Stanford Digital Economy Lab'ın 29 Mart 2026'da Pereira, Graylin ve Brynjolfsson tarafından yayınlanan Enterprise AI Playbook'u, aynı sınır modelleri çalıştıran 51 üretim kurumsal AI dağıtımını inceledi ve Mayıs ortasından itibaren ciddi operasyon forumlarında dolaşmaya başlayan bir sonucu ortaya çıkardı: mimari olarak farklı iki dağıtım modelini ayıran 31 yüzde puanlık medyan üretkenlik farkı (Stanford Digital Economy Lab, 2026). AI'ın görevi insan onay kapısı olmadan uçtan uca sahiplendiği dağıtımlar %71 medyan üretkenlik kazancı sağladı. Her anlamlı eylemde bir insan onaylayıcısını döngüde tutan dağıtımlar %40'ta takıldı. Aynı modeller. Aynı tedarikçiler. Aynı prompt engineering yatırımı. Fark, yetki devri mimarisiydi — kimin sormadan hareket etmesine izin verildiğiydi.
Bu çeyrekte 200 FTE'lik bir fonksiyonda AI iş akışı tasarımını sonlandıran bir Head of Operations için, o 31 puanlık fark ilginç bir veri noktası değildir. Çoğu mid-market AI pilotunun dağıtım liderlerinin sessizce biriktirdiği üretkenlik kazancının yaklaşık yarısında inmesinin açıklamasıdır. Literatür model seçimi, vendor stack ve prompt sofistikasyonu hakkında tartışıyor. Stanford'un verileri soruyu kapattı: sonucu belirleyen mimari karar, çoğu operasyon ekibinin yaptığının farkında olmadan varsayılan olarak geçtiği karardır.
Stanford'un gerçekten ne ölçtüğü — ve neden 51 üretim dağıtımının başka bir pilot çalışmadan üstün olduğu
Bu çalışmanın 2024'ten beri operasyon literatürünü dolduran AI ROI danışmanlık sunumlarından farklı okunmasının nedeni metodolojiktir. Dolaşımdaki yüksek trafikli AI üretkenlik rakamlarının çoğu üç kaynaktan birinden gelir: vendor raporlu vaka çalışmaları (derin filtrelenmiş), single-firm pilot yazıları (tipik olarak başarılı olan şirket) veya iş akışı üretkenliğine kötü çevrilen model-karşı-model benchmark'ları. Stanford havuzu farklıdır. Pereira, Graylin ve Brynjolfsson üretim dağıtımları için filtreledi — pilotlar değil, durağan durumda operasyondaki iş akışları; model değerlendirmesine değil, ölçülebilir iş sonuçlarına bağlı; yeni dağıtılmış ve gürültüye uydurulmuş değil, aynı mimari modelde altı ay veya daha uzun süre çalışan. 51 dağıtım örneği bu filtreden hayatta kalan şeydir ve çalışma, mid-market ölçümün gürültü tabanının yutmayacağı kadar büyük etki boyutları raporlamaktadır.
Araç en çok tartışılan bulgu için önemlidir. %71'e karşı %40 farkı, çoğu iç AI strateji sunumunun merkezi seçim olarak ele aldığı dört değişken olan model sağlayıcılar, vendor stack'ler, sektör dikeyleri ve takım büyüklükleri boyunca tutuldu. Farkı hareket ettiren tek değişken yetki devri modeliydi: AI'ın iş akışını tamamladığı ve bir insanın istisnaları gözden geçirdiği uçtan uca sahiplik, karşısında bir insanın AI'ın önerdiği her eylemi imzaladığı approval-by-default. Eş yazar Brynjolfsson sinyali, operasyon topluluğunun reddetmekte yavaş olmasının bir parçasıdır — o ve ortak yazarları, ölçülen AI üretkenliğinin neden iddia edileninden saptığını izlemek için on yıl harcadı ve içinde bulunduğu Quarterly Journal of Economics ve NBER literatürü sorunun en titiz versiyonudur (NBER Working Papers, Brynjolfsson).
Bulgunun içindeki bulgu operasyonel olarak uygulanabilir kısımdır. Approval-by-default dağıtımları AI hatalı olduğu için takılmıyordu — hata oranları iki mimari arasında karşılaştırılabilirdi. Takılıyorlardı çünkü insan onay adımı, çalışmanın açıkça adlandırdığı üç mekanizma aracılığıyla üretkenlik kazancını sıkıştırıyordu: insan incelemesini bekleme kuyruğu süresi, inceleyici üzerindeki context-switching maliyeti ve inceleyicilerin öneriyi onaylamak yerine görevin bölümlerini yeniden yaptığı silent over-reach. 31 puanlık fark, operasyonel terimlerle, her AI eylemini iş akışının eylem üzerinde ihtiyaç duymadığı bir insan dar boğazından yönlendirme maliyetidir — sadece istisnada ihtiyaç duyduğu.
