Yazar: olcaysilahli

Yapay zekâ eğitimi dönüşüm değildir; dönüşüm, eğitimden sonra işin kimde, hangi sırayla, kimin onayıyla yapıldığının ve neyle ölçüldüğünün değişmesidir. Eğitim transferi araştırmaları ve tamamlayıcı yatırım çalışmaları, öğrenilenin işe taşınmasının iş ortamı ve iş düzeniyle birlikte görüldüğünü gösteriyor; yapay zekâ alan deneyleri de aracın görevin yapısını değiştirdiğini.

Kurumların planı ise çoğunlukla eğitimle başlıyor. Dünya Ekonomik Forumu’nun 2024 sonunda 55 ekonomide 1.000’in üzerinde işverenle yaptığı ankette, yapay zekâya karşı 2030’a kadar en sık planlanan adım çalışanları yeniden eğitmek: yüzde 77. Çalışanları gerileyen işlerden kurum içinde başka rollere taşımayı planlayanlar yüzde 47. Bunlar plan, gerçekleşme değil.

Aynı raporda 11.000’in üzerinde yöneticiyle yapılan ayrı bir ankette benimsemenin önündeki en büyük engel yüzde 50 ile beceri eksikliği. Onu yüzde 43 ile yönetici ve liderlerdeki vizyon eksikliği izliyor. Bizim okumamız: ikinci engel bir kurs listesiyle kapanmaz; hangi işin değişeceğine yöneticinin karar vermesi gerekir.

Bu yazıda o planın neden yetmediğine dört kaynak ailesinden bakıyorum: eğitim transferi literatürü, teknoloji ve organizasyon üzerine ekonomi çalışmaları, yapay zekâ alan deneyleri ve uluslararası kurumların verileri. Kısa sürümü Eğitim dönüşüm değildir yazısında. Bizim okumamız: rol, iş akışı, karar hakkı ve ölçüm yeniden tasarlanmadan eğitim işe kalıcı olarak taşınmıyor.

Eğitim işe neden kendiliğinden taşınmıyor?

Çünkü öğrenilenin işe taşınmasını büyük ölçüde sınıf değil, iş ortamı belirler. Baldwin ve Ford, 1988’de Personnel Psychology’de yayımlanan derlemelerinde transferi iki koşulla tanımlıyor: öğrenilenin işe genellenmesi ve becerinin zaman içinde işte sürdürülmesi. Transferi etkileyen etkenleri de üç grupta topluyorlar: eğitimin tasarımı, katılımcının özellikleri ve iş ortamı.

Blume, Ford, Baldwin ve Huang 2010’da 89 ampirik çalışmayı meta-analizle birleştirdi. Transferle olumlu ilişkili etkenler arasında bilişsel yetenek, motivasyon ve destekleyici bir iş ortamı var. Bir bulgu yapay zekâ eğitimi için özellikle önemli. Liderlik gibi “açık” becerilerde bu etkenlerin transferle ilişkisi, yazılım kullanımı gibi “kapalı” becerilere göre daha güçlü.

Bizim okumamız: yapay zekâyla çalışmak yalnız bir yazılımı kullanmak değil. Hangi işin araca verileceğine ve çıktının ne zaman yeterli sayılacağına karar vermeyi de içeriyor. Bu da onu açık beceriye yaklaştırıyor; iş ortamının ağırlığı artıyor.

Grossman ve Salas 2011’de aynı modeli kullanarak en tutarlı etkenleri ayıkladı. İş ortamı tarafında dört kalem öne çıkıyor: transfer iklimi, destek, öğrenileni uygulama fırsatı ve takip. Uygulama fırsatı bir iş tasarımı sorusudur. Eğitimden sonra iş akışı aynı kaldıysa, öğrenileni deneyecek yer de yoktur.

Yapay zekâ eğitimi kullanımı artırıyor mu, sonucu değiştiriyor mu?

Eğitim, işveren teşviki ve kurum içi araçla birlikte kullanım belirgin artıyor; sonuç tarafında etki şimdilik küçük. Humlum ve Vestergaard, Danimarka’da 11 meslekten 25.000 çalışanı ve 7.000 işyerini 2023 sonu ve 2024’te iki ankette inceledi. Çalışanların yüzde 30’u sohbet robotlarının kullanımı üzerine bir eğitime katılmış; bu eğitimlerin çoğunu işveren düzenlemiş.

İşverenin teşviki, kurum içi araçlar ve eğitim birlikte, tipik bir çalışanda kullanım oranını yüzde 47’den yüzde 83’e çıkarıyor. Bu artışı eğitime tek başına bağlamak doğru olmaz. Kullanıcıların bildirdiği ortalama zaman tasarrufu ise çalışma saatlerinin yüzde 2,8’i. Kazançta ve kayıtlı çalışma saatinde anlamlı bir etki yok; güven aralıkları yüzde 1’den büyük etkileri dışarıda bırakıyor. Yazarların cümlesi: “Yet, despite substantial investments, economic impacts remain minimal.”

Aynı çalışmada sohbet robotları çalışanların yüzde 8,4’ü için yeni iş görevleri yaratmış; yazarlar bunu işverenlerin teşvik, araç ve eğitim yatırımlarının sonuçları arasında sayıyor. Yani rol, araç gelince değişiyor; soru, bu değişikliği kimin tasarladığı.

Çalışma Danimarka ve 2024 ile sınırlı ve hakemli yayın değil; Türkiye’ye doğrudan taşınmamalı.

Teknoloji yatırımlarında eksik parça neydi?

Organizasyonun kendisi. Bresnahan, Brynjolfsson ve Hitt, yaklaşık 400 büyük ABD firmasının verisiyle bilgi teknolojisinin üç yenilikle birlikte görüldüğünü gösterdi: teknoloji, iş yerinin yeniden örgütlenmesi ve yeni ürünler. Yeniden örgütlenmeyi ölçerken baktıkları kalemlerden biri, çeşitli karar haklarının sahadaki çalışanlara devredilmesi.

En çarpıcı cümleleri şu: tamamlayıcı unsurlardan yalnız birini uygulayan firmalar, çoğu zaman hiçbirini uygulamayan firmalardan daha az verimli. Bu bir ilişki bulgusu, nedensellik kanıtı değil; veri 1990’ların ABD firmalarından geliyor. Yine de eğitimi tek başına başlatıp iş düzenine dokunmayan kurum için uyarı değeri taşıyor. Örneklemdeki yöneticilerin kendi açıklaması da sade: bilgi teknolojisi kullanımı daha becerili çalışan ve daha dağıtık karar alma gerektiriyor.

Brynjolfsson, Rock ve Syverson’ın “verimlilik J-eğrisi” çalışması aynı mantığı yapay zekâya taşıyor. Genel amaçlı teknolojiler yeni süreçler, iş modelleri ve insan sermayesi gibi tamamlayıcı yatırımlar gerektirir. Firmalar yeni iş süreçleri kurmalı, yönetsel deneyim biriktirmeli ve çalışanlarını eğitmeli. Eğitim bu listede kalemlerden yalnız biri.

Yapay zekâ alan deneyleri iş tasarımı hakkında ne gösteriyor?

Aracın kazancı büyütürken görevin yapısını da değiştirdiğini. MIT’den Noy ve Zhang, Science’ta yayımlanan ön kayıtlı deneyde 453 üniversite mezunu profesyonele mesleklerine özgü yazı görevleri verdi ve yarısına rastgele bir sohbet robotu erişimi açtı. Ortalama süre yüzde 40 kısaldı, çıktı kalitesi yüzde 18 arttı. Çalışma kâğıdı sürümü kazancın nereden geldiğini de gösteriyor: araç, zamanı taslak yazmaktan fikir üretmeye ve düzeltmeye kaydırarak görevin yapısını değiştirdi.

