Yirmi bin Birleşik Krallık kamu görevlisine Microsoft 365 Copilot lisansı verildi ve bakanlıklar arası bulgular raporu sonucu kişi başına günde 26 dakika kazanım olarak belirledi (Government Digital Service, 2025). Rakam o günden beri satın alma sunumlarında dolaşıyor. Aynı rapordaki iki ayrıntı, bu rakamın neyi taşıyabileceğini değiştiriyor: katılımcılar bu sayıyı, günlük zaman kazanımlarını bir dizi aralık arasından kendileri tahmin ederek üretti ve sonuç bölümü "deneysel kısıtlar nedeniyle kazanılan zamanın nasıl harcandığını belirlemenin mümkün olmadığını" açıkça yazıyor.
Ardından Department for Work and Pensions — aynı denemenin içindeki bakanlıklardan biri — kendi kohortunu, hiç lisans almamış meslektaşlardan oluşan bir karşılaştırma grubuna karşı değerlendirdi. Tahmini sekiz rutin görev boyunca günde 19 dakika olarak çıktı (DWP, 2026).
Tek bir yaygınlaştırmanın iki ölçümü, aynı hükümet tarafından yayımlandı. Aradaki mesafe, bir zaman kazanımı manşetiyle bir AI pilot iş gerekçesi arasındaki mesafenin tam karşılığıdır.
20.000 lisans gerçekte neyi ölçtü
Bakanlıklar arası deney 30 Eylül – 31 Aralık 2024 arasında yürüdü; katılan her kurum en az 1.000 lisans taahhüt etti (Government Digital Service, 2025). AI verimliliğine dair kanıtların genel standardına göre bu iyi bir belge: geniş kapsamlı, kamu sektöründen, metodolojisiyle birlikte yayımlanmış — ve tepesinde üç yağcı logo bulunan bir tedarikçi vaka çalışması değil.
Bir operasyon yöneticisinin yavaşlaması gereken yer yöntem. Katılımcılardan ortalama günlük zaman kazanımlarını, "hiç veya 5 dakikadan az"dan "bir saatten fazla"ya uzanan aralıklardan seçerek tahmin etmeleri istendi. 26 dakikalık ortalama, bu aralıkların orta noktalarından hesaplandı; en üst bant 60 dakika sayıldı. Yüzde on yedi hiçbir net zaman kazanımı fark etmedi. Yüzde 70'ten fazlası Copilot'un bilgi arama süresini azalttığını belirtti — ki sonraki kanıtların işaret ettiği gibi, aracın en görünür biçimde yararlı ve ekonomik olarak en önemsiz olduğu kullanım alanı tam da burasıdır.
Yani ölçüm aracı bir hatırlama sorusu: bunun size ne kadar zaman kazandırdığını düşünüyorsunuz? Bu soru 20.000 kişiye ucuza sorulabilir; bu yüzden sorulur. Ama bir iş gerekçesinin gerçekten üzerinde döndüğü iki sayıyı üretemez.
Öz bildirimin veremediği iki sayı
İlki karşı-olgusal durum: aynı kadroyla, aynı çeyrekte ve hiç lisans olmadan o görevlere ne olacaktı. İkincisi varış noktası: geri kazanılan dakikalar nereye gitti.
İlki olmadan, etkiyle birlikte hevesi de ölçüyorsunuz. İkincisi olmadan, bir girdiyi ölçüp ona getiri diyorsunuz.
Aynı yaygınlaştırma, ona sahip olmayanlara karşı
DWP'nin değerlendirmesi bu sayılardan ilkini sağlıyor. Kullanmayanlardan oluşan bir karşılaştırma grubuna karşı Seemingly Unrelated Regression kullandı; demografik, mesleki ve AI'ya yatkınlık değişkenlerini kontrol etti ve sekiz rutin görev boyunca günde 19 dakika kazanım tahmin etti — tüm model kurgularında istatistiksel olarak anlamlı. Görev başına en büyük azalmalar bilgi aramada (26 dakika) ve e-posta yazmada (25 dakika) görüldü. Kullanıcıların yüzde doksanı Copilot'un zaman kazanmalarına yardım ettiğini söyledi, yüzde 65'i işte daha tatmin olduğunu bildirdi (DWP, 2026).
