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?
- Bir iş seçin. Yapay zekâ bütçesi istenen alanda tek bir iş belirleyin; adı ve sahibi yazılı olsun.
- 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.
- 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.