İş ve Üretkenlikte Yapay Zekâ: Kanıt Ne Diyor?

1. Gürültünün İçinde Veri Aramak

"Yapay zekâ üretkenliği 10 kat artırıyor" ve "yapay zekâ aslında hiçbir şey kazandırmıyor, sadece hype" — bu iki cümle de aynı hafta içinde, aynı platformda karşınıza çıkabilir. İkisi de kaynaksız, ikisi de kesin, ikisi de kendinden emin.

Bu derste farklı bir yol izleyeceğiz: ölçülmüş olana bakacağız, ve o ölçümün ne söyleyip ne söylemediğini dürüstçe ayıracağız.

2. En Sağlam Kanıt: Noy & Zhang (2023, Science)

Alandaki en çok atıf alan deneysel çalışmalardan biri, Shakked Noy ve Whitney Zhang'in *Science*'ta yayımlanan araştırmasıdır.

Yöntem. 453 üniversite mezunu profesyonele, kendi mesleklerine özgü orta düzey yazma görevleri (basın bülteni, kısa rapor, analiz notu, hassas e-posta) verildi. Katılımcıların yarısı rastgele seçilerek üretken yapay zekâya erişim aldı, yarısı almadı. Çalışma ön kayıtlıydı (analiz planı önceden ilan edilmişti) ve çıktılar bağımsız değerlendiricilerce puanlandı.

Bulgular:

• Görevi tamamlama süresi ortalama %40 azaldı.


• Çıktı kalitesi ortalama %18 arttı.


• Çalışanlar arasındaki eşitsizlik azaldı: en büyük kazancı, başlangıçta daha zayıf performans gösterenler elde etti.


• Deneyde araca maruz kalanların gerçek işlerinde de kullanmaya devam etme olasılığı iki hafta sonra 2 kat, iki ay sonra 1,6 kattı.

Bu bulgu ne SÖYLÜYOR: Belirli bir görev sınıfında — kısa, yapılandırılmış, profesyonel yazı işlerinde — kazanç gerçektir, ölçülmüştür ve küçük değildir.

3. Nerede Kazandırır, Nerede Kaybettirir?

Deneysel literatürün ve saha deneyiminin birleştiği tabloyu şöyle özetleyebiliriz:

| Görev tipi | Beklenen etki | Neden |
|---|---|---|
| İlk taslak üretmek (metin, e-posta, plan) | Yüksek kazanç | Boş sayfa problemi çözülür; düzeltmek yazmaktan hızlıdır |
| Biçim dönüştürme (uzun→kısa, resmî→sade, çeviri) | Yüksek kazanç | Kalıp işi; hata maliyeti düşük |
| Özetleme ve tarama (çok belge içinden ilgili kısmı bulma) | Orta-yüksek | Ama özet doğrulanmalı |
| Kod yazma / hata ayıklama | Orta-yüksek | Test edilebilir olduğu için hata hızlı yakalanır |
| Beyin fırtınası ve seçenek üretme | Orta | Nicelik artar; seçimi sen yaparsın |
| Olgusal araştırma (tarih, mevzuat, sayı) | Riskli | Halüsinasyon riski en yüksek alan |
| Yüksek riskli karar (tıbbi, hukuki, finansal) | Riskli / denetim şart | Hata maliyeti çok yüksek; sorumluluk insanda |
| Özgün yaratıcı iş / kişisel ses | Düşük veya negatif | Model ortalamaya çeker; ayırt ediciliği azaltır |

Son satır önemlidir ve az konuşulur: Model, eğitim verisindeki ortalamayı üretme eğilimindedir. Ayırt edici bir sese, özgün bir bakışa sahipseniz, modele fazla yaslanmak sizi ortalamaya doğru çeker. Bu, verimlilik kazancının görünmeyen maliyetidir.

4. Bir İşi Nasıl Ayrıştırırsınız?

"Yapay zekâ işimi alır mı?" sorusu yanlış kurulmuştur, çünkü işler bütün olarak değil adım adım devredilir. Doğru soru: "Bu işin hangi adımı devredilebilir?"