Çalışma kâğıdı sürümünde aracı gerçek işinde kullanmayan katılımcıların çoğu gerekçe olarak aracın, yazılarının önemli bir parçası olan bağlama özgü bilgiden yoksun olmasını gösteriyor. Bizim okumamız: hangi görevin araca verileceği ve hangi bilginin ona sağlanacağı bir eğitim konusu olmaktan önce bir iş tasarımı kararıdır. Bu ayrımı tek tek çalışanın sezgisine bırakmak riskli.

Brynjolfsson, Li ve Raymond, 5.179 müşteri destek temsilcisinde kademeli olarak devreye alınan bir üretken yapay zekâ asistanını inceledi. Saatte çözülen talep sayısı ortalama yüzde 14, yeni ve düşük becerili temsilcilerde yüzde 34 arttı. Asistanı kullanan iki aylık temsilciler, kullanmayan altı aydan kıdemli temsilciler kadar iyi performans gösterdi. Yazarlar, iş akışının içine yerleştirilmiş aracın kalıcı bir öğrenme de yaratabildiğine dair kanıt sunuyor: araç kesintideyken bile kazancın bir kısmı sürüyor. Yazarların notu da önemli: araç temsilciyi destekliyor, konuşmanın sorumluluğu temsilcide kalıyor.

Uluslararası Çalışma Örgütü’nün 2025 endeksi, dünyada her dört çalışandan birinin üretken yapay zekâya bir ölçüde maruz bir meslekte olduğunu hesaplıyor. Kurumun değerlendirmesi, çoğu meslek insan katkısı gerektiren görevlerden oluştuğu için en olası etkinin işlerin dönüşümü olduğu yönünde.

Aşağıdaki tablo bizim okumamızdır; son sütun her satırın dayandığı bulguyu gösterir.

Tasarım alanı	Eğitim neyi değiştirir	Eğitimin değiştirmediği	Dayandığı bulgu
Rol	Kişinin araç bilgisini	Kimin hangi işi yaptığını	Uluslararası Çalışma Örgütü 2025 (en olası etki işlerin dönüşümü); Humlum ve Vestergaard 2025 (yeni görevler)
İş akışı	Kişinin aracı kullanma becerisini	Görevlerin sırasını ve hangisinin araca gittiğini	Noy ve Zhang 2023 ve Brynjolfsson, Li, Raymond 2023 (araç erişimi görevin yapısını değiştirdi)
Karar hakkı	Kararın nasıl verileceğine dair bilgiyi	Kimin onayladığını ve sorumluluğu kimin taşıdığını	Bresnahan, Brynjolfsson, Hitt 1999 (karar haklarının devri); TÜİK 2026 (sorumluluk belirsizliği)
Ölçüm	Katılım ve memnuniyet verisini	İşteki davranışı ve sonucu	Kirkpatrick modeli (Alliger ve Janak 1989); Blume ve diğ. 2010

Türkiye’deki veriler neye işaret ediyor?

Kullanımın hızla arttığına ve en büyük engelin yalnız beceri olmadığına. TÜİK’in 2 Ekim 2026 bültenine göre 10 ve daha fazla çalışanı olan girişimlerde yapay zekâ kullananların oranı 2025’te yüzde 7,5 iken 2026’da yüzde 14,0 oldu.

Yapay zekâ kullanmayıp kullanmayı düşünen girişimlerin (kullanmayanların yüzde 8,3’ü) en sık gerekçesi yüzde 72,3 ile ilgili uzmanlığın eksikliği. Onu yüzde 66,4 ile zarar durumunda sorumluluğun kimde olacağına dair hukuki belirsizlik izliyor. Soru çoklu seçimli. Uzmanlık eksiğine verilecek ilk cevap eğitim olabilir; ikinci gerekçe ise ancak karar hakkı ve sorumluluk yazılı hale geldiğinde cevaplanır.

Türkiye’nin dahil olmadığı OECD anketleri (yedi ülke, imalat ve finans) de benzer bir ikiliye işaret ediyor: hem eğitim hem de çalışanlara danışılması, çalışanlar açısından daha iyi sonuçlarla birlikte görülüyor. Bizim okumamız: eğitim, işin nasıl değişeceğini çalışanla konuşan bir süreçle birlikte daha anlamlı.

Eğitimin işe yarayıp yaramadığı nasıl ölçülür?

Katılımcının memnuniyetiyle değil, işteki davranışla ve iş sonucuyla. Donald Kirkpatrick’in 1959-1960 yazılarında ortaya koyduğu model dört düzey tanımlıyor: tepki, öğrenme, davranış ve sonuç. Alliger ve Janak 1989’da modeli otuz yıl sonra yeniden incelediler ve düzeylerin birbirine nedensel olarak bağlı olduğu varsayımı dahil üç varsayımını sorunlu buldular. Yani katılımcının memnun olması, işte davranışın değiştiği anlamına gelmez.

Blume ve arkadaşlarının meta-analizi bir ölçüm tuzağına da işaret ediyor. Transfer sonucu aynı kaynaktan ve aynı ölçüm bağlamında alındığında ilişkiler sistematik olarak şişiyor. Eğitimin sonunda katılımcıya “işinizde kullanıyor musunuz?” diye sormak bu tuzağa düşmenin kolay bir yolu.

Bu yüzden ölçüm tasarımı eğitimden önce yapılır. Hangi işte, hangi davranışın, hangi sonucu değiştirmesini beklediğinizi yazmadan programa başlarsanız, sonunda elinizde yalnız tepki ve katılım verisi kalır. Bu veri eğitimin sevildiğini gösterir; işin değiştiğini göstermez.

Kendi şirketimi, Türkiye ve İspanya’daki operasyonlarıyla birlikte, bir yapay zekâ kurmayla ve ona bağlı ajanlarla yönetiyorum. Nakit akışı, fatura ve yazışma hazırlığı kurmayda; para kararları ve dışarı giden yazışmanın onayı bende kalıyor. Bu düzende sorulan soru “ekip aracı biliyor mu” değil; “bu iş kimde ve hata olursa sorumluluk kimde”.

Bu hafta ne yapmalı?

• Bir alan seçin (İK ve alan yöneticisi): eğitim planlanan alanda haftalık işleri listeleyin; her işin yanına bugünkü sahibini yazın.
• Devir kararını yazın (alan yöneticisi): her iş için “araca gider, araçla birlikte yapılır, henüz değil, devredilmez” kararını ve onaylayacak kişiyi yazın. Eğitim içeriğini bu listeden türetin.
• Ölçütü önceden koyun (İK): eğitimden önce tek bir iş ölçütünün bugünkü değerini kayıttan alın; değerlendirmeyi katılımcı anketiyle değil, bu ölçütle yapın.

Bu yazı neyi iddia etmiyor: Eğitimin gereksiz olduğunu söylemiyoruz; araştırmalar eğitimi tamamlayıcı yatırımların biri olarak sayıyor. Söylediğimiz, eğitimin rol, iş akışı, karar hakkı ve ölçüm tasarımının yerine geçmediği.

SSS

Yapay zekâ eğitimi hiç işe yaramıyor mu?

Yarıyor, ama tek başına sınırlı. Danimarka verisinde eğitim ve teşvik kullanımı belirgin artırdı; iş sonuçlarındaki etki ise küçük kaldı. Eğitim, işin yeniden tasarımıyla birlikte planlandığında hedefini bulur.

