Üç kampanya sloganı. İki okuyucu grubu. Tek fark: Yarısına sloganları bir pazarlama profesyonelinin yazdığı, diğer yarısına ise bir yapay zekâ pazarlama yazılımının ürettiği söylendi. Sloganlar kelimesi kelimesine aynıydı. Sloganları yapay zekânın ürettiğine inanan grup, kendi fikrini katkı olarak sunmaya 3,4 puan daha az istekliydi — %26'lık bir tabana karşı, gönüllü çabada %13'lük göreli bir çöküş (Brookings, 2026).
İşin kendisinde hiçbir şey değişmedi. Yalnızca imza değişti.
Bu, bir iş akışı içinde yapay zekâya atıf konusunda bugüne kadar elde edilmiş en temiz nedensel sonuç ve çoğu operasyon planının hiçbir kaleminin bulunmadığı bir yere düşüyor. Yapay zekâ ve ekibiniz hakkında yaptığınız tüm tartışmalar yetkinlik üzerineydi: model ne yapabiliyor, çıktı ne kadar iyi, hata oranı nerede duruyor. Bu bulgu şunu söylüyor: kalite sabit tutulduğunda bile, çıktının üzerindeki etiket tek başına insan davranışını değiştiriyor. Atıf, işin ardından gelen bir iletişim ayrıntısı değil. Ne kadar iş elde edeceğinizi belirleyen bir girdi.
Deney neyi sabit tuttu, neyi hareket ettirdi
Çalışma, Nikolova, Milanova ve Wang tarafından yürütülen ön kayıtlı bir anket deneyi; Amerika Birleşik Devletleri'nde (N=1.511) ve Hollanda'da (N=2.117) ulusal düzeyde temsili örneklemler üzerinde birebir aynı şekilde uygulandı ve N=3.628'de birleştirildi (GLO Discussion Paper 1788, 2026). Tasarım, AEA kayıt sisteminde önceden tescil edildi (AEA RCT Registry #15363, 2026) — yani ölçülecek sonuçlar veriler gelmeden önce belirlenmişti. Bir bulguyu bir hikâyeden ayıran şey budur.
Katılımcılara küçük bir halk sağlığı sorunu sunuldu — birçok insan yeterince su içmiyor — ve bir kampanya sloganı için yardım istendi. Hiçbir şey görmeden önce görevin ne kadar anlamlı geldiğini değerlendirdiler; 7 puanlık ölçekte ortalama yaklaşık 5. Ardından üç slogan okudular. Yarısına bunları bir pazarlama profesyonelinin yazdığı, diğer yarısına bir yapay zekâ yazılımının ürettiği söylendi. Her iki kolda da sloganlar aynıydı. Sonrasında görevin anlamlılığını yeniden değerlendirdiler ve kendi sloganlarını sunma imkânı verildi. Bu gönüllü katkı, çabanın ölçüsüydü.
Buradan iki sonuç çıktı. Yapay zekâ etiketli koşulda görev anlamı yaklaşık 0,07 standart sapma düştü. Fikir sunma isteği %26'lık tabandan 3,4 puan geriledi — %13 rakamı buradan geliyor. Etkiler her iki ülkede de yinelendi.
Neyin ölçüldüğüne dikkat edin. Memnuniyet değil. Duygu durumu değil. Kimse bir şey talep etmezken insanların yaptığı şey: takdire bağlı katkı. Süreç iyileştirmeleriniz, eskalasyonlarınız ve kalite yakalamalarınız tam da bu girdiyle çalışır.
Ceza işin kendisine de biniyor
İkinci bulgu daha az ilgi görüyor ve daha fazlasını hak ediyor.
Sloganların yapay zekâ yapımı olduğu söylenen katılımcılar, aynı sloganları, bir insanın yazdığı söylenen katılımcılara kıyasla daha az yaratıcı ve daha az ikna edici buldu (Brookings, 2026). Aynı metin, daha düşük not. Ayrıca yapay zekânın bu tür bir işi yapabilme kabiliyetine daha az güven bildirdiler.
Operasyon yöneticisi için sonucun daha keskin tarafı bu. Ekibiniz artık yapay zekâ tarafından hazırlanmış materyali gözden geçiriyorsa — politika metinleri, ilk el analizler, müşteri yanıtları, iç bilgi notları — bu inceleme eşit koşullarda gerçekleşmiyor. İnceleyenin kalite değerlendirmesi kısmen etiketin bir fonksiyonu, yalnızca metnin değil. Bu iskontonun bir kısmı yerinde bir şüphedir ve onu istersiniz. Ama önündeki taslağın gerçek hata oranına göre kalibre edilmemiştir; bu da aynı anda iki arıza biçimi üretir: iyi yapay zekâ çıktısının aşırı düzenlenmesi ve onu üreten hattın güvenilirliğinde genel bir aşınma.
