Ekibiniz günde 87 dakikasını yapay zekâ araçlarının içinde geçiriyor. Bu sürenin %42'si hataları gidermeye ve komutları yeniden yazmaya giderken, işi gerçekten ilerleten çalışmaya yalnızca %35'i ayrılıyor (BambooHR, 2026). Yapay zekâ sorun giderme süresi artık ortalama bir iş gününde yapay zekâya ayrılan en büyük tekil kategori — bu araçların genişletmesi beklenen üretken kategoriden bile büyük.
Yıllık ölçeğe vurulduğunda 87 dakika, yılda yaklaşık 47 sekiz saatlik iş gününe denk geliyor. Bu günlerin yaklaşık 20'si, aracı istenen şekilde davranmaya ikna etmekle geçiyor.
Bu bir benimseme sorunu değil. Benimseme çalışıyor. Bu bir ölçüm sorunu: bu yaygınlaştırmayı izleyen panellerin neredeyse tamamı 87 dakikayı sayıyor, hiçbiri onu ayrıştırmıyor.
Yenileme görüşmenizin başlaması gereken araştırma
BambooHR'ın Redesigning Work: AI's Performance Review çalışması, 520 İK profesyonelinden oluşan bir alt grup dâhil olmak üzere 1.608 tam zamanlı maaşlı ABD çalışanıyla yapıldı; saha çalışması 26 Haziran–15 Temmuz 2026 tarihlerinde Method Research tarafından yürütüldü ve rapor 1 Eylül'de yayımlandı (BambooHR, 2026). Katılımcılar on ikiden fazla sektörü kapsıyordu; cinsiyet dağılımı dengeliydi, yaş grupları ve coğrafyalar bakımından da çeşitlilik vardı.
Asıl bulgu, sürenin nasıl bölündüğü:
- %42 yapay zekâ süresi — hata giderme ve komut yineleme
- %35 yapay zekâ süresi — çalışanın iş yükünü ilerleten üretken çalışma
- %23 — geri kalan her şey
Yüzdeleri değil oranı aklınızda tutun. Ekibinizin bir yapay zekâ aracından değer çıkarmak için harcadığı her üç dakikaya karşılık, aracı kullanılabilir bir şey üretmeye ikna etmek için dört dakika harcıyor. Bu oranın bir maliyeti var, bir dağılımı var ve ikisi de lisans sayısı raporunda görünmüyor.
Bu arada kuruluşların %63'ü yapay zekâ aracı bütçelerini çoktan artırdı. Harcama, kimsenin ayrıştırmadığı bir paydanın üzerinde büyüyor.
Yük, organizasyon şemanızı tersine çeviriyor
Nereye baktığınızı değiştirmesi gereken kısım burası.
Kademeye göre yapay zekâ araçlarında geçirilen günlük dakikalar (BambooHR, 2026):
- Başkan yardımcıları ve üst yönetim: 101 dakika
- Yöneticiler ve direktörler: 89 dakika
- Bireysel katkı sağlayanlar: 54 dakika
Üst düzey yöneticiler bu araçlarda kendilerine bağlı çalışanların neredeyse iki katı süre geçiriyor. Sorun giderme payı kademeler arasında kabaca bile sabit kalıyorsa, şirketinizdeki en büyük verimsiz yapay zekâ süresi havuzunu en pahalı iş gücünüz üretiyor demektir.
Bunu orta ölçekli şirket düzeyine taşıyın. 200 tam zamanlı çalışanı ve başkan yardımcısı seviyesinde veya üzerinde 15 kişisi olan bir şirket: günde 101 dakika, bunun %42'si sorun giderme, yöneticibaşına günde yaklaşık 42 dakika eder. 15 kişide bu, günde 10 saatin üzerinde yönetici zamanı demek — tam zamanlı ek bir kıdemli çalışandan fazlası, tamamı komut yineleme ve hata düzeltmeye harcanıyor ve bordronuzun en pahalı kaleminden finanse ediliyor.
Bu kadroyu kimse onaylamadı. Bir araç bütçesi üzerinden geldi.
Kıdem maliyeti neden yoğunlaştırıyor
Kıdemli çalışanların yapay zekâyı ne için kullandığına bakınca yön hiç şaşırtıcı değil. İşleri daha az şablonlu, yargı yoğunluğu daha yüksek ve bağlama daha bağımlı — yani tam olarak daha çok yineleme, daha çok düzeltme ve daha çok terk edilmiş çıktı üreten profil. Yapay zekâdan en temiz verimi veren görevler ise genelde yapılandırılmış olanlar, yani şemanın daha aşağısındakiler.