Eğitimi iş tasarımından önce mi sonra mı yapmalı?

Önce hangi işlerin değişeceği yazılmalı, eğitim de o işlere göre role özel verilmeli. Devir Yöntemi bu sırayı izler; eğitim programlarımız da bu haritadan türetilir.

İK bu süreçte neyin sahibi?

İK eğitimin ve ölçümün sahibidir; iş akışı ve karar hakkı ise alan yöneticisinde kalır. İK için başlangıç noktamız bu ayrımı anlatıyor.

Eğitim takviminizdeki ilk program, hangi işin sahibini ya da sırasını değiştirecek? Role özel eğitim talebinizi iletin.

Kaynaklar

• Timothy T. Baldwin ve J. Kevin Ford, Transfer of Training: A Review and Directions for Future Research, Personnel Psychology 41(1), 1988, s. 63-105. https://doi.org/10.1111/j.1744-6570.1988.tb00632.x . Erişim 10.10.2026 (yayıncı özeti).
• Brian D. Blume, J. Kevin Ford, Timothy T. Baldwin ve Jason L. Huang, Transfer of Training: A Meta-Analytic Review, Journal of Management 36(4), 2010, s. 1065-1105. 89 ampirik çalışma. https://doi.org/10.1177/0149206309352880 . Erişim 10.10.2026 (yayıncı özeti).
• Rebecca Grossman ve Eduardo Salas, The transfer of training: what really matters, International Journal of Training and Development 15(2), 2011, s. 103-120. https://doi.org/10.1111/j.1468-2419.2011.00373.x . Erişim 10.10.2026 (yayıncı özeti).
• George M. Alliger ve Elizabeth A. Janak, Kirkpatrick’s levels of training criteria: Thirty years later, Personnel Psychology 42(2), 1989, s. 331-342. https://doi.org/10.1111/j.1744-6570.1989.tb00661.x . Erişim 10.10.2026 (yayıncı özeti).
• Dünya Ekonomik Forumu, Future of Jobs Report 2025 (Ocak 2025), s. 5, 9, 62-63, Şekil 4.14. https://reports.weforum.org/docs/WEF_Future_of_Jobs_Report_2025.pdf . Erişim 04.10.2026, yeniden kontrol 10.10.2026.
• Anders Humlum ve Emilie Vestergaard, Large Language Models, Small Labor Market Effects, Chicago Üniversitesi Becker Friedman Enstitüsü çalışma kâğıdı 2025-56 (Mayıs 2025), özet, s. 2, 8 ve 15. https://bfi.uchicago.edu/wp-content/uploads/2025/04/BFI_WP_2025-56-3.pdf . Erişim 04.10.2026, yeniden kontrol 10.10.2026.
• Timothy F. Bresnahan, Erik Brynjolfsson ve Lorin M. Hitt, Information Technology, Workplace Organization and the Demand for Skilled Labor: Firm-Level Evidence, NBER çalışma kâğıdı 7136 (1999), s. 20, 25 ve 35; yayımlanmış hali The Quarterly Journal of Economics 117(1), 2002. https://www.nber.org/papers/w7136 . Erişim 10.10.2026.
• Erik Brynjolfsson, Daniel Rock ve Chad Syverson, The Productivity J-Curve: How Intangibles Complement General Purpose Technologies, NBER çalışma kâğıdı 25148 (2018, gözden geçirilmiş 2020), özet ve s. 2. https://www.nber.org/papers/w25148 . Erişim 04.10.2026.
• Shakked Noy ve Whitney Zhang, Experimental evidence on the productivity effects of generative artificial intelligence, Science 381(6654), 2023, s. 187-192. https://doi.org/10.1126/science.adh2586 . Çalışma kâğıdı sürümü (MIT, 2 Mart 2023), s. 1 ve 12: https://economics.mit.edu/sites/default/files/inline-files/Noy_Zhang_1.pdf . Erişim 10.10.2026.
• Erik Brynjolfsson, Danielle Li ve Lindsey R. Raymond, Generative AI at Work, NBER çalışma kâğıdı 31161 (2023), özet ve s. 2; The Quarterly Journal of Economics 140(2), 2025. https://www.nber.org/papers/w31161 . Erişim 10.10.2026.
• Pawel Gmyrek ve diğ., Generative AI and Jobs: A Refined Global Index of Occupational Exposure, ILO Working Paper 140 (2025). https://www.ilo.org/publications/generative-ai-and-jobs-refined-global-index-occupational-exposure . Erişim 10.10.2026 (yayın sayfası özeti).
• Marguerita Lane, Morgan Williams ve Stijn Broecke, The impact of AI on the workplace: Main findings from the OECD AI surveys of employers and workers, OECD (27 Mart 2023). https://www.oecd.org/en/publications/the-impact-of-ai-on-the-workplace-main-findings-from-the-oecd-ai-surveys-of-employers-and-workers_ea0a0fe1-en.html . Erişim 10.10.2026 (özet).
• TÜİK, Yapay Zeka İstatistikleri, 2026, haber bülteni 62066 (2 Ekim 2026). Kapsam: 10 ve daha fazla çalışanı olan girişimler. https://veriportali.tuik.gov.tr/tr/press/62066 . Erişim 04.10.2026.

1 Ağustos 2026’dan beri Türkiye’de reklamda yapay zekâ kullanımı belirli durumlarda beyan edilmek zorunda. Kullanım tüketicinin ekonomik davranışını önemli ölçüde etkiliyorsa ya da reklamda insandan ayırt edilemeyen bir dijital karakter varsa, bu durum açık ve anlaşılır biçimde belirtilir. Gerçek bir kişinin yapay zekâ kopyasını ürünü gerçeğe aykırı biçimde kullanmış ya da tavsiye etmiş gibi gösteren reklam ise yasak.

Kural, Ticaret Bakanlığı’nın 1 Temmuz 2026’da Resmî Gazete’de yayımladığı yönetmelik değişikliğiyle geldi ve bir ay sonra yürürlüğe girdi. Ticaret Bakanlığı’nın duyurusu da etkileyici reklamlarını ve hedefli reklamı aynı pakette saydı. Pazarlama ekibi için asıl soru ise hukuk metninin bir adım sonrasında duruyor: bu kontrolü kim, hangi aşamada yapacak ve yayın onayı kimde kalacak?

Bu yazıda yönetmeliğin ilgili fıkralarını birincil metinden okuyoruz ve bir pazarlama ekibinin onay akışına nasıl yerleşeceğini anlatıyoruz. Hukuki görüş değildir; kendi hukuk danışmanınızla doğrulayın.

Yönetmelik tam olarak ne diyor?

Değişikliğin 6. maddesi, ana yönetmeliğin 18. maddesine şu fıkrayı ekliyor: “Reklamlarda, tüketicilerin bir mal veya hizmete ilişkin ekonomik davranış biçimini önemli ölçüde etkileyecek şekilde yapay zekâ veya başka bir yazılımın kullanılması yahut yapay zekâ teknolojileri kullanılarak insandan ayırt edilemeyecek dijital karakterlere yer verilmesi halinde bu husus açık, anlaşılır ve ayırt edilebilir şekilde belirtilir.”

Değişikliğin 11. maddesi ise 27. maddeye yeni bir yasak ekliyor. Gerçek bir kişinin yapay zekâyla oluşturulmuş dijital kopyasının, gerçeğe aykırı biçimde bir mal ya da hizmeti bizzat deneyimlediği, kullandığı ya da tavsiye ettiği izlenimini veren reklamlar yapılamaz. 15. maddeye göre değişiklik 1 Ağustos 2026’da yürürlüğe girdi. Ticaret Bakanlığı 27 Temmuz 2026 tarihli duyurusunda bu iki kuralı yeni dönemin başlıkları arasında saydı.