Bu iki etkiyi insanlara sorarak ayıramazsınız. Size dürüstçe taslağın zayıf olduğunu söyleyeceklerdir.
Yapay zekâya atıf standart iş akışını neden yeniden fiyatlandırıyor
Orta ölçekli şirketlerin operasyon birimlerinin son on sekiz ayda benimsediği varsayılan kalıp şu: "yapay zekâ taslağı yazar, insan gözden geçirir." Bu kalıp motivasyon açısından nötr göründüğü için seçildi — sonucun sahibi hâlâ insan, makine yalnızca boş sayfayı ortadan kaldırıyor.
Bu kanıt, o nötrlüğün bir varsayım olduğunu, bir özellik olmadığını söylüyor.
Standart kalıpta insanın katkısı düzenleme olarak çerçevelenir. Yapay zekânın katkısı ise yazarlık olarak. Bu çerçeveleme bir tercihtir, genellikle aracı yapılandıran kişi tarafından yapılır ve artık ölçülebilir biçimde taşıyıcıdır. Aynı iş yeniden çerçevelendiğinde — insan brifi belirler ve argümanın sahibi olur, yapay zekâ ham malzemeyi sağlar — bu, farklı bir imzayla aynı faaliyettir; ve imza, kontrollü bir ortamda çabayı %13 oynatan değişkenin ta kendisidir.
Bu, saha verilerinde zaten görünen bir boşlukla birleşiyor. BCG'nin 11.749 çalışanla yaptığı 2026 araştırması, %47'sinin artık yapay zekâyı yönetmeye ve yönlendirmeye işi bizzat yapmaktan daha fazla zaman ayırdığını, %66'sının ise yapay zekânın boşalttığı zamanı nasıl kullanacağına dair anlamlı hiçbir yönlendirme almadığını buldu (BCG, 2026). Roller inceleme ve yönlendirme etrafında yeniden yapılandırılıyor — deneyin motivasyon açısından açıkta olduğunu gösterdiği tam da o konum — ve insanın katkısının nasıl adlandırılacağına dair buna karşılık gelen hiçbir tasarım kararı alınmıyor.
Verimlilik çıkarımını yazarların kendisi dile getiriyor: bastırılmış takdire bağlı çaba, yapay zekânın deneysel ortamdaki büyük kazanımlarının neden ekonomi genelindeki verimlilik rakamlarına henüz yansımadığının bir parçası olabilir. Görev başına daha fazla çıktı ve onun etrafında daha az katkı elde edebilirsiniz; ikinci etki hiçbir araç panosunda görünmez.
Bu, 50 ila 500 kişilik bir organizasyonda nerede ortaya çıkar
Dört yer, etkisini gösterme hızına göre kabaca sıralanmış.
İç iletişim. Yapay zekâyla hazırlanmış ve öyle olduğu anlaşılan politika güncellemeleri, süreç değişiklikleri ve tüm ekip toplantısı materyalleri. Mesaj, insan tarafından yazılmış sürümle aynı; alımlanması değil. İnsanların yalnızca uymasını değil gönüllü hareket etmesini istiyorsanız, etiket size karşı çalışıyor.
Akran incelemesi ve kalite kapıları. Adaptavist'in 2.500 bilgi çalışanıyla yaptığı 2026 çalışması, %52'sinin meslektaşlarının ürettiği yapay zekâ çıktısını düzenli olarak düzelttiğini buldu (Adaptavist, 2026). Bu düzeltme yükü zaten gerçek. Bu deneyin eklediği şey şu: inceleyenin ciddiyet yargısı kısmen etiketten besleniyor; dolayısıyla yeniden iş hacminiz hata oranınızın temiz bir sinyali değil.
Birikme sorunu
Bu dördünden hiçbiri tek başına ağır değil. Mekanizma maruz kalma sıklığı. Yapay zekâ etiketli tek bir çıktı, bir kişinin bir görevdeki takdire bağlı çabasının küçük bir kısmına mal olur. Çoğu ilk taslağın, özetin ve rutin analizin etiketli geldiği bir hatta ise aynı küçük iskonto, aşağı akıştaki herkese haftada onlarca kez uygulanır. Deney tek bir karşılaşmayı ölçtü. Sizin operasyonunuzda binlercesi var.
Etkinin yukarıdan görülmesinin zor olmasının nedeni de bu. Hiçbir tekil vaka görünür bir arıza üretmez. Ürettiği şey, gönüllü katmanın yavaşça düzleşmesidir — hiç yapılmayan öneriler, kimsenin atmadığı ikinci bakış — ve bu katman hiçbir operasyon panosunda yer almadı, çünkü her zaman bedavaydı.