DWP kendi sınırı konusunda da aynı ölçüde açık: bu randomize kontrollü bir deneme değildi. Lisanslar ilk gelene göre dağıtıldı; dolayısıyla öz seçilim ve işlem sonrası yanlılık gerçek risklerdir. Lisanslar en hevesli kişilere gitti.
Burada aritmetiğe direnin. İki rakam denk değil — farklı popülasyonlar, farklı görev kapsamı, farklı yöntem — ve birini diğerinden çıkarmak, iki belgenin de desteklemediği bir sayı üretir. Bulgu yapısal, sayısal değil: karşılaştırma grubu ekleyen bakanlık, öz tahminden daha küçük bir rakam bildirdi — hem de heveslilerin kendilerini işleme seçtiği bir programda. Düzeltme bu yönde ilerliyor ve bir tedarikçi size yakınında hiç kontrol grubu bulunmayan tek bir sayı uzattığında önemli olan yön de budur.
Bütçe toplantısını durdurması gereken cümle
Bakanlıklar arası raporun tamamında, 26 dakikanın kullanımına en çok zarar veren satır sonuç bölümünde: "deneysel kısıtlar nedeniyle kazanılan zamanın nasıl harcandığını belirlemek mümkün olmadı."
Geri kazanılmış bir dakikanın üç olası kaderi vardır. Çıktıya dönüşür. Başka bir görev tarafından emilir. Ya da boş zamana dönüşür. İş gerekçesinde yalnızca birincisi görünür ve deneme bunları ayırt edemedi.
Bu bir kamu sektörü tuhaflığı değil. Aynı soruya dair ilk federal ve tedarikçiden bağımsız ölçüm, önceki hafta işte AI kullanmış ABD çalışanları arasında yüzde 56'sının, AI olmadan gereken ek süreyi haftada iki saat veya daha az olarak konumlandırdığını buldu; yüzde 10'u hiç zaman kazanmadığını, yüzde 3'ü ise AI'nın daha fazla zaman gerektirdiğini belirtti (ABD Nüfus Sayım Bürosu, 2026).
Dağınık dakikalar halinde gelen haftada iki saat, yeniden tahsis edilebilir bir tam zamanlı eşdeğere birikmez. Operasyonel test sert: bütün bir görev birinin masasından çıkıyor mu? Cevap hayırsa, saatlerin yüklü maliyetle çarpımı bir söz sanatıdır, öngörü değil.
Kullanıcı başına dakikalar neden bir AI pilot iş gerekçesine toplanmaz
Katılım sorunu varış noktası sorununu büyütür. ECB'nin Tüketici Beklentileri Anketi aynı sonucu iki yükseklikte bildiriyor: medyan AI kullanıcısı haftada yaklaşık üç saat kazanıyor, medyan çalışma süresinin kabaca yüzde 7,7'si — ama çalışanların yalnızca yüzde 48,8'i hem AI kullanıyor hem de onunla zaman kazanıyor; bu da ekonomi ölçeğindeki verimlilik kazancını yaklaşık yüzde 3,8'e indiriyor (ECB, 2026).
Aynı anket, aynı katılımcılar — ve payda "kullanıcılar" olmaktan çıkıp "para ödediğiniz herkes" olduğunda sayı yarıya iniyor.
ECB verileri ayrıca kullanım örüntüsünü, bir pilotu yeniden sıralamayı gerektirecek biçimde ters çeviriyor. Kod üretimi ve hata ayıklama haftada neredeyse sekiz saat geri veriyor — ve kullanıcıların yalnızca yüzde 8 kadarı AI'yı orada kullanıyor. Araştırma, bilgi toplama, yazma ve düzenleme en yaygın kullanımlar ve belirgin biçimde daha az kazandırıyor. Bakanlıklar arası denemenin amiral faydası, yani bilgi aramaya daha az zaman harcamak, tam olarak düşük getirili bantta duruyor.
Bu da demek oluyor ki iş gerekçesi, çoğu sunumda bir tane olan yerde üç girdiye ihtiyaç duyar: katılım oranı, görev düzeyinde getiri ve serbest kalan saatlerin çıktıya mı boş zamana mı dönüştüğüne dair açık bir dönüşüm katsayısı. Bunların her biri yenilemeden önce gözlemlenebilir. Hiçbiri 26 dakikalık bir ortalamanın içinde değil.