Her yapay zekâ kullanımı etiket ister mi?

Metne göre hayır; ölçüt kullanımın kendisi değil, etkisi. Fıkra, yapay zekânın tüketicinin ekonomik davranışını “önemli ölçüde etkileyecek şekilde” kullanılmasını ya da insandan ayırt edilemeyen dijital karaktere yer verilmesini şart koşuyor. Bir başlığın yazımında taslak almak ile yüzü, sesi ve tavsiyesi yapay zekâyla üretilmiş bir “kullanıcı” göstermek aynı şey değil.

Yönetmelik bir ölçüt veriyor ama eşik vermiyor. “Önemli ölçüde” sözünün sınırı uygulamayla ve Reklam Kurulu kararlarıyla netleşecek. Bizim okumamız: bu belirsizlik her ekibin kendi iç kuralını yazmasını gerektiriyor. Hangi kullanımın beyan edileceğine reklam yayına çıkmadan karar verilmeli; yayından sonra verilen karar artık bir savunmadır. İyi bir iç kural örneklerle yazılır: hangi kullanım beyan edilir, hangisi edilmez, tereddütte kime sorulur. Örnekler, onay masasındaki kişinin her seferinde yeniden yorum yapmasını önler.

Etkileyici reklamlarında ve hedefli reklamda ne değişti?

Aynı değişiklik pazarlama takviminin iki başka işine dokunuyor. Yeni 23/A maddesi, sosyal medya etkileyicileri aracılığıyla yapılan reklamların açık ve ayırt edilebilir olmasını istiyor ve bu paylaşımlarda “Reklam” ya da “Tanıtım” ifadelerinden birine yer verilmesini zorunlu tutuyor. Bu ifadeyle birlikte reklam verenin adı ya da “@[reklam veren] tarafından sağlandı” türünden bir açıklama da içerikte yer almalı. Yeni 25/A maddesi hedefli reklamcılığı bir şarta bağlıyor: reklamın hangi kriterlerle gösterildiği ve bu kriterlerin nasıl değiştirilebileceği tüketiciye sunulmalı. Tüketicinin çocuk olduğunun bilindiği ya da makul olarak bilinmesinin beklendiği durumlarda kişisel verilere dayalı profilleme ile hedefli reklam yapılamıyor.

Pazarlama ekibi bir reklamı yayımlamadan önce neye bakmalı?

Beş soruya. Biz bunları yayın onayının içine, tek tabloya yazmayı öneriyoruz:

Soru	İlgili hüküm	Evetse ne yapılır?	Kim onaylar?
Yapay zekâyla üretilen bir öğe tüketicinin kararını önemli ölçüde etkiliyor mu?	18. madde, (8). fıkra	Kullanım açık ve ayırt edilebilir biçimde belirtilir	Kampanya sahibi; tereddütte hukuk
İnsandan ayırt edilemeyen bir dijital karakter var mı?	18. madde, (8). fıkra	Beyan zorunlu	Kampanya sahibi
Gerçek bir kişinin yapay zekâ kopyası var mı?	27. madde, (12). fıkra	Gerçeğe aykırı deneyim ya da tavsiye izlenimi veriyorsa reklam yapılmaz	Hukuk ve pazarlama yöneticisi birlikte
Paylaşım bir etkileyici üzerinden mi?	23/A	“Reklam” ya da “Tanıtım” ifadesi ve reklam verenin adı	Etkileyici sözleşmesinin sahibi
Reklam hedefli mi?	25/A	Gösterim kriterleri ve değiştirme yolu tüketiciye sunulur; çocuğa profil tabanlı hedefleme yok	Performans pazarlaması sorumlusu

Tablonun son sütunu ilk dört sütundan önemli. Kural bilinir ama sahibi yazılı değilse, kontrol herkesin ve hiç kimsenin işi olur.

Bu kontrolü kim yapmalı, kim onaylamalı?

Ön kontrolü bir yapay zekâ kurmayı yapabilir; yayın onayı insanda kalır. Devir haritasının diliyle bu iş “kurmayla” sütununa girer: kurmay her taslağı beş soruya göre işaretler, gerekçesini yazar ve onaya getirir. Karar pazarlama yöneticisinindir.

Kendi pazarlama ajan sistemimi kurarken bu ayrımı rol tariflerine yazdım ve 18 Haziran 2026 tarihli yazımda anlattım. SEO ajanının talimatı “Hiçbir şeyi yayınlama, sadece taslak hazırla.” diye bitiyor. Topluluk yanıtlarını hazırlayan ajanın talimatı ise “Asla otomatik gönderme, taslağı bana getir.” Sistemin merkezinde marka sesini anlatan tek bir dosya var: “Her ajan bu dosyayı okuyor. Tüm sistemin bel kemiği bu.” Şef ajanın görevi, ajanların çıktısını toplayıp “benden onay isteyen kararlar” listesiyle tek bir günlük özet sunmak. Ortağım Olcay Silahlı da kendi şirketinde dışarı giden yazışmanın onayını kendinde tutuyor.

Aynı yapı yönetmelik kontrolünü taşımaya hazır: marka sesi dosyasına beş soru eklenir, her taslak onaya bu işaretlerle gelir. Bizim okumamız: üretimi hızlandırıp onayı hızlandırmayan ekipte darboğaz bu kez hukukta çıkar. Onayın içine yazılmış bir ön kontrol, onay sırasını uzatmadan riski görünür kılar.

Reklamın bir kısmını ajans üretiyorsa aynı soru ajans brief’ine de girer. Brief’e üç satır eklemeyi öneriyoruz: işin hangi kısmının yapay zekâyla yapılabileceği, hangi verinin ajansa hiç gitmeyeceği ve yapay zekâ kullanımının teslimde nasıl beyan edileceği. Ajansın yapay zekâ kullanması bir sorun değil; kullanımın onay masasına kadar görünmez kalması sorundur.

Markanızı yapay zekâ özetleri nasıl anlatıyor?

Bu, yönetmeliğin değil pazarlamanın yeni sorusu ve aynı disiplini istiyor. Pew Research Center’ın Mart 2025’te 900 ABD’li yetişkinin 68.879 Google aramasını izleyen çalışmasına göre, yapay zekâ özeti çıkan sayfalarda kullanıcılar ziyaretlerin yüzde 8’inde bir bağlantıya tıkladı; özet çıkmayan sayfalarda bu oran yüzde 15. Özetin içindeki kaynağa tıklama ziyaretlerin yüzde 1’inde kaldı. Çalışma ABD ile sınırlı; Türkiye’ye doğrudan taşınmamalı. Aynı çalışmada aramaların yaklaşık beşte birinde bir yapay zekâ özeti çıktı. Markanız hakkındaki bir cümleyi okurun bir kısmı artık bir özetten okuyor; o cümlenin doğruluğunu izleyen biri olmalı.

Bu hafta ne yapmalı?

1. Son 30 günün reklamlarını tarayın. Pazarlama yöneticisi, yayındaki reklamlarda yapay zekâyla üretilmiş görsel, ses, karakter ya da tavsiye olup olmadığını listelesin.
2. Beş soruyu onay formuna ekleyin. Yukarıdaki tabloyu kampanya onay akışına yazın; her satırın yanında kişinin adı olsun.
3. İç kuralı yazın. “Önemli ölçüde etkileyen kullanım” sizin kurumunuzda neyi kapsıyor? Hukuk ile pazarlama birlikte iki paragraflık bir kural yazsın ve tarih koysun.