Takdir ve performans görüşmeleri. Güçlü bir işin yapay zekâ destekli olduğu bilindiğinde, hem katkıyı verenin sahiplenme duygusu hem de yöneticinin katkıyı okuyuşu değişir. Standart hiçbir performans süreci bunu hesaba katmaz.
Müşteriye ve adaya dönük metinler. Aynı iskonto şirket dışında da geçerli ve çalışmanın katılımcıları çalışanlar değil, genel nüfus örneklemleriydi. Güven ve şeffaflık için tasarlanmış açıklama pratikleri, algılanan kalite üzerinde ölçülmüş bir etki taşıyor. Bu, açıklamaya karşı bir argüman değil — seçtiğiniz biçimin bedelini bilmeniz gerektiğine dair bir argüman.
Bu kanıtın söylemedikleri
Üç sınır, açıkça belirtiliyor; çünkü aşırı okumaya dayanan bir plan başarısız olur.
Bu kısa bir yaratıcı mikro görev, bir iş süreci değil. Katılımcılar yapay zekâ yapımı etiketli bir çıktıyı değerlendirdi; sorumlu oldukları bir iş üzerinde haftalarca bir yapay zekâ sistemiyle çalışmadılar. Sürekli profesyonel işe dış geçerlilik sınanmadı ve yazarlar bunu söylüyor.
Anlam üzerindeki etki küçük. 0,07 standart sapma mütevazı bir standartlaştırılmış etki büyüklüğüdür. Başlıktaki %13, %26'lık bir taban üzerinden göreli bir değişimdir ve 3,4 puanlık mutlak hareketi büyütür. Her iki sayı da doğru; yalnızca biri çarpıcı.
Bu bir çalışma metni. Ön kayıtlı ve iki ülkede yinelenmiş — bu alandaki kanıtların çoğunun taşıdığından fazlası — ama henüz hakem değerlendirmesinden geçmemiş.
Üç çekincenin de ardından ayakta kalan şey yön ve mekanizma: atıf, kaliteden bağımsız olarak çabayı hareket ettiriyor. Etki gerçek bir iş akışında bunun yarısı kadar olsa bile ve çalışanlar yapay zekâ etiketli çıktılarla bir kez değil sürekli karşılaşıyorsa, bu birikir.
Atfı bu çeyrekte bir süreç parametresi hâline getirmek
Yanıt tasarımdır, mesaj değil. Dört hamle; hiçbiri yeni harcama gerektirmiyor.
Aracı değil, insanın katkısını adlandırın. İş bir yapay zekâ kaynak etiketi taşıyorsa, kişinin ne yaptığını da taşıdığından emin olun — brif, verilen karar, yayına alma tercihi. Yazarların kendi önerisi, insanın failliğini görünür ve bireysel katkıları atfedilebilir kılan akışlar tasarlamak. Uygulaması bedava; bugün çoğu şablonda yok.
Kaynağı değerlendirmeden ayırın. Önemli olan her kalite kapısında, inceleyen kişi çıktının nasıl üretildiğini görmeden önce onu değerlendirsin. Yeniden işin ne kadarının hata, ne kadarının iskonto olduğunu hızla öğrenirsiniz.
İnsanları editör olarak çerçevelemeyi bırakın. "Şu taslağı gözden geçir" ile "bu çıktı senin, başlamak için ham malzeme burada" aynı bir saatlik işi ve iki farklı mesleği tarif eder. Süreç belgelerinizdeki ve taleplerinizdeki dili değiştirin. Buradaki en yüksek kaldıraç bu ve maliyeti bir ifade değişikliği.
Benimsemeyi değil, takdire bağlı katkıyı ölçün. Lisans sayıları ve komut hacmi bunu yapısal olarak tespit edemez. Gönüllü olanı izleyin: istenmemiş iyileştirme önerileri, kapıdan önce yakalanan hatalar, kimsenin talep etmediği kapsamı ekleyen kişiler. Çıktı hacmi yükselirken bu eğri aşağı kırılıyorsa, etkiyi kendi verinizde bulmuşsunuz demektir.
Bu çeyrekte önünüzdeki karar, işteki yapay zekâ katkısını açıklayıp açıklamayacağınız değil. Bundan daha dar ve bir tasarım sorusu: mevcut süreçlerinize gömülü olan yapay zekâya atıf, sizin bilinçli tercihiniz mi, yoksa bir aracın varsayılan ayarının sizin yerinize verdiği bir karar mı? Bu deneyde etiket, gönüllü çabanın %13'üne mal oldu. Masanızdaki en ucuz değişken ve şimdilik sahibi olmayan tek değişken.
