İki çalışan birebir aynı performans geri bildirimini okuyor — aynı eleştiri, aynı çerçeveleme, aynı kapanış cümlesi. Birine bunu yöneticisinin yazdığı, diğerine bir yapay zekânın ürettiği söyleniyor. O yöneticiye ne kadar yakın hissettiklerini ölçen maddede ilki 2,89, ikincisi 1,67 aldı — açıklanan kaynak varyansın %24'ünü açıkladı (η² = 0,24). Eleştiriyi sonrasında zihinlerinde evirip çevirmeye devam etmelerinde ise hiçbir şey açıklamadı (p = 0,64) (Marót, Palcsó & Szabó, Frontiers in Psychology, 2026).
Mesaj yerine ulaştı. Raporlama hattı ulaşmadı — yapay zekânın yazdığı performans değerlendirmesinin gerçek bedeli bu.
Bu asimetri, bir sonraki dönem açılmadan önce dikkatinizi hak eden kısım; çünkü orta ölçekli şirketler için bu 2027 sorusu değil. İnsan yönetiminde yapay zekâyı hâlihazırda kullanan yöneticilerin %91'i performansı değerlendirmek, %88'i performans iyileştirme planı yazmak için kullanıyor (ResumeBuilder.com, 2025). Yazım zaten gerçekleşiyor. Fiyatlanmamış olan şey, açıklamanın kendisinin etkisi.
Deney metni sabit tuttu, yalnızca etiketi değiştirdi
Marót, Palcsó ve Szabó, çalışan 192 yetişkinle kısa senaryo (vignette) deneyi yürüttü (230 kişi toplandı; 18'i çalışmıyor olduğu için, 20'si dikkat kontrolünü geçemediği için çıkarıldı). Katılımcılar bir yöneticiden performans geri bildirimi aldıklarını hayal etti. Geri bildirim metni tüm koşullarda tamamen aynı tutuldu. Tek müdahale, açıklanan üretim akışıydı ve dört biçimi vardı: tamamen insan tarafından yazılmış, tamamen yapay zekâ tarafından üretilmiş, yapay zekânın ürettiği ve ardından insanın rafine ettiği, insanın yazdığı ve ardından yapay zekânın rafine ettiği.
Bu tasarım, örneklem büyüklüğünün düşündürdüğünden daha önemli. İnsan yönetiminde yapay zekâyı inceleyen çalışmaların çoğu iki şeyi karıştırır — yapay zekânın ne ürettiğini ve bir yapay zekânın işin içinde olduğu olgusunu. Metni sabit tutmak ikincisini izole eder. Burada ne kıpırdadıysa etiket yüzünden kıpırdadı, yapay zekâ daha kötü bir şey yazdığı için değil.
Ve çok şey kıpırdadı. Açıklanan kaynağın genel çok değişkenli etkisi anlamlıydı (Pillai izi V = 0,37, F(27, 546) = 2,86, p < 0,001) ve dokuz çıktıdan sekizi yer değiştirdi:
| Çıktı | İnsan | Yapay zekâ | YZ yazar, insan rafine eder | İnsan yazar, YZ rafine eder | η² |
|---|---|---|---|---|---|
| Psikolojik mesafe (yakınlık) | 2,89 | 1,67 | 2,15 | 2,54 | 0,24 |
| Yöneticiyle ilişki | 4,69 | 3,23 | 3,98 | 4,22 | 0,21 |
| Yardım isteme açıklığı | 5,31 | 3,43 | 4,57 | 4,82 | 0,17 |
| Örgütsel bağlılık | 4,57 | 3,46 | 4,00 | 4,38 | 0,16 |
| Hatayı düzeltme isteği | 6,02 | 4,43 | 5,18 | 5,56 | 0,14 |
| İş motivasyonu | 4,79 | 3,66 | 4,30 | 4,68 | 0,13 |
| Beklenen performans | 5,19 | 4,29 | 4,68 | 4,82 | 0,10 |
| Duygusal tepki | 4,76 | 3,86 | 4,43 | 4,48 | 0,08 |
| Zihinsel geviş getirme | 3,64 | 3,45 | 3,20 | 3,48 | 0,01 |
Sütun sırasını okuyun, yalnızca ilk iki sütunu değil. Sıralama her satırda aynı.