Mid-market operasyonları neden varsayılan olarak yanlış ayara gider
%40 rakamını üreten mid-market dağıtım modeli nadiren düşünülmüş bir seçimdir. Herhangi bir 50–500 FTE operasyon fonksiyonunda temiz hizalanan ve birlikte alındığında kimsenin açıkça seçmediği approval-by-default mimarisi üreten üç refleksin eseridir.
İlk refleks risk çerçevelemesidir. Operasyon liderleri "bu iş akışında AI dağıtmak"ı bir kontrol yapısına çevirdiklerinde, doğal ilk taslak şudur: AI önerir, insan onaylar, audit trail. Çerçeve özellikle düzenlenmiş fonksiyonlarda veya AI dağıtımının belirli bir takımın gönderdiği ilk dağıtım olduğu şirketlerde tedbirli hissettirir. Bu bahar yayınlanan MIT Sloan agentic enterprise anketi, mid-market benimseme duruşunun bu kontrol modeline doğru 2'ye 1 eğildiğini buldu — büyük kurumsal benimseyiciler, Stanford verilerinin şimdi nicelleştirdiği şeyi öğrenmek için yeterli sayıda dağıtım göndermiştir — approval-by-default kontrol yapısı, denetim komitesinin sormaya değil, güvence almaya çalışması gereken şeydir (MIT Sloan Management Review, 2026).
İkinci refleks araçlardır. Çoğu kurumsal AI platformu — Microsoft Copilot, Salesforce Einstein, ana SaaS paketlerindeki agentic eklentiler — human-in-the-loop varsayılan UI modeliyle gönderilir çünkü en güvenli demoyu ve en temiz kurumsal satın alma hikayesini üretir. Fonksiyon varsayılanı miras alır ve bir öneri olarak okur. Stanford çalışmasının vendor stack için en rahatsız edici çıkarımı, varsayılan UI'ın, vendor'ın temelinde satıldığı üretkenlik kazancını aktif olarak bastıran şey olmasıdır.
Üçüncü refleks line manager konfor sinyalidir. Bir iş akışı human-owned'dan istisna ile insan denetimine sahip AI-owned'a geçtiğinde, operasyonel yönetici approval-by-default'un sağladığı görünürlüğü kaybeder. Refleks talep "güvenene kadar her şey hakkında beni döngüde tut"tur, mantıklı gelir ve tam olarak Stanford'un 31 puanlık farkı üreten mekanizma olarak adlandırdığı davranıştır. Yöneticinin geliştirmeyi beklediği güven asla gelişmez, çünkü approval-on-every-action ona hangi eylemlerin yargısına ihtiyaç duyduğu ile hangilerini sadece mühürlediği hakkında temiz bir sinyal vermez. Fonksiyon, sonradan asla güncelleme verisine sahip olmadığı bir duruşa kilitlenir.
Bu üç refleks operasyon liderinin yargı başarısızlıkları değildir. Mimari soru açıkça adlandırılmadığında ve hangi mimarinin kazandığı verisi masaya konmadığında disiplinli operasyon tasarımının ürettiği şeydir. Stanford playbook'u şimdi onları masaya koymuştur.
Yetki devri haritası — 200 FTE operasyonları için aslında neye benziyor
Stanford verilerinin savunduğu kol somuttur ve önümüzdeki dört ila altı hafta içinde sıralanabilir. Üç parça, bu sırayla, önemlidir.
İş akışını yeniden tasarlamadan önce kararları kategorize edin
İlk parça: şu anda approval-by-default çalıştıran her AI-enabled iş akışı için, iş akışının gerçekten dokunduğu karar kategorilerini listeleyin ve üç gruba ayırın — yüksek riskli geri döndürülemez (düzenleyici başvurular, müşteriye yönelik finansal kararlar, fesihler), orta riskli kurtarılabilir (onaylı bütçe içinde vendor seçimi, iç hedef kitlelere içerik yayınlama, hesap kademesi ayarlamaları) ve düşük riskli geri döndürülebilir (taslak oluşturma, takım içi zamanlama, ticket triyajı, ilk geçiş kategorizasyonu). Egzersiz iş akışı başına bir cross-functional çalışma oturumudur; çıktı, onay kapısının nerede risk azaltma değeri eklediğini ve nerede sadece kuyruk süresi eklediğini adlandıran bir sayfalık karar kategorisi haritasıdır.