Bu yazı neyi iddia etmiyor: Her yapay zekâ kullanımının etiket gerektirdiğini ya da yönetmeliğin eşiğinin bugün belli olduğunu söylemiyoruz. Eşik uygulamayla netleşecek; bu yazı onay akışı önerisidir, hukuki görüş değildir.

SSS

Yapay zekâ etiketi zorunlu mu?

Her kullanım için değil. Yönetmelik, yapay zekânın tüketicinin ekonomik davranışını önemli ölçüde etkileyecek biçimde kullanılmasını ya da insandan ayırt edilemeyen dijital karaktere yer verilmesini şart koşuyor. Bu durumlarda beyan zorunlu.

Görseli yapay zekâyla düzelttik, etiket gerekir mi?

Yönetmelik bu soruya doğrudan cevap vermiyor; ölçüt “önemli ölçüde etkileme”. Kurumunuzun bu ölçütü kendi işleri için yazılı bir kurala çevirmesi ve tereddütte hukuk danışmanına sorması gerekir.

Etkileyici paylaşımında yapay zekâ kullanılmadıysa yeni bir şey var mı?

Evet. 23/A maddesine göre etkileyici aracılığıyla yapılan reklamlarda “Reklam” ya da “Tanıtım” ifadelerinden biri ve reklam verenin adı yer almalı. Bu kural yapay zekâdan bağımsız.

Onay formunuzda bu beş sorunun her birinin sahibi kim? Pazarlama ve CMO için başlangıç noktamızı görün.

Kaynaklar

• Ticari Reklam ve Haksız Ticari Uygulamalar Yönetmeliğinde Değişiklik Yapılmasına Dair Yönetmelik, Resmî Gazete, 1 Temmuz 2026, sayı 33297; md. 6 (18. maddeye (8). fıkra), md. 7 (23/A), md. 9 (25/A), md. 11 (27. maddeye (12). fıkra), md. 15 (yürürlük 1/8/2026). https://www.resmigazete.gov.tr/eskiler/2026/07/20260701-9.htm . Erişim 10.10.2026.
• T.C. Ticaret Bakanlığı, Aldatıcı Reklam ve Haksız Ticari Uygulamalarla Mücadelede Yeni Dönem Başlıyor, 27.07.2026. https://ticaret.gov.tr/haberler/aldaticici-reklam-ve-haksiz-ticari-uygulamalarla-mucadelede-yeni-donem-basliyor . Erişim 10.10.2026.
• Defne İncekara, AI CMO ekibimi Claude Code ile kurdum, 18 Haziran 2026. https://blog.defneincekara.com/p/ai-cmo-ekibimi-claude-code-ile-kurdum . Erişim 10.10.2026.
• Athena Chapekis ve Anna Lieb, Google users are less likely to click on links when an AI summary appears in the results, Pew Research Center, 22.07.2025. Yöntem: 900 ABD’li yetişkin, Mart 2025 tarama verisi, 68.879 arama. https://www.pewresearch.org/short-reads/2025/07/22/google-users-are-less-likely-to-click-on-links-when-an-ai-summary-appears-in-the-results/ . Erişim 10.10.2026.

Evet. AB’de yapay zekâ sistemi sunan ya da kullanan kurumlar için yapay zekâ okuryazarlığı 2 Şubat 2025’ten beri bir yükümlülük. Temmuz 2026’da yürürlüğe giren değişiklik yükümlülüğü kaldırmadı, biçimini değiştirdi: kurumlar artık belirli bir düzeyi garanti etmiyor, okuryazarlığın gelişimini destekleyen önlemler alıyor ve bunu gösterebiliyor.

Türkiye’den bakınca bu madde uzak görünebilir. Değildir: Tüzük, çıktısı AB’de kullanılan yapay zekâ sistemlerinin üçüncü ülkedeki sağlayıcılarını ve kullanıcılarını da kapsıyor. AB’ye ürün, hizmet ya da rapor gönderen bir Türk şirketi için soru “bize uygulanır mı?” değil, “hangi işimizde uygulanır?” sorusudur.

Bu yazıda değişikliğin metnine, İK açısından neyin değiştiğine ve Türkiye’deki kurumsal kurallarla nasıl birleştiğine bakıyoruz. Hukuki görüş değildir; kendi hukuk danışmanınızla doğrulayın.

AB Yapay Zekâ Tüzüğü’nün 4. maddesi ne diyor?

Tüzük’ün 4. maddesi, yapay zekâ sistemlerinin sağlayıcılarına ve kullanıcılarına (Tüzük’ün dilinde “deployer”) çalışanları ve kendi adlarına bu sistemleri işleten kişiler için okuryazarlık yükümlülüğü getiriyor. Avrupa Komisyonu’nun yayımladığı konsolide metne göre madde bugün şöyle başlıyor: kurumlar, çalışanlarının ve kendi adlarına yapay zekâ sistemlerini işleten diğer kişilerin yapay zekâ okuryazarlığının gelişimini destekleyecek önlemler alır. Bunu yaparken kişilerin teknik bilgisini, deneyimini, eğitimini, sistemin kullanılacağı bağlamı ve sistemin kimler üzerinde kullanılacağını dikkate alır.

Birinci fıkranın yeni son cümlesi değişikliğin özü: bu yükümlülük, sağlayıcıların ya da kullanıcıların herhangi bir kişinin belirli bir okuryazarlık düzeyini garanti etmesini gerektirmez.

Kapsam için 2. madde belirleyici. Tüzük, çıktısı AB’de kullanılan yapay zekâ sistemlerinin, yerleşik oldukları yer üçüncü bir ülke olsa bile, sağlayıcılarına ve kullanıcılarına da uygulanıyor. 113. maddeye göre 4. maddenin de içinde olduğu ilk iki bölüm 2 Şubat 2025’ten beri uygulanıyor.

Temmuz 2026’da ne değişti?

Değişiklik, Dijital Omnibus olarak bilinen 2026/1744 sayılı Tüzük’le geldi. Tüzük 8 Temmuz 2026 tarihli; 24 Temmuz’da AB Resmî Gazetesi’nde yayımlandı ve yayımdan sonraki üçüncü gün, 27 Temmuz’da yürürlüğe girdi.

	Değişiklikten önce	Temmuz 2026 değişikliğinden sonra	İK için anlamı
Yükümlülüğün biçimi	Yeterli düzeyde okuryazarlığı sağlamak için önlem almak (ikincil aktarımlardan)	Okuryazarlığın gelişimini destekleyecek önlem almak	Sonuç garantisi yok; önlemin kendisi kanıttır
Bireysel düzey	Yoruma açıktı	Belirli bir kişinin belirli bir düzeye ulaşması gerekmiyor	Herkese sınav şart değil; role göre içerik şart
Yürürlük	2 Şubat 2025’ten beri	Yükümlülük sürüyor	Takvim değişmedi

Konsolide metnin ikinci fıkrasına göre Komisyon ve üye ülkeler, sağlayıcıları ve kullanıcıları, özellikle KOBİ’leri bu yükümlülükte destekleyecek; Komisyon da uygulama örnekleri yayımlayacak. Örnekler çıktıkça kendi önlemlerinizi onlarla karşılaştırmak, denetime hazırlığın en ucuz yoludur.

Bizim okumamız: değişiklik İK’nın işini kolaylaştırmadı, yönünü netleştirdi. “Herkes yeterli düzeyde mi?” sorusu ölçülmesi zor bir soruydu. “Hangi rol için hangi önlemi aldınız ve bunu gösterebiliyor musunuz?” sorusu ise belgeyle cevaplanır.

