Üretken yapay zekâ üretkenliği artırıyor mu? Kanıtların gösterdiği

Dijital Yaşam5 dk okumaYazar: AZURA Araştırma

Editoryal onay: Editoryal

Üretken yapay zekâ üretkenliği artırıyor mu? Kanıtların gösterdiği — kapak görseli

Üretken yapay zekânın üretkenlik etkisi üzerine iki zıt bulgu aynı anda dolaşıyor. Bir yanda müşteri hizmetlerinde yüzde 14, yazılım geliştirmede yüzde 26, pazarlama çıktısında yüzde 50'ye varan kazançlar var. Diğer yanda deneyimli açık kaynak geliştiricileriyle yapılan bir deneyde yapay zekâ kullanımı görev süresini yüzde 19 uzattı. İkisi de doğru olabilir; çünkü aynı teknoloji, farklı görevlerde ve farklı deneyim düzeylerinde farklı sonuç veriyor.

Stanford AI Index 2026, küresel kurumsal yapay zekâ yatırımının 2025'te 581,69 milyar dolara çıktığını ve ankete katılan organizasyonların yüzde 88'inin yapay zekâ kullandığını gösteriyor. Bu ölçekte bir yatırımın üretkenlikte görünür bir iz bırakması beklenir. Ancak makro veriler, henüz böyle bir sıçramanın değil, dağınık ve koşullu kazançların tablosunu çiziyor.

Kanıt 1: Dar görevlerde ölçülebilir kazanç

En net kanıt, sınırları belirli görevlerden geliyor. Brynjolfsson, Li ve Raymond'un yaklaşık 5.000 müşteri temsilcisi üzerindeki çalışmasında yapay zekâ desteği ortalama üretkenliği yüzde 14 artırdı. Etki homojen değildi: en düşük beceri ve deneyim düzeyindeki çalışanlarda kazanç yüzde 35'e çıkarken, en deneyimli grupta sıfıra yaklaştı, hatta bazı durumlarda hafif negatif oldu.

AI Index 2026 da benzer bir tabloyu farklı işler için veriyor: müşteri desteğinde yüzde 14-15, yazılım geliştirmede yüzde 26, pazarlama çıktısında yüzde 50. Rapordaki önemli uyarı, kazançların çıktının kolay ölçüldüğü, yapılandırılmış işlerde daha büyük olduğu; derin akıl yürütme gerektiren görevlerde küçüldüğü. Ayrıca yoğun yapay zekâ kullanımının uzun vadede öğrenmeyi yavaşlatabileceğine dair kanıtlar da raporda yer alıyor.

Kanıt 2: Deneyimli geliştiricilerde ters yön

METR'in 2025'te yayımladığı randomize kontrollü deney, bu tablonun diğer yüzünü gösteriyor. Geliştiricilerin yıllardır katkı verdiği, ortalama bir milyon satırı aşan kod tabanlarında çalışan 16 deneyimli geliştiriciyle 246 gerçek görev incelendi. Yapay zekâya izin verildiğinde deneyimli geliştiriciler görevleri yüzde 19 daha uzun sürede tamamladı.

Daha çarpıcı olan, algı ile ölçüm arasındaki farktı. Geliştiriciler yapay zekânın kendilerini yüzde 24 hızlandıracağını tahmin ediyordu; deneyden sonra bile yüzde 20 hızlandıklarını düşündüler. Oysa ölçülen süre daha uzundu. Bu sonuç, yapay zekânın işe yaramadığı anlamına gelmiyor; olgun, karmaşık ve bağlam yoğun kod tabanlarında net kazanç sağlamanın kolay olmadığını gösteriyor.

Kanıt 3: İş gücü piyasasında sinyal var, toplam çöküş yok

Benimseme hızı gerçekten yüksek. AI Index 2026'ya göre üretken yapay zekâ, üç yıl içinde nüfusun yüzde 53'üne ulaştı; bu, kişisel bilgisayar ve internetin aynı aşamadaki yayılımından hızlı. Organizasyonların yüzde 70'i üretken yapay zekâyı en az bir iş fonksiyonunda kullanıyor. Ancak benimseme ile ekonomik etki aynı şey değil.