Yapay zekânın yazdığı performans değerlendirmesi size asıl nerede pahalıya geliyor
Bu etki büyüklüklerini sıralayın; ilk dördü psikolojik mesafe (0,24), yöneticiyle ilişki (0,21), yöneticiden yardım isteme açıklığı (0,17) ve örgütsel bağlılık (0,16). Bilgisel çıktılar daha aşağıda: beklenen performans (0,10), duygusal tepki (0,08), zihinsel geviş getirme (0,01, anlamsız).
Bir performans görüşmesinin iki işi vardır. İş hakkında doğru bir sinyal iletmek ve o çalışanın bir sonraki sorunu size erken getirdiği kanalı açık tutmak. Açıklama vergisi neredeyse tamamen ikinci işe biniyor. Yardım isteme açıklığı yedili ölçekte 5,31'den 3,43'e düştü — çalışmadaki en büyük mutlak fark.
Pahalı olan bu. "Bir şey ters gidiyorsa bana gel" kanalını kaybetmiş bir yönetici, 50–500 tam zamanlı çalışanlı bir operasyonun sahip olduğu tek erken uyarı sistemini kaybetmiştir. Bunu bağlılık anketinde bir geri bildirim sorunu olarak görmezsiniz; geç gelen sürprizler olarak görürsünüz.
İlk taslağı kimin yazdığı, son okumayı kimin yaptığından daha önemli
Pratikte işe yarayan bulgu bu ve özetin hafife aldığı bulgu da bu. İki melez akış birbirinin yerine geçmiyor.
İnsanın yazıp yapay zekânın rafine ettiği akış baştan sona tamamen insana yakın seyretti: motivasyonda 4,68'e karşı 4,79, bağlılıkta 4,38'e karşı 4,57, yardım isteme açıklığında 4,82'ye karşı 5,31. Dokuz çıktının hiçbirinde tamamen insan geri bildiriminden anlamlı biçimde farklı değildi.
Yapay zekânın ürettiği ve insanın rafine ettiği akış daha kötü sonuç verdi ve daha önemlisi, tamamen yapay zekâ geri bildiriminden kendini ayırmayı başaramadı. Tamamen yapay zekâ koşuluna karşı dokuz çıktıdan yalnızca üçünde anlamlılığa ulaştı — yardım isteme açıklığı (4,57'ye karşı 3,43, p = 0,002), yöneticiyle ilişki (3,98'e karşı 3,23, p = 0,003) ve psikolojik mesafe (2,15'e karşı 1,67, p = 0,023). İnsan-önce-yapay-zekâ-sonra akışı ise tamamen yapay zekâ geri bildirimini dokuzda sekiz çıktıda geçti.
Yani etkiyi taşıyan şey sıra; zincirin bir yerinde insan bulunması değil. Yöneticiye bir yapay zekâ taslağını düzelttirmek ilişkisel maliyetin bir kısmını geri satın aldı. Yöneticiye önce yazdırıp metni sıkılaştırmak için yapay zekâyı kullanmak ise neredeyse tamamını geri aldı.
Bu da araçların bugünkü kullanımının tam tersi. "Bu yetkinlik puanlarından bir değerlendirme üret, sonra ben düzeltirim" cümlesi, 2026'da asistan çıkaran her İK paketinin varsayılan akışı. Bu kanıta göre iki melezin daha kötüsü o — ve yöneticilerinizin seçeceği de o, çünkü daha fazla zaman kazandırıyor.
