjolfsson’un 5.179 destek temsilcisiyle yaptığı araştırmada, ortalama %14’lük kazancın neredeyse tamamı en az deneyimli çalışanlar (%34) tarafından sağlanırken, en deneyimliler neredeyse hiç ilerleme kaydetmedi. Yapay zeka, en iyi temsilcilerin örtük bilgi birikimini kodlayarak ve bunu en yeni temsilcilere aktararak çalıştı; aylarca süren iş başı öğrenimini bir komut satırına sıkıştırdı. BCG/HBS danışmanlık deneyi ise aynı sonucu ters yönden gösterdi: Ortalama altı performans gösterenler en çok kazanç sağladı ve teknoloji, zayıf ve güçlü danışmanlar arasındaki farkı azalttı.

Sonra uzmanlar devreye girdi. METR’nin rastgeleleştirilmiş deneyi, 16 deneyimli geliştiriciyi, yönettikleri depolarda 246 gerçek görevden geçirdi. Yapay zeka araçlarına izin verildiğinde, %19 daha uzun sürdü . Her “Yapay zeka beni 10 kat hızlandırdı” LinkedIn gönderisini rahatsız etmesi gereken kısım şu: Geliştiriciler %24’lük bir hızlanma bekliyorlardı ve daha yavaş bitirdikten sonra bile, yapay zekanın onları %20 hızlandırdığına inanıyorlardı. Ödedikleri bedeli hissedemiyorlardı. METR kapsam konusunda dikkatlidir; sonuç, 2025 başlarındaki araçlar, uzman geliştiriciler, tanıdık kod tabanlarıdır ve özellikle genç geliştiricilere veya yabancı kodlara genelleme yapmaz . Ancak bu uyarı, bulgunun özüdür : Yavaşlama, uzma

nlığın ve bağlamın en yüksek olduğu yerde yoğunlaşmıştır.

Birleştirici fikir “tırtıklı sınır”dır. Yapay zeka bazı görevlerde son derece başarılıyken, bitişik görevlerde ise kendinden emin bir şekilde yanlıştır ve aralarındaki sınır görünmez ve düzensizdir. Sınırın içinde, BCG danışmanları yükselişe geçti. Sınırın hemen dışına itildiklerinde – benzer görünen ancak yapay zekanın sahip olmadığı bir yargı gerektiren bir göreve – yapay zeka destekli danışmanların yanlış yapma olasılığı ölçülebilir derecede daha yüksekti , çünkü aracın akıcı güveni çizginin her iki tarafında da aynıydı. Dolayısıyla verimlilik, yapay zekanın bir özelliği değil, görevin, aracın ve insanın ne zaman yalan söylediğini anlayabilme yeteneğinin bir özelliğidir .

Ortaya çıkmayan kazançların parasını kim ödüyor?

Bireyler gerçek (ancak dengesiz) kazanımlar görürken, kurumsal tablo daha da vahim. MIT’nin NANDA çalışması (150 yönetici görüşmesi, 350 çalışan anketi, 300 halka açık uygulama) GenAI pilot projelerinin sadece %5’inin hızlı gelir artışı sağladığını ; diğer %95’inin ise ölçülebilir bir kar ve zarar etkisi olmadan durakladığını ortaya koydu. Engelleyici faktör model kalitesi değildi. Sorun, kuruluşların yapay zekayı değişmemiş iş akışlarına eklemesinden kaynaklanan “öğrenme açığı”ydı. Dikkat çekici bir şekilde, bir satıcıdan satın alınan projeler yaklaşık %67 oranında başarılı olurken, şirket içi geliştirmeler bunun üçte biri kadar bile başarılı olamadı ve gerçek yatırım getirisi, bütçenin büyük kısmını tüketen satış ve pazarlama araçlarında değil, gösterişsiz arka ofis otomasyonunda yatıyordu.

Piyasa şu anda bu nakit açığını hissediyor. Bu hafta uzmanların paylaştığı raporlara göre: şirketler, çıkarım maliyetleri şiştiği için “yapay zekaya bu kadar çok harcama yapmayı bırakmak için çabalıyor” ( 404 Media’nın “Tokenpocalypse” raporu ) ve döngünün ibretlik öyküsü – Ford “yapay zekayı işe aldı ve insanları işten çıkardı” ve bu durum kötü sonuçlandı – tam da sunum slaytlarının tersi olduğu için ortalıkta dolaşıyor.

Demoların gizlediği kısım

Üç maliyet kalemi hiçbir verimlilik panosunda görünmüyor ancak raporlamanın her yerinde karşımıza çıkıyor:

  • Gizli insan maaş bordrosu. “Yapay zeka verimliliğinin” büyük bir kısmı aslında yer değiştirmiş ve görünmez hale getirilmiş insan verimliliğidir: Sistemler, çoğu Küresel Güney’de bulunan ve Batı ücretlerinin çok küçük bir kısmını alan veri çalışanlarından oluşan ordular tarafından eğitilir ve düzeltilir; DAIR Enstitüsü bu çalışanların emeğini ayrıntılı olarak belgelemiştir . Çıktı otonom gibi görünür; ancak arkasındaki maaş bordrosu genellikle öyle değildir.
  • Elde edilen kazanımlar daha az değil, daha çok iş olarak harcanıyor. Bloomberg’in “Yapay Zeka Tükenmişlik Çağı” raporu, yapay zekaya en yakın kişilerin her zamankinden daha çok çalıştığını belgeliyor; bir startup CEO’su üç hafta boyunca ofiste uyuduğunu bildiriyor. Yapay zeka gereksiz işleri ortadan kaldırdığında, boşalan saatler daha yüksek riskli işler ve daha hızlı döngülerle dolduruluyor. Tasarruf edilen zaman, talep edilen çıktıya dönüşüyor.
  • Beceri körelmesi. Mühendisler bu konuda makaleler yazmaya başlıyorlar – bunlardan biri bu hafta Hacker News’te trend oldu – yapay zekanın, mesleği değerli kılan “akış halini” aşındırdığını ve zor kısımların başkasına devredilmesinin, bir kuruluşun araç yanlış olduğunda ihtiyaç duyacağı uzmanlığı sessizce yok ettiğini savunuyorlar.