Dürüst karşı argüman
Üç sınır, açıkça söylenmiş hâliyle.
Öz bildirim her iki yönde de yanılabilir — ama ölçülen yön merhametli olmadı. METR'in deneyimli açık kaynak geliştiricileri üzerindeki randomize denemesi, 2025 başındaki AI araçlarının onları yüzde 19 yavaşlattığını, kendilerinin ise hızlandıklarına inandığını buldu; 349 teknik çalışanla yaptığı sonraki anket, o çalışmadaki katılımcıların AI'nın görev süresine etkisini ortalama 40 yüzde puan fazla tahmin ettiğini bildiriyor (METR, 2026). Bu, yakından bildikleri kod depolarında çalışan dar bir popülasyon ve büyüklük orta ölçekli bir arka ofise taşınmaz. Daha küçük ama yine de yararlı bir şeyi ortaya koyar: öz tahmine dayalı bir kazanım muhafazakâr bir girdi değildir.
Bu değerlendirmeler başarısızlık değildi. İkisi de gerçek ve istatistiksel olarak anlamlı zaman kazanımları buldu; DWP ayrıca kendi başına değerli tatmin etkileri buldu. Buradaki eleştiri denemelere değil — kanıt diye satılan pek çok şeyden daha şeffaflar — manşet rakamdan rapordan çıktıktan sonra istenen işe yöneliktir.
Kamu sektörü sizin sektörünüz değil. Kamu hizmetinin görev bileşimi, satın alma kısıtları ve temel araç altyapısı kendine özgüdür. Taşınabilir varlık değerlendirme tasarımıdır, dakikalar değil. Modelinize 26 veya 19'u taşımayın; ikinci sayıyı üreten soruyu taşıyın.
Sonraki yenilemeden önce pilot tasarımında neyi değiştirmeli
Dört hamle; hiçbiri yeni bir bütçe kalemi gerektirmiyor.
- Bir karşılaştırma grubu ayırın ve heveslilerin kendilerini seçmesine izin vermeyin. Bir pilotun rakamını savunulabilir kılmanın en ucuz yolu, aynı fonksiyon içinde aynı 90 gün boyunca lisans almayan bir kohorttur. DWP'nin kendi beyan ettiği sınır — ilk gelene dağıtım — düzeltilecek kısımdır: lisansları ilk isteyene vermek yerine bir ekip içinde rastgele atayın.
- Pilot başlamadan önce varış noktasını adlandırın. Her pozisyon için yazın: hangi belirli görevin kimin masasından çıkması bekleniyor ve boşalan yeri neyin doldurması bekleniyor. Cevap "insanların daha çok zamanı olacak" ise pilot memnuniyet ölçüyordur ve bütçesi de buna göre yapılmalıdır.
- Tüm yaygınlaştırmayı değil, tek bir görevi ölçümleyin. Sistemden gözlemlenebilir çevrim süresi olan iki görev seçin ve bunları baştan sona ölçün. İki görevde savunulabilir bir fark, kırk görevde anket ortalamasından iyidir.
- Kadroyu değil pozisyonu puanlayın. Varış noktası sorusu pozisyon düzeyinde çözülmek zorundadır, çünkü işin gerçekten hareket ettiği düzey orasıdır. Scovai'nin organizasyon şeması üzerinde augmentability puanlaması bu çıktının somut bir biçimidir — her pozisyon ne kadar güçlendirilebilir olduğuna göre 0–100% arasında puanlanır; kapsanmayan roller ve pozisyon başına plan aynı şemadan çıkar.
Birleşik Krallık hükümeti alışılmadık bir şey yaptı: hem gurur verici rakamı hem de onu zayıflatan yöntemi yayımladı, sonra bakanlıklarından birinin kendi ödevini bir karşılaştırma grubuyla denetlemesine izin verdi. Bu, özel şirketler içindeki AI pilotlarının çoğunun hiç ulaşamadığı bir kanıt standardıdır.
Dolayısıyla bu çeyrekte bir lisans bloğunu yenilemeden önce tek bir sayfa isteyin: hangi görevler hangi masalardan çıktı ve boşalan yere ne geldi. O sayfayı kimse yazamıyorsa elinizde bir AI pilot iş gerekçesi yok. Elinizde, lisans ücreti eklenmiş bir memnuniyet anketi var.