Karşı argüman ve nereye kadar geçerli
Dürüst itiraz: bu bir senaryo deneyi. Katılımcılar varsayımsal bir duruma dair öngörülen tepkilerini bildirdi, gerçek bir değerlendirmeden sonraki davranışlarını değil. Örneklem çevrim içi toplanmış Macar kolay örneklemiydi, yönetsel sorumluluğu olmayan çalışanlara doğru eğimli (%66), ortalama yaş 32. Davranışsal çıktı ve izleme ölçümü yok. 1,67'ye karşı 2,89'u kendi sayılarınızın öngörüsü gibi ele almayın.
İtirazdan sağ çıkan şey yön ve sıralama; ikisi de çalışmanın kendi sağlamlık kontrolüyle güçleniyor. Açıklanan kaynağı doğru tanımlayan 123 katılımcıyla (%64) sınırlandığında — yani müdahaleyi fiilen kaydedenlerle — tüm etkiler aynı yönde çıktı ve çoğu daha büyüktü, η² 0,19 ile 0,42 arasında. Etki dikkatsizlik kaynaklı bir yapay sonuç değil. Aksine, tam örneklem sayıları etiketi fark etmeyenler tarafından sulandırılmış.
"Yapay zekâ okuryazarlığı" bu maliyeti geri satın almıyor
Cazip iç okuma, bunun eğitimle çözülen bir teknoloji rahatlığı sorunu olduğudur. Çalışma bunu doğrudan test etti. Yapay zekâ kaygısı ortak değişken olarak ölçüldü ve çok değişkenli etkisi anlamlı çıkmadı (V = 0,08, F(9, 179) = 1,73, p = 0,085). Tek değişkenli düzeyde tam olarak tek bir şeyi öngördü — zihinsel geviş getirmeyi — başka hiçbir şeyi değil.
Bunun ana sonuçla birlikte ne anlama geldiğine dikkat edin. Zihinsel geviş getirme, açıklanan kaynağın kıpırdatmadığı tek çıktı. Yapay zekâ kaygısı ise yalnızca onu kıpırdattı. İki etki neredeyse kusursuz biçimde ayrışık. Çalışanlar yapay zekâya dair genel bir tedirginlikten tepki vermiyor. Belirli bir çıkarıma tepki veriyorlar: kendilerini değerlendirmekle sorumlu kişinin, işin tam da onlarla ilgili kısmını devretmiş olmasına.
Bunu bir eğitim sorunu saymayı bırakmanın ikinci bir nedeni de var. Kuruluşların yalnızca %16'sı yöneticilerinin yapay zekâ kaynaklı ücret ve iş değişikliklerini çalışanlara anlatabileceğinden emin (Korn Ferry, 2026, N = 135 ülkede 5.512 kuruluş). Yazım akışını özenle açıklamasını isteyeceğiniz kitle, kendi liderliğinin değerlendirmesine göre şu anda bunu yapabilecek durumda değil.
Müşteri tarafındaki açıklama sonucu buraya taşınmıyor
Açıklama literatürünü izliyorsanız beklentiniz tam tersi olabilir. 1.337 müşteriye ulaşan rastgele atamalı bir saha deneyi, bir yapay zekâ sesli temsilcisini açıklamanın artık dönüşüm oranını açıklamamaya kıyasla düşürmediğini buldu (Habel, Zawadzki & Freise, SSRN 7013259, 2026). Ticari bir etkileşimde açıklama neredeyse bedelsiz hâle geldi.
Bundan içeride de bedelsiz olduğu çıkmaz ve gerekçe kültürel değil yapısal. Müşterinin ilişkisi şirketinizle; zarar görecek sürekli bir raporlama hattı yok ve müşteri zaten büyük ölçüde bir temsilciyle konuştuğunu varsayıyor. Çalışanın ilişkisi ise onun notunu, bandını ve ilerlemesini elinde tutan, adı belli bir kişiyle. O bağlamda açıklama, o kişinin dikkatini nereye harcadığına dair bir bilgidir.