Türkiye’de hangi kurallar buna eklenir?

Türk mevzuatında okuryazarlığı doğrudan düzenleyen bir hüküm bulamadık; kişisel veri tarafında ise yazılı bir yönlendirme var. Kişisel Verileri Koruma Kurumu, Şubat 2026’da yayımladığı “İş Yerlerinde Üretken Yapay Zekâ Araçlarının Kullanımı” belgesinde, bu araçların tamamen yasaklanmasına dayalı yaklaşımların uygulamada gerçekçi sonuç doğurmayacağını yazıyor. Gerekçe: yasak, çalışanları araçları kurumsal kontrol ve görünürlük dışında kullanmaya itebilir. Kurum buna “gölge yapay zekâ” diyor.

Belge yerine yönlendirme, denge ve farkındalık temelli bir yaklaşım öneriyor. Önerilen kurumsal politikanın unsurları arasında hangi araçların hangi işte kullanılacağı, araçlara hangi bilgi türlerinin girilebileceği, çıktıların kullanım esasları ve “çalışanlara yönelik eğitim ve farkındalık faaliyetleri” sayılıyor.

İhtiyaç da ölçülmüş durumda. TÜİK’in 2 Ekim 2026 bültenine göre yapay zekâ kullanmayı düşünüp kullanmayan girişimlerin yüzde 72,3’ü ilk gerekçe olarak girişimde ilgili uzmanlığın eksikliğini gösteriyor. Soru çoklu seçimli.

Okuryazarlık eğitimi hangi işi çözer, hangisini çözmez?

Okuryazarlık, insanın araca doğru soru sormasını ve çıktıya doğru şüpheyle bakmasını sağlar; işin kimde olduğu sorusunu çözmez. Okuryazarlığı şöyle tanımlıyorum: çalışanların yapay zekâyı anlaması, riskini bilmesi ve kendi rolünde bilinçli kullanması. Tanımın son parçası, “kendi rolünde”, Tüzük’ün “bağlamı dikkate alır” ifadesiyle aynı yere bakıyor.

Kurumsal eğitim programımın kapanış bölümünün başlığı da sınırı çiziyor: “ajanlara görev verin, sorumluluğu değil”. Eğitim, çalışana bir görevi nasıl tarif edeceğini öğretir. Sorumluluğun kimde kalacağı ise eğitim salonunda değil, rol tanımında ve onay zincirinde yazılır. Ortağım Olcay Silahlı kendi şirketini yapay zekâ kurmaylarıyla yönetiyor ve aynı ayrım orada da yazılı: kurmay işi yürütüyor, para kararları ve dışarı giden yazışmanın onayı onda kalıyor. Bu konuyu ayrıca Eğitim dönüşüm değildir yazımızda ele aldık.

Okuryazarlık önlemi rolden role nasıl değişir?

Tüzük, önlemin kişinin bilgisine, deneyimine ve sistemin kullanıldığı bağlama göre ayarlanmasını istiyor. Pratikte bu, en az üç katman demek:

• Yönetim ekibi: yapay zekânın hangi kararlara girdiğini, hangi işin devredilemeyeceğini ve hata olduğunda hesabın kimde olduğunu bilmek. Bu katmanın önlemi bir ders değil, yazılı bir karar listesidir.
• Sistemi her gün kullanan uzman: aracın neyi yanlış yapabileceğini, çıktının nasıl doğrulanacağını ve araca hangi bilginin girilemeyeceğini bilmek. Bu katmanın önlemi role özel eğitim ve kullanım kuralıdır.
• Tüm çalışanlar: kurumun hangi araçlara izin verdiğini, gölge kullanımın neden risk olduğunu ve soru olduğunda kime başvurulacağını bilmek. Bu katmanın önlemi kısa bir farkındalık oturumu ve erişilebilir bir politikadır.

Bu ayrım iki yanlışı birden önler. Biri herkese aynı uzun eğitimi vermek: kurum takvimi dolar, ama fatura okuyan asistanı kullanan uzman kendi riskini öğrenmez. Öbürü yalnız yöneticilere eğitim vermek: karar listesi yazılır, ama aracı her gün kullanan kişi neyin dışarı çıkmaması gerektiğini bilmez. Her katmanın kaydı ayrı tutulursa, denetimde “hangi rol için hangi önlem” sorusunun cevabı tek tabloda durur.

İK neyi belgelemeli?

Üç şeyi: kimin hangi yapay zekâ sistemini hangi işte kullandığını, o kişiye role göre hangi önlemin uygulandığını ve önlemin ne zaman güncellendiğini. Bir katılım listesi bunun yalnız bir parçasıdır. Denetimde bakılacak şey, önlemin rolün gerçek kullanımıyla eşleşip eşleşmediğidir: muhasebede fatura okuyan bir asistan ile pazarlamada metin üreten bir asistan aynı risk sohbetini gerektirmez. Kayıt bir kez yazılıp dosyada kalmamalı. Yeni bir araç eklendiğinde, bir rol değiştiğinde ya da Komisyon yeni uygulama örnekleri yayımladığında aynı tablo güncellenir ve güncelleme tarihi yazılır. Denetçinin göreceği en güçlü kanıt, önlemin işle birlikte değiştiğini gösteren bu tarih sütunudur.

Bu hafta ne yapmalı?

1. Envanteri çıkarın. İK ve BT birlikte, kurumda kullanılan yapay zekâ araçlarını ve hangi ekibin hangi işte kullandığını tek tabloya yazsın. Çıktısı AB’de kullanılan işleri işaretleyin.
2. Rol başına bir satır yazın. Her rol için okuryazarlık önlemini tek satırda tanımlayın: içerik, süre, tarih, sorumlu kişi. Herkese aynı eğitim yazıyorsanız, rolleri yeniden ayırın.
3. Politikayı KVKK belgesiyle karşılaştırın. Kurumunuzun yapay zekâ kullanım politikası araçlara hangi bilginin girilemeyeceğini yazıyor mu? Yazmıyorsa ilk iş budur; sahibi ve tarihi belirleyin.

Bu yazı neyi iddia etmiyor: Her Türk şirketinin 4. maddeye tabi olduğunu söylemiyoruz; kapsam, sistemin çıktısının AB’de kullanılıp kullanılmadığına bağlıdır ve hukuki değerlendirme gerektirir.

SSS

AB’de şubesi olmayan bir Türk şirketi 4. maddeye tabi olabilir mi?

Olabilir. Tüzük, çıktısı AB’de kullanılan yapay zekâ sistemlerinin üçüncü ülkedeki sağlayıcılarını ve kullanıcılarını da kapsıyor. Hangi işinizin bu kapsama girdiğini hukuk danışmanınızla birlikte belirleyin.

Değişiklikten sonra eğitim vermek zorunlu olmaktan çıktı mı?

Hayır. Önlem alma yükümlülüğü sürüyor; değişen, belirli bir düzeyin garanti edilmesinin gerekmemesi. Eğitim en yaygın önlemdir ama tek önlem değildir; role özel rehber ve kullanım kuralı da önlemdir.

Okuryazarlık önlemini nasıl kanıtlarız?

Rol, kullanılan sistem, uygulanan önlem ve tarih aynı kayıtta olmalı. Sertifika ya da katılım listesi bu kaydı destekler, yerine geçmez.

Rollerinizin hangisinde önlem bugün yazılı? Eğitim programlarımıza bakın.