Acımasız simetri

İşte tüm bunları nasıl yorumlamanız gerektiğine dair önemli bir nokta. Yapay zekanın genç çalışanları daha verimli hale getirdiğini en açık şekilde gösteren araştırmayı yapan ekonomist – Stanford’dan Erik Brynjolfsson – aynı zamanda yapay zekanın genç çalışanları işsiz bıraktığını gösteren bir gösterge panosu da yönetiyor . ABD’deki çalışanların yaklaşık 6’da 1’ini kapsayan ADP bordro verilerine dayanan Kanaryalar göstergesi , en çok yapay zekaya maruz kalan rollerde 22-25 yaş arası çalışanların istihdamının düştüğünü, daha az maruz kalan akranlarının istihdamının ise arttığını gösteriyor – bu da giriş basamaklarının yukarı çekildiğine dair erken ve büyük ölçekli bir kanıt ( Fortune, 27 Haziran ). İki bulgu birbiriyle çelişmiyor; aynı gerçeği yansıtıyorlar. Yapay zeka en büyük verimlilik artışını acemi çalışanlara sağlıyor – ve tam da bu yüzden bir şirket, acemi çalışanın işinden vazgeçmeye karar verdiği ilk işi yapıyor. Yapay zekanın yerini alamayacağı uzman olmak için tırmandığınız basamağı en verimli şekilde otomatikleştiriyoruz. Çıraklık sürecini optimize ederek ortadan kaldırdığımızda uzmanlık havuzuna ne olacağı sorusuna kimse cevap vermedi.

Peki, gerçekten işe yarıyor mu? Bir saha kılavuzu

Dürüst sentez “evet” veya “hayır” değildir. Bir dizi koşuldur. Yapay zeka, şu durumlarda verimliliği güvenilir bir şekilde artırır: görev iyi tanımlanmış ve çıktı doğrulanabilir (iyi ile kötüyü hızlıca ayırt edebilirsiniz); modelin yetkinliği dahilindedir; ve çalışan ya rutin işlerde acemi biridir ya da yapay zekayı bir kahin olarak değil, kontrol edilmesi gereken bir taslak olarak gören bir uzmandır. Şu durumlarda başarısız olur veya ters teper: iş ucu açık bir yargıysa, insan cevabı kolayca doğrulayamıyorsa, uzman zaten yapay zeka inceleme döngüsünden daha hızlı hareket ediyorsa veya bir kuruluş, etrafındaki iş akışını yeniden tasarlamadan bir araç satın alıyorsa. Kazananlar en teknik veya en az teknik kişiler değil; tam olarak engebeli sınırın nerede olduğunu bilen ve aracı o sınırın ötesinde asla güvenmeyenlerdir.

Önemli Noktalar

  • Elde edilen kazanımlar gerçek ancak ağırlıklı olarak düşük performanslı çalışanlara yönelik. Yapay zekanın ölçülen en büyük verimlilik artışları acemi ve ortalama altı performans gösterenlere gidiyor; tanıdık işlerde uzmanlaşmış kişiler için ise etki sıfıra iniyor veya tersine dönüyor.
  • Bunu hissedemezsiniz. METR’nin geliştiricileri %19 daha yavaştı ve %20 oranında daha hızlı olduklarından emindiler. Kendi beyanlarına göre “10 kat” hız artışı kanıt değildir; doğrulanabilir verim kanıttır.
  • Model değil, organizasyon yapısı darboğaz oluşturuyor. Kurumsal pilot projelerin %95’i hiçbir sonuç vermiyor ve işe yarayan %5’lik kısım ise yapay zekayı sonradan eklemek yerine, odaklanmış araçlar satın alıp iş akışını yeniden tasarlıyor.
  • Verimlilik hikayesi ve iş hikayesi tek bir hikaye. Yapay zeka en çok genç çalışanlara yardımcı oluyor, işte tam da bu yüzden genç çalışan pozisyonları ilk önce ortadan kaldırılıyor. Eksik uzman kadrosu için şimdiden plan yapın.

Dur, ne?

8 Temmuz’dan itibaren Claude pasaportunuzu ve yüzünüzü görmek isteyebilir. Kötüye kullanım nedeniyle işaretlenen hesaplar için Anthropic, üçüncü taraf satıcı Persona tarafından işlenen ve yüz geometrisi şablonu oluşturan bir yüz tanıma özçekiminin yanı sıra devlet tarafından verilmiş bir kimlik belgesi de isteyecektir; bu veriler, birçok ABD eyaleti tarafından yasal olarak korunan biyometrik bilgiler olarak sınıflandırılmaktadır ( TechCrunch ). Bu, bir sohbet robotundan alışılmadık derecede fiziksel bir talep ve ilişkinin nereye doğru gittiğinin küçük bir işareti: sizin için çalışması gereken araç, giderek tam olarak kim olduğunuzu bilmek istiyor.

Okumaya Değer Makaleler:

 

https://aiweekly.co/issues/ai-productivity-it-works-best-for-the-people-losing-their

Scroll to Top