Euro Bölgesi'nden uyumlu bir sinyal var. Avrupa Merkez Bankası'nın Tüketici Beklentileri Anketi, yapay zekânın zaman verimi en yüksek görevlerinin dar ve az kullanılan görevler olduğunu buldu — kod üretimi ve hata ayıklama haftada neredeyse sekiz saat geri kazandırıyor, ancak çalışanların yalnızca %8 kadarı yapay zekâyı orada kullanıyor — buna karşılık en yaygın kullanımlar olan araştırma, bilgi toplama, yazma ve düzenleme çok daha az tasarruf sağlıyor (AMB, 2026). Geniş, yapılandırılmamış, bağlam yoğun iş, saatlerin girdiği ve en düşük verimin çıktığı yerdir. Bu da bir üst düzey yöneticinin gününün epey doğru bir tarifi.
Neden kimse şikâyet etmedi
Çünkü israf gibi hissettirmiyor. Sorunu koca bir bütçe döngüsü boyunca görünmez tutan da tam olarak bu.
BambooHR, çalışanların %65'inin işte yapay zekâ kullanmaya dair kendine güvenli ve istekli hissettiğini, %58'inin ise başlıca motivasyon olarak zaman tasarrufunu gösterdiğini buldu — hem de aynı 42/35 dağılımının içinde otururken.
Culture Amp'in ilk AI at Work kıyaslaması aynı kopukluğu büyük ölçekte gösteriyor. Temmuz 2026'ya kadarki 12 ayda toplanan yaklaşık 112.000 çalışan ve 343.000 yanıt üzerinden, çalışanların %71'i yapay zekâ araçlarının kendilerini daha üretken hissettirdiğini söyledi; bu oran en yoğun kullanıcılarda %93'e çıkıyor. Ne var ki iş yüklerinin makul olup olmadığı sorulduğunda, yoğun kullanıcılar %72, kullanmayanlar %69 verdi — üç puanlık bir fark (Culture Amp, 2026).
Hissedilen üretkenlik, kullanım yoğunluğuyla 22 puan yükseliyor. Hissedilen iş yükü rahatlaması üç puan oynuyor. Bu iki eğrinin birlikte hareket etmesi gerekirdi; etmiyorlar.
Burada zayıf ölçüm aracı, kişinin kendi beyanı
Algılanan etki ile ölçülen etki arasındaki fark belgelenmiş durumda ve tek yönde işliyor. METR'in deneyimli açık kaynak geliştiricileriyle yaptığı randomize deney, 2025 başındaki yapay zekâ araçlarının onları %19 yavaşlattığını, buna karşın katılımcıların hızlandıklarına inandığını buldu; METR'in 349 teknik çalışanla yaptığı sonraki anket, o çalışmanın katılımcılarının yapay zekânın görev süresine etkisini ortalama 40 puan abarttığını bildiriyor (METR, 2026).
Birleşik Krallık hükümetinin kendi değerlendirmeleri, daha iyi yöntemle aynı daralmayı gösteriyor. Bakanlıklar arası Microsoft 365 Copilot denemesi — 20.000 kamu görevlisi — günde ortalama 26 dakika tasarruf bildirdi; bu rakamı katılımcılar bir dizi aralıktan kendileri tahmin etti (GDS, 2025). Çalışma ve Emeklilik Bakanlığı (DWP) kendi dilimini, kullanmayanlardan oluşan bir karşılaştırma grubuna karşı, demografik, mesleki ve yapay zekâya ilgi değişkenlerini kontrol ederek değerlendirdiğinde, tahmin sekiz rutin görev genelinde günde 19 dakikaya indi (DWP, 2025).
Farklı popülasyonlar ve farklı görev kapsamı, dolayısıyla bu temiz bir öncesi-sonrası karşılaştırması değil. Ama aynı yaygınlaştırmanın iki ölçümü ve karşılaştırma grubu olan ölçüm daha küçük olan. GDS raporu sonuç bölümünde açık: "deneysel kısıtlar nedeniyle kazanılan zamanın nasıl harcandığını belirlemek mümkün olmadı."
Ekibinizin hevesi gerçek. Kanıt değil.
Yapay zekâ sorun giderme süresi benimseme metriklerinizi bozuyor
Lisans sayıları, lisans kullanımı ve oturum açma oranlarının hepsi o 87 dakikayı ölçüyor. Hiçbiri 42'yi 35'ten ayırmıyor. Güçlü kullanım gösteren bir benimseme paneli, bu kanıtlar ışığında, hem ciddi kaldıraç elde eden bir ekiple hem de yılda 20 iş günü kendi araçlarıyla boğuşan bir ekiple aynı ölçüde tutarlıdır.
Daha kötüsü, metrik yanlış hareketi ödüllendiriyor. Araç içindeki dakikaların artması başarı gibi okunuyor. Sorun giderme payı sabitse, artan dakikalar büyük ölçüde artan yeniden iştir.