Herhangi bir işi dört adıma bölün:

1. Girdi toplama (bilgiyi bulmak, belgeleri açmak) → çoğunlukla devredilebilir
2. İşleme (özetleme, taslak, dönüştürme) → büyük ölçüde devredilebilir
3. Yargı (hangi seçenek doğru, hangi risk kabul edilebilir) → devredilemez
4. Sorumluluk (sonucun arkasında durmak) → hukuken ve ahlaken devredilemez

Bu ayrım, hem bireysel iş akışınızı tasarlamanızı hem de "mesleğim bitiyor mu?" kaygısını gerçekçi biçimde değerlendirmenizi sağlar. Yargı ve sorumluluk ağırlıklı işler (yöneticilik, klinisyenlik, hâkimlik, öğretmenlik, mühendislik onayı) yapısal olarak korunaklıdır; girdi toplama ve mekanik işleme ağırlıklı işler dönüşüm baskısı altındadır.

5. Uygulama: Üç Haftalık İş Akışı Denemesi

1. hafta — Ölç. Haftanın en çok zaman alan 5 görevini yazın ve her birine harcadığınız süreyi kabaca not edin. Ölçmeden iyileştirme yapılamaz.

2. hafta — Ayrıştır. Her görev için dört adımı işaretleyin (girdi / işleme / yargı / sorumluluk). Yalnızca ilk iki adımı devretmeyi deneyin. Yargı adımına dokunmayın.

3. hafta — Doğrulama kapısı kur. Devrettiğiniz her adım için tek satırlık bir kontrol yazın:

• "Sayı ve tarih içeren her cümle kaynağından doğrulanacak."


• "Müşteriye giden hiçbir metin okunmadan gönderilmeyecek."


• "Mevzuat atfı, ilgili kurumun resmî sitesinden teyit edilecek."

Sonuç ölçümü: 4. hafta aynı 5 görevi tekrar ölçün. Kazanç varsa kalıcılaştırın; yoksa o görevde devretmeyi bırakın. Herkesin işi farklıdır; kendi verinize güvenin, sosyal medyadaki iddialara değil.

6. Türkiye Bağlamı ve Vaka

Türkiye'de KOBİ'ler için yapay zekânın en gerçekçi getirisi, "devrim" söyleminden çok idari yükün azalmasıdır: teklif metinleri, müşteri yazışmaları, ürün açıklamaları, sosyal medya metinleri, e-posta taslakları, çeviri. Bunlar tam olarak Noy & Zhang'in ölçtüğü görev sınıfına girer ve kazanç gerçektir.

Buna karşılık iki yerel risk vardır: (1) mevzuat ve muhasebe konularında modelin ürettiği bilginin eskimiş veya uydurma olması; (2) müşteri verisinin dış servislere girilmesiyle doğan KVKK riski (bir sonraki bölümde ele alınacak).

Vaka. İzmir'de 12 kişilik bir e-ticaret firmasında pazarlama sorumlusu olarak çalışan 33 yaşındaki Merve, haftada yaklaşık 9 saatini ürün açıklaması yazmaya harcıyordu.

İş akışını ayrıştırdı:

• Girdi: ürün özellikleri tablosu → zaten hazır.


• İşleme: açıklama taslağı → devredildi. 20 ürünün özelliklerini tek seferde verip, kendi yazdığı 3 beğendiği açıklamayı örnek olarak ekledi (az örnekli istem).


• Yargı: hangi özelliğin öne çıkacağı, marka tonu, hangi iddianın yasal olarak söylenebileceği → devredilmedi.


• Sorumluluk: yayına alma kararı → Merve'de.


• Doğrulama kapısı: "Hiçbir açıklamada model kaynaklı teknik özellik ya da sertifika iddiası yer almayacak; yalnızca tablodan gelen veriler kullanılacak."

Sonuç: haftalık 9 saat → yaklaşık 3,5 saat. Ama asıl kazanç başka yerdeydi: kalan zamanı ürün fotoğraflarını ve müşteri yorumlarını iyileştirmeye ayırdı, ki bu satışa çok daha fazla etki etti. Bu, tipik bir örüntüdür — kazanç, kazanılan zamanın nereye yatırıldığına bağlıdır.

İkinci vaka. Ankara'da serbest çalışan çevirmen Kemal, ilk aylarda tüm çeviriyi modele yaptırıp düzeltmeyi denedi ve kalitesinin düştüğünü fark etti (model, metnin sesini düzleştiriyordu). Yöntemi değiştirdi: teknik ve tekrarlayan bölümleri devretti, edebî ve nüanslı bölümleri kendisi çevirdi. Hem hız hem kalite korundu. Bu, "ortalamaya çekme" riskinin somut yönetimidir.

