Son aylarda kurumlarla yaptığım görüşmelerin açılış cümlesi değişti. Eskiden "şu eğitimi nasıl kurgulayalım" diye başlardık. Şimdi karşımdaki ekip önce kazandığı zamanı anlatıyor: içeriği yapay zekâyla üretiyorlar, konu uzmanına gitmeden ilerliyorlar, haftalar süren yetkinlik analizini bir öğleden sonrada bitiriyorlar. Heyecan anlaşılır; anlattıkları şeylerin bir kısmı da gerçekten çalışıyor.
Sonra basit bir soru soruyorum: "Peki bu iş şimdi kimin masasında?"
Çoğu zaman kısa bir sessizlik oluyor. Ardından tablo netleşiyor. İçeriği kontrol etmesi gereken ama sürece hiç dahil edilmemiş biri var. Yayına giren eğitimde saha "bu prosedür bizde böyle işlemiyor" diyor ve içerik geri çekiliyor. Üretilen soru havuzundaki birkaç sorunun cevap anahtarı yanlış çıkıyor, itirazlar geliyor. Analiz, veriyi gerçekten bilen kişi tarafından baştan yapılıyor. İş ortadan kalkmamış; yer değiştirmiş. Üstelik genellikle daha görünmez, kimsenin planına yazılmamış bir yere.
Size bir itirafta bulunayım: ben de araç görünce heveslenenlerdenim. Kendi ekibimde bir raporlamayı otomatikleştirmek için epey uğraştım. Sonunda çalıştı, gurur duydum. Birkaç hafta sonra fark ettim ki o raporu zaten kimse okumuyordu. Kazandığım şey, kimsenin ihtiyaç duymadığı bir çıktının daha hızlı üretilmesiydi.
Elle tutulan bir şey söylemek için önce kanıta, sonra otomatikleştirmeden önce cevaplanması gereken yedi soruya bakalım.
Kanıt ne diyor
Bu konunun literatürü yapay zekâdan çok daha eski. Otomasyon araştırmasının klasik metni, otomasyonun bir işin kolay kısımlarını devraldığını, insana ise en zor kısımları — izleme, olağandışı durumda müdahale, hatayı fark etme — bıraktığını gösterir; üstelik insan artık işi rutin olarak yapmadığı için o müdahaleyi yapacak becerisi de körelir (Bainbridge, 1983). Sade bir dille: otomasyon insanın yükünü hafifletmez, yükün cinsini değiştirir. Yapmaktan kontrol etmeye geçersiniz — ve kontrol etmek, yapmaktan daha kolay değildir.
İkinci bulgu daha yeni. 758 danışmanla yürütülen saha deneyinde, yapay zekânın yetkin olduğu görevlerde katılımcılar yaklaşık %12 daha fazla iş bitirdi, %25 daha hızlı çalıştı ve çıktı kalitesi belirgin biçimde yükseldi. Aynı çalışmada, kasten yapay zekânın sınırının dışında tasarlanmış bir göreve gelindiğinde ise aracı kullananların doğru sonuca ulaşma olasılığı, kullanmayanlara göre 19 puan düştü (Dell'Acqua ve ark., 2023). Sade bir dille: araç görevin içindeyken gerçek fayda üretiyor, görevin dışına çıktığında yardım ediyormuş gibi görünüp yanıltıyor. Kritik nokta şu: kullanan kişi ikisinin arasındaki çizgiyi hissetmiyor.
Üçüncüsü, bu hissin ne kadar aldatıcı olabildiğini gösteriyor. Deneyimli yazılım geliştiricilerle kendi büyük kod tabanları üzerinde yapılan kontrollü bir çalışmada, yapay zekâ araçlarının serbest olduğu görevler %19 daha uzun sürdü. Aynı geliştiriciler, işi yaklaşık %20 hızlandırdıklarını düşünüyordu (METR, 2025). Verimlilik hissi ile ölçülen verimlilik aynı şey değil; ve toplantıda anlatılan hep histir.
Bunun tersi de kanıtlı: dar, izole bir programlama görevinde yapay zekâ desteği tamamlanma süresini %55,8 kısaltmıştı (Peng ve ark., 2023). İki sonuç çelişmiyor, aynı şeyi söylüyor. Görev daraldıkça, bağlam azaldıkça, doğrusu tek başına belliyse kazanç gerçek. İş kurumun bağlamına, politikasına, geçmişine bağlandıkça kazanç eriyor ve kontrol maliyetine dönüşüyor.
Son parça, kontrolün kendisiyle ilgili. Otomasyon yanlılığı denen olgu iyi belgelenmiş durumda: insanlar bir sistemin çıktısını denetlemekle görevlendirildiklerinde, sistem çoğu zaman doğru çalıştığı için sorgulamayı zamanla bırakırlar; sistem yanıldığında hata birlikte geçer (Parasuraman ve Manzey, 2010). Yani "nasıl olsa kontrol ediyoruz" cümlesi, sandığınız güvenceyi vermiyor.