Kaynaklar

• Avrupa Komisyonu, AI Act Service Desk, Article 4: AI literacy; Article 2: Scope; Article 113: Entry into force and application. Kaynak: EUR-Lex konsolide metin, 27 Temmuz 2026 itibarıyla. https://ai-act-service-desk.ec.europa.eu/en/ai-act/article-4 . Erişim 10.10.2026.
• Regulation (EU) 2026/1744 of the European Parliament and of the Council of 8 July 2026 (Digital Omnibus on AI), OJ 24.07.2026. http://data.europa.eu/eli/reg/2026/1744/oj . Erişim 10.10.2026.
• KI-Campus, EU AI Act: AI Omnibus recalibrates Article 4, AI literacy remains mandatory, 28.07.2026. https://ki-campus.org/en/blog/eu-ai-act-ai-omnibus-recalibrates-article-4-ai-literacy-remains-mandatory . Erişim 10.10.2026.
• Kişisel Verileri Koruma Kurumu, İş Yerlerinde Üretken Yapay Zekâ Araçlarının Kullanımı, Şubat 2026, s. 10-11. https://www.kvkk.gov.tr/SharedFolderServer/CMSFiles/MTY5YTdkNjdjNzJlMjM.pdf . Erişim 10.10.2026.
• TÜİK, Yapay Zeka İstatistikleri, 2026, haber bülteni 62066 (2 Ekim 2026). https://veriportali.tuik.gov.tr/tr/press/62066 . Erişim 04.10.2026.
• Defne İncekara Akademi, Kurumsal Yapay Zeka Programı, kapanış bölümü başlığı. https://akademi.defneincekara.com/courses/kurumsal-yapay-zeka-programi . Çekim 02.10.2026.

Yapay zekâ yatırımının getirisi, kullanıma başlamadan önce başlangıç değeri ölçülmüş tek bir iş ölçütüyle izlenir: bir işin süresi, hata sayısı ya da onay turu. Çalışanların “zaman kazandım” beyanı ölçüm değildir. Kontrollü bir deney, insanların yapay zekânın kendilerini hızlandırdığını sanırken yavaşlayabildiğini gösterdi.

Finans yöneticisinin önüne gelen yapay zekâ bütçesi çoğunlukla iki rakamla gelir: lisans maliyeti ve tahmini zaman tasarrufu. İlki faturadan okunur. İkincisi genellikle bir ankettir. Bu yazıda o ikinci rakamın neden güvenilmez olduğunu, yerine neyin konabileceğini ve araştırmaların bize ne söylediğini anlatıyorum. Sonunda, bütçe onayından önce bu hafta yapılabilecek üç adım ve yönetim kuruluna giden tek sayfalık raporun biçimi var. Kaynaklar akademik çalışmalar ve bağımsız bir araştırma kurumu.

Çalışanın “zaman kazandım” demesi neden yetmez?

Çünkü algı ile ölçüm ayrışabiliyor ve bu ayrışma yön değiştirebiliyor. Bağımsız araştırma kurumu METR, Temmuz 2025’te yayımladığı rastgele kontrollü deneyde 16 deneyimli yazılım geliştiricisinin 246 gerçek görevini inceledi. Her görev rastgele olarak yapay zekâ kullanımına açık ya da kapalı atandı. Geliştiriciler başta yapay zekânın kendilerini yüzde 24 hızlandıracağını bekliyordu. Sonuç tersine çıktı: yapay zekâ kullanıldığında görevler yüzde 19 daha uzun sürdü. Daha dikkat çekici olanı, geliştiricilerin deneyden sonra da yüzde 20 hızlandıklarına inanmasıydı.

Yazarlar sonucun genellenmemesi gerektiğini açıkça yazıyor: çalışma, yıllardır katkı verdikleri büyük açık kaynak projelerde çalışan deneyimli geliştiricilerle sınırlı. Bizim ekleyeceğimiz sınır: 16 kişi küçük bir örneklem. Finans yöneticisi için ders genelleme değil, yöntem: kazanç ölçülmeden beyan edildiğinde yanlış yönde bile olabilir.

Danimarka’dan gelen geniş ölçekli veri de aynı uyarıyı yapıyor. Humlum ve Vestergaard’ın 25.000 çalışan ve 7.000 işyerini kapsayan çalışmasında kullanıcıların bildirdiği ortalama zaman tasarrufu çalışma saatlerinin yüzde 2,8’i. Kazançta ve kayıtlı çalışma saatinde anlamlı bir etki görülmüyor.

Ölçülmüş getiri neye benziyor?

Ölçülmüş getiri, beyan yerine sistem kaydından gelir ve herkes için aynı değildir. Brynjolfsson, Li ve Raymond, 5.179 müşteri destek temsilcisinin kademeli olarak yapay zekâ asistanına geçişini şirketin kendi kayıtlarından izledi. Saatte çözülen talep sayısı ortalama yüzde 14 arttı. Acemi ve düşük becerili temsilcilerde artış yüzde 34’e çıktı; deneyimli ve yüksek becerili temsilcilerde etki çok sınırlı kaldı.

Kenya’da girişimcilerle yapılan bir alan deneyi farkı başka bir yönden gösteriyor. Otis ve arkadaşlarının çalışmasında girişimcilerin bir kısmına WhatsApp üzerinden yapay zekâ iş danışmanı verildi. Ortalama etki sıfırdan ayırt edilemedi. Ama yüksek performanslı girişimciler yüzde 15’in biraz üzerinde fayda gördü, düşük performanslılar yaklaşık yüzde 8 daha kötü sonuç aldı.

Bizim okumamız: “ortalama getiri” sorusu çoğu zaman yanlış sorudur. Aynı araç bir ekipte işe yarayıp diğerinde zarar verebiliyor. Bu yüzden ölçüm kurum geneline değil, tek bir işe ve o işi yapan ekibe bağlanmalı.

Ölçüm türü	Örnek	Güvenilirlik	Ne zaman kullanılır?
Öz beyan	“Haftada üç saat kazandım” anketi	Düşük; yönü bile yanlış olabilir	Benimsemeyi izlemek için, getiri için değil
Sistem kaydı, öncesi ve sonrası	Talep çözüm süresi, fatura işleme süresi	Orta; başka değişkenler karışabilir	Başlangıç değeri ölçülmüşse
Kademeli geçiş ya da kontrol grubu	Bir ekip önce, diğeri sonra başlar	Yüksek	Aynı işi yapan iki grup varsa
Finansal sonuç	Birim maliyet, gelir	Gecikmeli; tek başına atfedilemez	Çeyreklik değerlendirmede, diğerlerinin yanında

Getiri neden ilk aylarda görünmeyebilir?

Çünkü yatırımın büyük kısmı bilançoda görünmeyen işe gider. Brynjolfsson, Rock ve Syverson, genel amaçlı teknolojilerin yeni süreç, iş modeli ve insan sermayesi gibi tamamlayıcı yatırımlar gerektirdiğini gösteriyor. Bu yatırımlar çoğunlukla ölçülmediği için ilk yıllarda verimlilik artışı olduğundan düşük, sonraki yıllarda olduğundan yüksek görünüyor. Yazarlar buna verimlilik J eğrisi diyor.

Finans yöneticisi için iki sonuç var. Birincisi, ilk çeyrekte finansal sonuç beklemek yanlış alarm üretebilir. İkincisi, tam bu yüzden ara ölçüt gerekir: işin süresi, hata sayısı, onay turu. Ara ölçüt kıpırdamıyorsa sorun J eğrisi değil, yanlış iştir.

Bu kuralı kendi şirketimde nasıl uyguluyorum?