Çoğu 200 FTE operasyon fonksiyonu, modeli okuyuşumuza göre, herhangi bir verili AI iş akışı içindeki kararların %60–80'inin düşük riskli geri döndürülebilir bucket'ında oturduğunu ve approval-by-default'un üçü boyunca tek tip uygulandığını keşfeder. Harita kilit açıcıdır. Yüksek riskli geri döndürülemez bucket gerçekten bir insan kapısına ihtiyaç duyar ve veriler bunu tartışmaz. Diğer iki bucket, 31 puanlık üretkenlik kazancının masada bırakıldığı yerlerdir — ve mimari hareketin approval-by-default'tan oversight-by-exception'a olduğu yerdir, istisna tetikleyicileri inceleyicinin takdirinde örtük olmak yerine iş akışında açıkça tanımlanmış olarak.
İnsanları kapı türüyle psikometrik veriler aracılığıyla eşleştirin
İkinci parça — ve çoğu mid-market fonksiyonunun atladığı — sadece istisna gözetimi için doğru insanları seçmektir. Stanford çalışması, ikinci yarı uygulama bölümünde, sadece istisna gözetiminin en sık kaçırılan istisnalardan değil, sessiz yeniden eklemeden başarısız olduğunu belirtir: istisnaları incelemesi gereken inceleyici de rutin eylemleri incelemeye başlar, çünkü her zaman çalıştırdığı çalışma modeli budur. Oversight-by-exception'a mimari kayma kısmen organizasyonel yeniden tasarım ve kısmen seçim sorunudur.
Seçim sinyali psikometriktir, kimlik bilgisine dayalı değildir. Bir inceleyicinin sessizce rutin incelemeye yeniden katılmadan oversight-by-exception çizgisini tutup tutamayacağını öngören özellikler belirsizlik altında yargı, yüksek vicdanlılık ve organizasyonel psikoloji literatürünün güven yoluyla denetim toleransı olarak adlandırdığı şeydir — rutin eylemi devretme ve eylem düzeyi sinyaller yerine model düzeyi sinyalleri inceleme rahatlığı. Çizgiyi tutan inceleyiciler bu boyutlarda yüksek puan alma eğilimindedir; sessizce yeniden katılanlar, kıdem veya alan uzmanlığından bağımsız olarak düşük puan alma eğilimindedir. İstisna gözetimi rolünü atamadan önce aday inceleyiciler üzerinde kısa bir psikometrik geçiş çalıştıran fonksiyon, kıdeme veya org chart kolaylığına göre atayan fonksiyondan anlamlı ölçüde daha iyi bir eşleşme alır.
Buradaki Scovai merceği operasyonel olandır: yargı ve güven yoluyla denetim toleransı üzerine psikometrik veriler, inceleyici başına yaklaşık otuz dakikada toplanan, standart sağlayıcılardan profil başına 40–90 dolar aralığında maliyetli ve yetki devri rollout'larının en yaygın başarısızlık modunu önleyen türden bir karar girdisidir. Ekonomi basit — 200 FTE fonksiyonunda kötü bir oversight-by-exception ataması, iş akışındaki üretkenlik kazancını, tüm inceleyici havuzunda psikometrik filtreyi birkaç kez finanse etmeye yetecek kadar sıkıştırır.
İstisna tetikleyicisini ve sessiz yeniden ekleme kontrolünü bağlayın
Üçüncü parça: istisna tetikleyicilerini inceleyicinin kafasında değil, kodda tanımlayın ve sessiz yeniden eklemeyi tespit etmek için iş akışını enstrümante edin. İstisna tetikleyicileri, AI iş akışının insan incelemesi için bir karar gündeme getirdiği koşullardır — tipik olarak anomali eşikleri, confidence-score bantları, edge-case bayrakları veya model sapmaları. Bunları açıkça tanımlamak, hangi istisnaların gerçekten insan yargısına ihtiyaç duyduğu ve hangilerinin oraya varsayılan olarak yönlendirildiği hakkında tasarım sohbetini zorlar.