AMB sonucu ikinci düzeltmeyi ekliyor. Euro Bölgesi'ndeki ortanca yapay zekâ kullanıcısı haftada yaklaşık üç saat, yani çalışma süresinin kabaca %7,7'sini kazanıyor — ancak çalışanların yalnızca %48,8'i hem yapay zekâ kullanıp hem de onunla zaman kazandığı için, ekonomi genelindeki kazanç yaklaşık %3,8 (AMB, 2026). Kullanıcı başına rakamların çalışan sayısıyla çarpılması getiriyi kabaca iki kat abartıyor. "X dakika tasarruf × herkes" üzerine kurulu bir iş gerekçesi iki kez yanılır: bir kez katılımda, bir kez de saydığı dakikaların içindeki sorun giderme payında.
Dürüst itiraz
Üç sınır, açıkça söylenmiş hâliyle.
Bu bir tedarikçi araştırması. BambooHR küçük ve orta ölçekli işletmelere İK yazılımı satıyor ve "yapay zekâ yaygınlaştırmaları insan tarafında yönetim gerektirir" savında ticari bir çıkarı var. Saha çalışmasını bağımsız bir araştırma şirketi yürüttü, yöntem açıklandı ve örneklem makul — ama bu bir anket yayını, hakemli bir makale değil. Ağırlığı buna göre verin.
Bu bir öz beyan ve onu destekleyenlerin çoğu da öyle. 42/35 dağılımı, çalışanların kendi zaman dağılımlarını tahmin etmesine dayanıyor; yani METR'in tam da bu alanda güvenilmez olduğunu gösterdiği ölçüm aracına. Dürüst okuma şu: yön, BambooHR, Culture Amp ve Birleşik Krallık denemeleri arasında iyi doğrulanıyor; büyüklükler ise gevşek. %42'yi ölçülmüş bir sabit olarak alıntılamayın. Kendi oranınızı ölçmek için bir gerekçe olarak alıntılayın.
Kıdeme göre fark bir korelasyon, mekanizma değil. BambooHR kademeye göre dakikaları paylaşıyor; kademeye göre sorun giderme payını paylaşmıyor. Yukarıdaki hesabım %42'nin kademeler arasında kabaca sabit kaldığını varsayıyor. Bu varsayım makul ama sınanmamış — kıdemli iş daha çok yineleme üretiyor olabilir ya da kıdemli kullanıcılar bundan kaçınmakta daha becerikli olabilir. Yönetici saati rakamını, gidip doğrulanacak bir büyüklük mertebesi olarak ele alın; yönetim kurulu sunumuna konacak bir sayı olarak değil.
Bu çeyrek neye karar vermeli
Dört hamle. Hiçbiri yeni yazılım gerektirmiyor.
- Bir sonraki yenilemeden önce dakika sayımını ayrıştırın. Mevcut metriğiniz araç içinde geçen dakikalar. Bir boyut ekleyin: bu sürenin ne kadarı çıktı üretiyor, ne kadarı kullanılabilir bir komut üretiyor. 20 kişiyle iki haftalık bir öz kayıt, savunulabilir bir iç rakam verir ve bu yazıdaki, gerçekten sizin şirketinize ait tek sayıdır.
- Ortalamaya göre değil, kademeye göre örnekleyin. Kıdemli kademeyi ayrı çekin. BambooHR'ın bulduğu biçim sizin kurumunuzda da geçerliyse, pahalı sorun iki yüz değil on beş takvimde yoğunlaşıyordur — bu da onu ele alınabilir kılar.
- Sorun giderme payını benimseme KPI'ı yapın. Oturum açma oranını bu oranla değiştirin. Dakikaların yükseldiği ve sorun giderme payının düştüğü bir yaygınlaştırma işliyordur. İkisinin birden yükseldiği bir yaygınlaştırma ise benimseme paneli kılığına girmiş bir yeniden iş hattıdır.
- Saatleri saymadan önce onlara bir varış yeri belirleyin. Birleşik Krallık'taki iki değerlendirme de kazanılan zamanı ölçebildi, hiçbiri nereye gittiğini söyleyemedi. Adı konmuş bir varış yeri olmayan bir zaman tasarrufu rakamı, yatırım getirisi girdisi değildir. Başlayanı hanenize yazmadan önce neyin duracağına karar verin.
Bu yıl yapay zekâ bütçelerini artıran %63, bunu, boğuşulan dakikayla çalışılan dakikayı aynı sayan bir rakama dayanarak yaptı.
Bir sonraki artışı onaylamadan önce, hangisini satın aldığınızı öğrenin. En kıdemli çalışanlarınız bu sorunun bedelini bütün yıl ödedi — kimsenin bütçeye koymadığı yapay zekâ sorun giderme süresiyle.