Kendi şirketimde nakit akışı, fatura, yazışma, takvim, platform izleme ve teklif hazırlığı kurmaylarda yürüyor; para kararları bende kalıyor. kurm.ai’nin kurumlara kurduğu kural da önce orada çalışıyor: her sayı “ölçtük” ya da “tahmin” etiketiyle, ölçüm aracı ve başlangıç değeriyle verilir. Kurmay bir şeyi ölçemediğinde bunu yazar; “ölçemedim” ile “sorun yok” ayrı satırlardır.

Bu kural bir disiplin meselesinden çok bir güvenlik meselesi. Yanlış ölçüm hata vermez, yalnız yanlış sayı verir. Etiketsiz bir sayı, finans toplantısında doğru bir sayı kadar ikna edicidir. Bu yüzden etiketi sayının yanına, aynı satıra yazıyoruz; dipnota bırakılan etiket toplantıda okunmaz. Ortağım Defne İncekara’nın 5 Eylül 2026 tarihli yazısında bir ajana iş vermeden önce sorduğu dört sorunun sonuncusu, “Kim görüyor?”, ölçüm için de geçerli: etiketi kim okuyor, kim sorguluyor?

Ölçmeye hangi işten başlanmalı?

Sık tekrar eden, süresi ya da hatası sistemde zaten kayıtlı ve sahibi belli olan işten. Üç ölçüt işinizi kolaylaştırır:

• Tekrar: iş her hafta en az birkaç kez yapılıyor mu? Ayda bir yapılan bir işte 90 günde anlamlı bir fark görmek zordur.
• Kayıt: işin başlangıcı ve bitişi bir sistemde iz bırakıyor mu? Fatura girişi, talep kapanışı, onay akışı bunu çoğu zaman kendiliğinden kaydeder.
• Sahip: sonuçtan sorumlu tek bir kişi var mı? Sahibi olmayan bir işin ölçütü toplantıda herkesin, sonra kimsenin olur.

Bu üç ölçütü geçen iş, getiri tartışmasını varsayımdan çıkarır. Geçemeyen iş de değerli olabilir, ama onun için önce kayıt kurmak gerekir. Yönetim ekibinin işlerini dört sütuna yerleştirdiğimiz devir haritasında her iş için bu üç bilgiyi yazıyoruz; ilk 90 gün için seçilen devirler bu yüzden ölçülebilir işlerden çıkıyor.

Yönetim kuruluna nasıl raporlanır?

Tek sayfada, üç sütunla: başlangıç değeri, bugünkü değer ve etiket. Etiket “sistem kaydı”, “elle sayım” ya da “öz beyan” olabilir; yönetim kurulu bir rakamı okurken onun hangi türden geldiğini aynı satırda görmelidir. Kıpırdamayan ölçütler de raporda kalır. Kıpırdamayan bir ölçütü rapordan çıkarmak, kurula yalnız iyi haberi göstermek demektir; bir sonraki bütçe kararını bu eksik tablo verir.

Değer sözleşmesinde hangi ölçüt yazılır?

Tek bir ana ölçüt, başlangıç değeri ve hedefiyle. Devir Yöntemi’nde bunu değer sözleşmesine yazıyoruz: alan ve sponsor, ana ölçüt, başlangıç değeri, hedef, 90 günlük işletim ölçütü ve devam ya da dur kararının ölçütleri tek sayfada. Başlangıç değeri ölçülmeden hedef konmaz; ölçülmemiş bir başlangıçtan yola çıkan hedefe ulaşılıp ulaşılmadığı sonradan tartışılır, ölçülemez.

Bu hafta ne yapmalı?

1. Bir iş seçin. Yapay zekâ bütçesi istenen alanda tek bir iş belirleyin; adı ve sahibi yazılı olsun.
2. Başlangıç değerini ölçün. O işin bugünkü süresini, hata sayısını ya da onay turunu sistem kaydından alın. Kayıt yoksa iki hafta elle sayın ve “elle sayıldı” diye etiketleyin.
3. Anketleri ayırın. Elinizdeki “zaman tasarrufu” rakamlarını “öz beyan” diye etiketleyin ve getiri tablosundan çıkarın; benimseme tablosuna taşıyın.

Bu yazı neyi iddia etmiyor: Yapay zekânın getirisinin düşük olduğunu söylemiyoruz. Söylediğimiz, getirinin ölçülmeden bilinemeyeceği ve beyanın ölçüm yerine geçmediği.

SSS

Yapay zekâ yatırımında getiri ne zaman beklenmeli?

Ara ölçütte, yani işin süresinde ya da hata sayısında, ilk haftalardan itibaren hareket görülmelidir. Finansal sonuç gecikmeli gelir; tamamlayıcı yatırımlar ölçülmediği için ilk aylarda olduğundan küçük görünebilir.

Zaman tasarrufu anketleri tamamen işe yaramaz mı?

Benimsemeyi izlemek için işe yarar: kim kullanıyor, ne sıklıkla. Getiri için kullanılmamalıdır; kontrollü bir deneyde beyan ile ölçüm farklı yönlere gitti.

Kontrol grubu kurmak pratik mi?

Çoğu kurumda kademeli geçiş yeterlidir: aynı işi yapan iki ekipten biri önce, diğeri birkaç hafta sonra başlar. Müşteri destek çalışmasındaki ölçüm de böyle bir kademeli geçişten geldi.

Yapay zekâ bütçenizdeki ilk iş için başlangıç değeri bugün ölçülü mü? CFO için başlangıç noktamızı görün.

Kaynaklar

• METR, Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity, 10 Temmuz 2025. Yöntem: rastgele kontrollü deney, 16 geliştirici, 246 görev. https://metr.org/blog/2025-07-10-early-2025-ai-experienced-os-dev-study/ . Erişim 10.10.2026.
• Anders Humlum ve Emilie Vestergaard, Large Language Models, Small Labor Market Effects, Chicago Üniversitesi BFI çalışma kâğıdı 2025-56 (Mayıs 2025), özet ve s. 15. Danimarka, 25.000 çalışan, 7.000 işyeri. https://bfi.uchicago.edu/wp-content/uploads/2025/04/BFI_WP_2025-56-3.pdf . Doğrulama 04.10.2026.
• Erik Brynjolfsson, Danielle Li, Lindsey R. Raymond, Generative AI at Work, NBER çalışma kâğıdı 31161 (2023); The Quarterly Journal of Economics 140(2), 2025, s. 889-942. https://www.nber.org/papers/w31161 . Erişim 10.10.2026.
• Nicholas G. Otis, Rowan Clarke, Solène Delecourt, David Holtz, Rembrand Koning, The Uneven Impact of Generative AI on Entrepreneurial Performance, Harvard Business School çalışma kâğıdı 24-042 (Aralık 2023). Kenya, girişimcilerle alan deneyi. https://www.hks.harvard.edu/centers/cid/publications/uneven-impact-generative-ai-entrepreneurial-performance . Erişim 10.10.2026.
• Defne İncekara, “Yapay zekâ bu kadar hızlanıp güçlenirken direksiyonda kim kalıyor?”, 5 Eylül 2026. https://blog.defneincekara.com/p/yapay-zeka-bu-kadar-hzlanp-guclenirken . Erişim 10.10.2026.
• Erik Brynjolfsson, Daniel Rock, Chad Syverson, The Productivity J-Curve: How Intangibles Complement General Purpose Technologies, NBER çalışma kâğıdı 25148 (2018, gözden geçirilmiş 2020). https://www.nber.org/papers/w25148 . Erişim 10.10.2026.