Sessiz yeniden ekleme enstrümantasyonu, çoğu rollout'un atladığı parçadır ve Stanford verilerinin üretkenlik kazancının 90 günde kalıp kalmayacağının tek en iyi tahmincisi olarak gösterdiğidir. İnceleyicinin kuyruğunda bir kullanım telemetri kontrolüdür: sadece gündeme gelen istisnalara mı dokunuyorlar, yoksa iş akışının özerkleştirmesi gereken rutin eylemleri mi çekip değiştiriyorlar? Kontrol ucuz inşa edilir, arka planda çalışır ve güven geliştirme problemini öznel olandan ("bu yönetici şimdi rahat hissediyor mu?") ölçülen bir probleme dönüştürür. Onu enstrümante eden fonksiyonlar güven geliştirme eğrisinden 60–90 günde geçer; yapmayan fonksiyonlar, kimse açıkça seçmeden altı ay içinde approval-by-default'a geri kaymaya eğilimlidir.
Karşı argüman ve Stanford verilerinin bunu neden kapattığı
Risk bilinçli mid-market COO'nun doğal karşı argümanı: 51 dağıtım küçük bir örneklemdir, 31 puanlık fark bizim spesifik iş akışlarımıza genellenmeyebilir ve disiplinli hareket, kendimiz kontrollü bir karşılaştırma çalıştırana kadar human-in-the-loop'u korumaktır. Mantık titiz görünür ve yanlış sonucu üretir.
Stanford örneklemi küçüktür çünkü üretim dağıtımları için filtre katıydı. Filtreyi gevşetmek, operasyon literatürünün zaten doymuş olduğu gürültüyü — pilotlar, vendor-küratörlü vaka çalışmaları, tek çeyrek anlık görüntüler — yeniden tanıtır. 31 puanlık fark, çoğu mid-market fonksiyonunun merkezi varsaydığı dört değişken (model, vendor, dikey, takım büyüklüğü) boyunca tutuldu ve çalışmanın adlandırdığı mekanizma, herhangi bir operasyon liderinin kontrollü bir karşılaştırma olmaksızın kendi dağıtımlarında tanıyabileceği bir mekanizmadır. Birini isteyen karşı argüman, pratikte, %71 mimarisine geçmeye karar vermeden önce iki çeyrek daha %40 mimarisini çalıştırmak için harcama talebidir.
Daha keskin bir versiyon: bulgular gerçek olsa bile, düzenleyici veya risk ortamımız meşru olarak her yerde human-in-the-loop gerektirir. Stanford playbook'unun buna yanıtı yüksek riskli geri döndürülemez bucket'tır — mimari, gerçek risk azaltma değeri ekledikleri yerde insan kapılarını açıkça korur. Argüman "tüm insan onayını kaldırmak" değildir; "insan onayını orta ve düşük riskli bucket'larda — yargı eklemeden kuyruk süresi eklediği yerlerde — tek tip uygulamayı durdurmak"tır. Bulgu'yu ikili olarak okuyan fonksiyonlar, Stanford yazarlarının playbook'a kasıtlı olarak yerleştirdiği nüansı kaybeder.
Bir eyleme sıkıştırılmış Q3 kararı
Önümüzdeki dört ila altı hafta içinde 2026 AI iş akışı mimarisini sonlandıran bir Head of Operations için, çıkarım bir kurala sıkıştırılır:
Bir sonraki AI-enabled iş akışı gönderilmeden önce — ve mevcut olanlar Q3 retrospektiflerini kapatmadan önce — her iş akışı için karar kategorisi haritasını çalıştırın, orta ve düşük riskli bucket'ları açık tetikleyicilerle approval-by-default'tan oversight-by-exception'a taşıyın ve istisna inceleme rolünü kıdem değil, yargı ve güven yoluyla denetim psikometrik verileri temelinde atayın.
Triyaj maliyeti iş akışı başına bir çalışma oturumu, aday inceleyici havuzu üzerinde bir psikometrik geçiş ve sessiz yeniden ekleme telemetrisi için bir enstrümantasyon yapısıdır. Triyaj yapmamanın aşağı yönlü maliyeti — Stanford'un şimdi operasyon kaydına koyduğu 31 puanlık medyan farkta — 2026 AI portföyünün dağıtım liderlerinin biriktirdiği üretkenlik kazancının yaklaşık %56'sında çalışmasıdır (PwC AI Performance Study, 2026) ve 2027 retrospektifinin approval-by-default'u fonksiyonun hiçbir zaman açıkça yapmadığı ancak her çeyrek bedelini ödediği mimari seçim olarak adlandırmasıdır.
%71 rakamı Stanford çalışmasının manşeti değildir. %71 ile %40 arasındaki 31 puanlık fark manşettir. Ve onu kapatan yetki devri kolu, çoğu mid-market operasyon fonksiyonunun asla bir toplantı gündemine koymadığı koldur.