İşe alım literatürü de aynı yöne işaret ediyor. Mülakatların algoritmik değerlendirmesinde şeffaflık aday davranışını düzeltti — yapay zekâ puanlamasının tetiklediği stresi ve yanıltıcı izlenim yönetimini azalttı — ama değerlendirici tarafında hiçbir şey yapmadı: insanlar yapay zekâ puanlarına demir attı ve kendi yargılarını değersizleştirdi (Lakhiwal et al., Information Systems Research, 2026). Şeffaflık, bilgilendirilen kişiyi düzeltir. Açığa çıkardığı devri düzeltmez.
Bir sonraki değerlendirme döneminden önce ne değişsin
Beş karar; hiçbiri yeni satın alma gerektirmiyor.
- Sırayı tercih değil politika olarak sabitleyin. Anlatıyı önce yönetici yazar; yapay zekâ sonrasında dili, yapıyı veya uzunluğu sıkılaştırabilir. Ters sıra, bu çalışmanın en ağır cezalandırdığı akıştır.
- Yapay zekâyı özellikle ilişkisel cümlelerin dışında tutun. Kanıt, hasarın yakınlık, güven ve yardım isteme üzerinde yoğunlaştığını söylüyor — yani bir değerlendirmenin işle değil ilişkiyle ilgili kısımlarında. O paragrafları yöneticinin kendi sözcükleriyle sahiplenmesi gerekir.
- Açıklama tutumunuzu biri sormadan önce belirleyin ve yazıya geçirin. Kimsenin fark etmeyeceği varsayımıyla açıklanmayan bir akış işletmeyin; katılımcıların %64'ü kaynağı yalnızca metinden doğru tespit etti ve etkiler onlarda daha büyüktü.
- Metni değil, girdiyi düzeltin. Yöneticilerin çoğu yapay zekâ yazımına, önlerinde hiçbir kanıt olmadan boş bir kutuya baktıkları için başvuruyor. Onlara döneme ait yetkinlik kanıtı, zaten sentezlenmiş 360° ayrışmaları ve kalibrasyon işaretleri verin; o zaman anlatı bir üretim işi değil kısa bir yazma işi hâline gelir — Scovai'nin performans ve yedekleme katmanı tam olarak bunu sağlamak için kurulmuştur.
- Memnuniyet puanını değil kanalı ölçün. Dönem sonrasına tek bir madde ekleyin: "Bu değerlendirmeden sonra bir sorunu yöneticinize erken getirme olasılığınız nedir?" Bu çalışmanın hareket ettiğini söylediği değişken bu ve çoğu değerlendirme anketinde yok.
Bütçe sorusu kendi kendini yanıtlıyor. 50–500 tam zamanlı çalışanlı bir şirkette değerlendirme kalitesinin kısıtı yazma kapasitesi değil — yöneticilerin değerlendirmeleri hafızadan yazması, çünkü hiçbir sistem kanıtı onların eline vermiyor. Yapay zekâ yazımı belirtiyi tedavi ediyor ve bunun faturasını raporlama hattı olarak size kesiyor.
Bu çeyrek için tek bir karar
Yapay zekânın yazdığı performans değerlendirmesi, politikanızda olsun ya da olmasın, yöneticilerinizin tarayıcısında zaten var. Seçtiğiniz şey yapay zekânın değerlendirme metnine dokunup dokunmayacağı değil. Seçtiğiniz şey işlem sırası — ve bu çalışma bütün meselenin orada olduğunu söylüyor: önce insan sonra yapay zekâ, dokuz çıktının tamamında tamamen insandan istatistiksel olarak ayırt edilemezdi; önce yapay zekâ sonra insan ise dokuzda altı çıktıda tamamen yapay zekâdan ayırt edilemezdi.
Dönem açılmadan önce değerlendirme kılavuzunuza ilk taslağı kimin ürettiğini belirten tek bir satır yazın. Hiçbir maliyeti yok, uygulanabilir ve burada tümüyle sizin kontrolünüzde olan tek değişken o.