İş gücü tarafında en belirgin sinyal, genç çalışanlarda görülüyor. AI Index 2026, 22-25 yaş arası yazılım geliştirici istihdamının 2024'e göre neredeyse yüzde 20 azaldığını aktarıyor. Organizasyonların üçte biri önümüzdeki yıl yapay zekâ nedeniyle iş gücünü azaltmayı bekliyor; ancak rapor, genel istihdam verilerinde henüz büyük ölçekli iş kayıplarının görünmediğini de ekliyor. Yani işe alım kanallarında bir değişim var, toplam istihdamda henüz bir çöküş yok.

ILO: maruziyet, iş kaybı değil

Uluslararası Çalışma Örgütü'nün 2025 tarihli güncellenmiş endeksi, dünya genelinde her dört çalışandan birinin bir miktar üretken yapay zekâ maruziyeti olan bir meslekte olduğunu tahmin ediyor. En yüksek maruziyet kategorisinde küresel istihdamın yalnızca yüzde 3,3'ü yer alıyor. Bu oran yüksek gelirli ülkelerde yüzde 34'e, düşük gelirli ülkelerde yüzde 11'e çıkıyor. Maruziyet en çok büro işlerinde yoğunlaşıyor.

Buradaki kilit nokta, "maruziyet" ile "iş kaybı"nın aynı şey olmaması. Maruziyet, bir mesleğin görevlerinin teknik olarak yapay zekâdan etkilenebileceğini söylüyor; bu görevlerin otomatikleşeceğini, mesleğin ortadan kalkacağını ya da çalışanın işini kaybedeceğini değil. ILO'nun vurgusu da dönüşüm: çoğu meslek, görevlerin bir kısmı değişirken insan katkısını koruyor.

OECD: makro etki mütevazı

OECD'nin tahmini, bu dağınık kanıtları bir araya getirdiğinde daha ölçülü bir tablo çiziyor. Kurum, yapay zekânın G7 ekonomilerinde önümüzdeki on yılda yıllık iş gücü verimliliği büyümesine 0,2 ile 1,3 puan arasında katkı yapabileceğini hesaplıyor. Bu, teknolojinin etkisiz olduğu anlamına gelmiyor; ama "üretkenlik devrimi" söyleminin bir anda gerçekleşmediğini gösteriyor.

OECD verileri, benimsemenin de sanıldığı kadar yaygın olmadığını ortaya koyuyor: 2025'te on ve daha fazla çalışanı olan işletmelerin yalnızca yüzde 20'si yapay zekâ kullanıyordu. Bu oran 2023-2025 arasında iki katına çıkmış olsa da hâlâ azınlık. Kurum, yapay zekâ kullanan firmaların daha üretken olduğunu, ancak kazancın beceri, veri altyapısı ve süreç tasarımı gibi tamamlayıcı yatırımlara bağlı olduğunu belirtiyor.

Neden bu kadar farklı sonuçlar?

Farklı sonuçların bir kısmı ölçüm düzeyinden kaynaklanıyor. Randomize deneyler belirli bir görevde, belirli bir araçla, kısa vadede ne olduğunu ölçüyor. Firma düzeyindeki çalışmalar organizasyonel tamamlayıcıları hesaba katıyor. Makro veriler ise tüm ekonominin toplamını ve gecikmeli etkileri gösteriyor. Aynı teknoloji için bu üç düzeyin farklı cevaplar vermesi doğal.

Bir diğer etken, benimseme ile etkin kullanım arasındaki fark. Bir aracı satın almak, onu iş akışına yerleştirmek ve çalışanların onu ne zaman kullanmayacağını öğrenmesi ayrı ayrı süreçler. AI Index'in yüzde 88 benimseme oranı ile OECD'nin yüzde 20'lik işletme oranı da farklı örneklemleri ve tanımları yansıtıyor; ikisini yan yana koymadan önce "kim soruldu" sorusuna bakmak gerekiyor.