Ama abartmayalım — sınırları da var
Dürüst olalım: yukarıdaki kanıtın neredeyse tamamı danışmanlık ve yazılım geliştirmeden geliyor. Eğitim ve İK süreçlerine taşımak bir ekstrapolasyon. Benzerlik güçlü — her ikisi de bağlam bilgisine dayalı, çıktısı başkası tarafından kullanılan işler — ama bu bir varsayım, ölçüm değil.
Geliştirici çalışması 16 kişilik bir örnekleme dayanıyor; kendi kod tabanlarını çok iyi bilen uzmanlar. Küçük örneklem, güçlü bulgu, ihtiyatlı genelleme. Danışmanlık deneyindeki "sınır dışı" görev de kasten yapay zekânın çuvallayacağı biçimde kurgulanmıştı; günlük işin tamamı o kadar tuzaklı değil.
Bir uyarı da dolaşan büyük yüzdeler için. "Üretken yapay zekâ projelerinin şu kadarı terk edilecek" türü rakamların bir kısmı öngörü, bir kısmı da yöntemi zayıf anketler. İlgi çekici, ama üzerine karar kurulacak cinsten değil. Ben de bu yazıda onları kullanmadım.
Ve ters yön: kazançlar gerçek. Bu yazı "yapay zekâ işe yaramıyor" demiyor. Diyor ki, kazancın nerede olduğu ölçülmesi gereken bir şey; anlatılması gereken değil.
Ne çözer, ne çözmez
Çözer: ilk taslağı, biçim dönüştürmeyi, özetlemeyi, hacmi. Boş sayfa problemini gerçekten çözer ve bu küçümsenecek bir şey değil.
Çözmez: kurumda var olmayan uzmanlığı yaratmaz. Konu uzmanına erişemeyen bir ekip yapay zekâyla da o bilgiye ulaşamaz; sadece genel doğrulardan oluşan, sahanın "bizde böyle değil" diyeceği bir içerik üretir — ve bunu daha hızlı üretir.
Sorumluluğu da devralmaz. Yanlış cevap anahtarının, eksik prosedürün, hatalı analizin arkasında yine bir isim durur.
En önemlisi: bozuk bir süreci otomatikleştirdiğinizde süreç düzelmez, sadece daha hızlı bozulur.
Otomatikleştirmeden önce yedi soru
- Süreci çizin. Kim dahil, hangi politikalara dokunuyor, çıktısını kim kullanıyor, sahibi kim. Çünkü haritası olmayan bir süreçte yaptığınız iyileştirmenin kime maliyet çıkardığını göremezsiniz.
- Bugünkü maliyetini ölçün. Ayda kaç kişi-saat? Bu soruyu sorduğumda odadaki kimsenin cevabı bilmediği çok oldu. Süreç neredeyse bedavaya işliyorsa dokunmayın; ilgi hak eden başka bir yer bulun.
- Gerçekten daha verimli olması gerekiyor mu? Verimlilik uğruna verimlilik bir tuzak. Kazanç, ancak kazanılan şeyin bir karşılığı varsa kazançtır.
- Tasarruf için doğru araç bu mu? Araçtan başlayıp ona iş aramak bizi tam olarak buraya getirdi. Bazı süreçlerin cevabı bir kontrol listesi, bir form değişikliği ya da bir yetki devri.
- Başarının ne olduğunu paydaşlarla önceden yazın — özellikle akışın aşağısındakilerle. Çünkü bir kişinin işini kolaylaştırıp başka birinin masasına kontrol yükü bırakmak, tabloda "verimlilik" olarak görünür.
- Süresi önceden belirlenmiş kısa bir pilot yapın ve kontrol/düzeltme süresini de kaydedin. Sadece üretim süresini ölçerseniz pilot, işin hızlanan yarısını ölçmüş olur — ki o yarı zaten hızlanacaktı.
- Sonucu karara bağlayın. Gerçek bir kazanç varsa yayın. Yanlışlık, yapılmayan iş ya da yarattığınız kontrol adımları yüzünden yavaşlamış bir süreç görüyorsanız pilotu geri alın.
Kimsenin planına yazılmayan iş
Bu adımların hepsi tek bir şeye hizmet ediyor: kontrol işini görünür kılmak. Çünkü o iş genellikle ekibin en titiz kişisine düşer, kimsenin hedefinde yazmaz, hiçbir raporda görünmez ve tam olarak bu yüzden sürdürülemez. Ölçmediğiniz iş, olmayan iş değildir; sadece şikâyet etmeyecek birinin sırtındadır.
Pilotu geri almanın asıl değeri de burada. Geri almak, başarısız bir yaygınlaştırmanın maliyetinin çok küçük bir kısmıdır — ama daha önemlisi, o titiz kişinin bir dahaki sefere "tamam, deneyelim" demesini mümkün kılar. Korunmaya değer varlık kazanılan saatler değil, ekibin bir daha denemeye istekli olmasıdır.
Haritasını çıkarmadığınız bir süreci otomatikleştiremezsiniz. Sadece onu, kimin taşıdığını göremeyeceğiniz bir hale getirirsiniz.