7. Anahtar Çıkarımlar

• Ölçülmüş kazanç gerçektir ama görev tipine bağlıdır (Noy & Zhang 2023: süre −%40, kalite +%18, *orta düzey yazma görevlerinde*).
• Kazanç en çok başlangıçta zayıf olanlarda; araç eşitsizliği azaltma eğiliminde.
• İşler bütün olarak değil, adım adım devredilir: girdi ve işleme devredilebilir; yargı ve sorumluluk devredilemez.
• Riskli alanlar: olgusal araştırma, yüksek riskli kararlar, özgün yaratıcı ses.
• Kendi verinle karar ver. Üç haftalık ölç-ayrıştır-doğrula denemesi, sosyal medyadaki iddialardan daha güvenilirdir.
• Kazanılan zamanı nereye koyduğun, kazancın kendisinden önemlidir."

1. Doğrulama maliyeti. Model bir metni 5 dakikada üretir; ama içindeki üç sayıyı doğrulamak 20 dakika sürebilir. Kazanç hesabı yapılırken bu adım çoğu zaman unutulur. Bazı görevlerde net kazanç, doğrulama yükü nedeniyle sıfıra hatta negatife düşer. Kural: doğrulama maliyeti yüksekse, görevi devretmeyin.

2. Beceri erozyonu. Bainbridge'in otomasyon ironisi burada da işler: bir işi sürekli devrederseniz, o işteki beceriniz zamanla zayıflar. Sorun, araç çalışmadığında ortaya çıkar (erişim yok, gizli veri var, kritik karar anı). Karşı önlem: kritik becerilerde düzenli olarak araçsız çalışın.

3. Ortalamaya çekilme. Model, eğitim verisindeki ortalamayı üretme eğilimindedir. Ayırt edici bir ses, üslup ya da bakış açınız varsa, fazla yaslanmak sizi rakiplerinizden ayıran şeyi törpüler. Bu, özellikle içerik üreticileri, danışmanlar ve yaratıcı meslekler için gerçek bir stratejik risktir.

Politika yazın (bir sayfa yeter). İçermesi gerekenler: hangi araçlar onaylı, hangi veriler girilemez, hangi çıktılar insan onayı gerektirir, kullanım nasıl beyan edilir.

Ortak istem kütüphanesi kurun. Bir kişinin geliştirdiği iyi istem, tüm ekibin verimini artırır. Bunu paylaşılan bir belgede tutun.

Kazanılan zamanı planlayın. Verimlilik kazancı, yönlendirilmezse daha fazla iş olarak geri döner ve tükenmişliği artırır. Kazanılan zamanın nereye gideceğine önceden karar verin: kalite, eğitim, dinlenme ya da yeni iş.

Ölçün. "Yapay zekâ kullanıyoruz" bir sonuç değildir. Görev bazlı süre ve kalite ölçümü yapmadan, kazancın gerçek olup olmadığını bilemezsiniz.

"Mesleğim risk altında mı?" İşleri adım adım ayrıştırın. Girdi toplama ve mekanik işleme ağırlıklı işler dönüşüm baskısı altındadır; yargı, sorumluluk ve insan ilişkisi ağırlıklı işler daha korunaklıdır. Çoğu meslek tamamen değil, kısmen dönüşür.

"Rakiplerim kullanıyor, geri mi kalıyorum?" Kullanım kendi başına avantaj üretmez. Avantajı üreten şey, doğru adımı devredip doğru adımı elde tutmaktır — ve kazanılan zamanı nereye yatırdığınızdır.

"Küçük işletme için başlangıç noktası ne olmalı?"** En çok zaman alan üç yazı işini (teklif, müşteri yanıtı, ürün açıklaması) üç hafta ölçün, sonra devredip yeniden ölçün. Veri sizin olsun.

11. Kapanış: Kendi Verinize Güvenin

Bu dersin tek pratik mesajı şudur: Yapay zekâ hakkında sosyal medyada okuduğunuz hiçbir iddia, kendi işinizde üç hafta boyunca yaptığınız ölçüm kadar değerli değildir.

Verimlilik kişisel ve göreve özgüdür. Aynı araç, bir meslekte %40 zaman kazandırırken bir diğerinde net kayıp üretebilir. Kendi verinizi toplayın, ona göre karar verin — ve kazandığınız zamanı nereye koyacağınıza önceden karar verin. Aksi hâlde kazanılan zaman, sessizce daha fazla işe dönüşür.