Kanıtlananlar ve henüz kanıtlanmayanlar

Kanıtlananlar şunlar: yapılandırılmış, çıktısı ölçülebilir görevlerde anlamlı kazançlar var; bu kazançlar çalışanın deneyimine ve görevin niteliğine göre büyük fark gösteriyor; benimseme hızlı, kurumsal yatırım büyük; bazı giriş seviyesi işe alım kanallarında etki görülüyor. Bunlar artık tahmin değil, tekrarlanan bulgular.

Henüz kanıtlanmayanlar ise daha geniş: ekonomi genelinde bir üretkenlik sıçraması, büyük ölçekli bir işsizlik dalgası, net istihdam etkisinin yönü, uzun vadeli beceri gelişimi üzerindeki sonuçlar ve yapay zekânın ne kadar hızlı ilerleyeceği. Bu alanlarda veri az, tahmin fazla. Belirsizliği kesinlik gibi sunmak, kanıt ile öngörüyü karıştırmak olur.

Abartılanlar

"Yapay zekâ tüm işleri alacak" iddiası, ILO'nun yüzde 3,3'lük en yüksek maruziyet oranını iş kaybı gibi okumaktan doğuyor. "Üretkenlik iki katına çıkacak" iddiası, OECD'nin 0,2-1,3 puanlık on yıllık tahminiyle uyuşmuyor. "Yapay zekâ kullanan herkes daha verimli" iddiası ise METR deneyindeki yüzde 19'luk yavaşlamayı görmezden geliyor.

Bir başka abartı, işe alım sayısındaki değişimi tek başına teknolojiye bağlamak. AI Index'in 22-25 yaş grubundaki düşüşü, makroekonomik koşullar, işe alım dondurmaları ve sektörel döngülerle de açıklanabilir. Aynı şekilde, bir pilot projede elde edilen kazancı tüm organizasyona genellemek de yaygın bir hata. Abartı, çoğu zaman belirsizliği gizleme biçimidir.

Ne yapmalı?

Organizasyonlar için doğru başlangıç, görev düzeyinde ölçüm. Hangi işlerde süre, kalite ve hata oranı değişiyor; bu değişim çalışanın deneyimine göre nasıl farklılaşıyor; müşteri memnuniyeti ve çalışan yükü ne oluyor? Bu sorular yanıtlanmadan yapılan yatırım, benimseme oranını artırabilir ama üretkenliği garanti etmez.

İkinci adım, iş akışını yeniden tasarlamak. Yapay zekâyı mevcut sürecin üzerine eklemek yerine, hangi kararların insanda kalacağını, hangi çıktıların denetleneceğini ve hangi becerilerin gerektiğini tanımlamak gerekiyor. OECD'nin tamamlayıcı yatırım vurgusu tam olarak bunu anlatıyor: teknoloji tek başına değil, beceri ve süreçle birlikte etkili oluyor.

Politika tarafında ise eğitim, sosyal koruma ve teknolojinin küçük firmalara yayılması öne çıkıyor. Yapay zekânın üretkenlik etkisi bir model özelliğinden çok, organizasyonların ve kurumların onu nasıl kullandığına bağlı. Kanıtların gösterdiği şey, ne sonsuz bir hızlanma ne de tam bir durgunluk: koşullu, eşitsiz ve henüz olgunlaşmamış bir dönüşüm.

İlgili okumalar

Dijital Yaşam · Teknoloji ve Gelecek · Blog

Kaynaklar

  1. The 2026 AI Index Report — Stanford Institute for Human-Centered Artificial Intelligence
  2. AI Index Report 2026, Chapter 4: Economy — Stanford HAI
  3. Generative AI and Jobs: A Refined Global Index of Occupational Exposure — ILO Working Paper 140
  4. Innovation and trust: Why AI needs both — OECD
  5. Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity — METR
  6. Measuring the Productivity Impact of Generative AI — NBER Digest