Önceki hafta işte yapay zekâ kullanan ABD'li çalışanların yüzde elli altısı iki saat veya daha azını kazandı. Yüzde on üçü hiçbir şey kazanmadı ya da işi bitirmek için fazladan zamana ihtiyaç duydu (U.S. Census Bureau, 2026; Nextgov/FCW, 2026).
Bu, işte yapay zekânın kazandırdığı zamana ilişkin ilk federal ve tedarikçiden bağımsız ölçüm. Bir lisans sunumu değil, müşteri başarı ekibinden alınmış bir telemetri dökümü değil, koltuk satan bir şirketin yürüttüğü bir anket de değil. Ve 2026 yapay zekâ iş gerekçesini hazırlayan bir Head of Operations için, tedarikçi verilerinin yapısal olarak yanıtlayamayacağı bir soruyu kapatıyor: medyan kullanıcı gerçekte ne kadarını geri alıyor.
Yanıt: bir ila iki saat. Sorun sayının küçüklüğü değil. Sorun, dağınık bir-iki saatin iş gerekçenizin cinsinden olmaması.
Census işte yapay zekânın kazandırdığı zamana dair aslında ne ölçtü
11 Ağustos'ta yayımlanan Mart 2026 tarihli Household Trends and Outlook Pulse Survey, çalışan katılımcılara 11 belirli iş görevinden herhangi biri için yapay zekâ kullanıp kullanmadıklarını sordu. Yaklaşık %55'i evet dedi (Census Bureau, 2026).
Görev listesini dikkatle okumakta fayda var; çünkü gerçek benimsemenin biçimini tarif ediyor, bir yol haritasının biçimini değil:
- %37 — bilgi veya teknik yardım arama
- %32 — yazışma, dokümantasyon veya talimat yazma
- %32 — fikir üretme
- %31 — bilgiyi yorumlama, çevirme veya özetleme
- %27 — idari görevler
Bunların hiçbiri ajanik değil. Bu; erişim, taslak ve sıkıştırma — bilgi işinin ikame edilebilir orta katmanı; 2026 dağıtım planlarının etrafında yazıldığı uçtan uca süreç sahipliği değil.
Ardından zaman sorusu geliyor. Önceki hafta yapay zekâ kullanan çalışanlar arasında dağılım şöyleydi: %25 bir saatten az kazandı, %31 bir ila iki saat, yaklaşık %30 üç saat veya daha fazla (üç saat ile dört saat ve üzeri arasında aşağı yukarı eşit bölünmüş), %10 hiç zaman kazanmadı ve %3 işin yapay zekâyla yapay zekâsız olduğundan daha uzun sürdüğünü söyledi (Census Bureau, 2026; CBS News, 2026).
Bunu şirket içinde nasıl aktaracağınız açısından önemli bir metodolojik not: Census'ün sorusu önceki hafta tamamlanan görevlere sabitlenmiş, kişi başına temiz bir haftalık toplama değil. Hatta bu çerçeveleme cömert sayılır. Kullanım da benimseme başlıklarının ima ettiğinden ince: yapay zekâ kullanıcılarının yalnızca %24'ü referans haftasında her gün dokundu, %46'sı ise en az bir gün kullandı.
İki bağımsız federal okuma, tek bir sayı: yaklaşık iki saat
Bu veri setinin en kullanışlı özelliği, neredeyse aynı yere inen ikinci federal kaynaklı ölçüm olması.
Bick, Blandin ve Deming'in ulusal temsili anketi — St. Louis Fed'in benimseme çalışmasının dayandığı anket — üretken yapay zekâ kullanıcılarına, önceki haftanın işini yapay zekâsız bitirmek için kaç saat fazladan gerekeceğini sordu. Yanıt, çalışma saatlerinin %5,4'ü, yani 40 saatlik bir haftada yaklaşık 2,2 saat oldu (St. Louis Fed, 2024).
İki farklı araç, iki farklı yıl, iki farklı soru tasarımı. İkisi de yaklaşık iki saate iniyor.
Çoğu kişinin tersinden okuduğu kısım şu: Tedarikçiler de bu sayıdan uzak değil. Forrester'ın Microsoft 365 Copilot üzerine Total Economic Impact çalışması, değer motorunu kullanıcı başına ayda yaklaşık 9 saat kazanım üzerine kuruyor — haftada yaklaşık 2,25 saat — ve yine de bileşik kuruluşu için %116 yatırım getirisine ulaşıyor: üç yılda 17,1 milyon dolar maliyete karşı 36,8 milyon dolar fayda (Forrester, 2025).
Yani federal veriyle tedarikçi modeli arasındaki anlaşmazlık saatlerle ilgili değil. Bir saatin ne ettiğiyle ilgili. Ve bu, tedarikçinin sizin adınıza doğrulayabileceği değil, sizin sahiplendiğiniz bir modelleme varsayımı.
İş gerekçeniz saatlerde yanılmıyor. Bu saatlerin ne olduğunda yanılıyor.
Standart aritmetik şudur: kazanılan saat × yüklü saatlik maliyet × kadro. Temizdir, bir finans incelemesinden geçer ve çok belirli bir biçimde yanlıştır: geri kazanılan zamanın, satın alınan zamanla ikame edilebilir olduğunu varsayar.
Değildir. Bir düzine kesintiye uğramış göreve yayılmış haftada iki saat, boşluk (slack) demektir. İş gününe emilir — biraz daha erken biten günler, biraz daha uzun incelemeler, hafta sonuna doğru biraz daha az sıkışma. Yeniden tahsis edilebilir bir kapasite artışına dönüşmez; çünkü işletim modelinde onu toplamak üzere tasarlanmış hiçbir şey yoktur. 200 tam zamanlı çalışanı olan bir şirkette, kırk kişinin dağınık doksan dakikasını süpürüp tek bir finanse edilmiş projeye dönüştüren bir mekanizma bulunmaz.
Bu, makro bir bulgunun orta ölçek sürümü. Acemoğlu'nun yapay zekânın toplam etkisine dair görev düzeyli muhasebesi — etkilenen görev payı çarpı görev başına ortalama maliyet tasarrufu — on yılda toplam faktör verimliliğinde en fazla %0,66'lık bir artış üretiyor; tam da işin mütevazı bir dilimindeki anlamlı görev düzeyi tasarrufların, sezginin dayattığı biçimde toplanmaması nedeniyle (Acemoglu, 2024). Sizin gelir tablonuz aynı aritmetiği daha küçük ölçekte, aynı sonuçla çalıştırıyor.
Operasyonel sınama ikili ve affetmez: bütün bir görev birinin masasından kalktı mı?
Aylık bir mutabakat, bir ilk taslak döngüsü, birinci seviye bir talep sınıfı veya bir rapor üretimi artık tamamen soğuruluyorsa — bu kapasitedir ve kayda geçirilebilir. Doldurmadığınız bir boş kadro, yenilemediğiniz bir yüklenici, fazla mesaisiz eriyen bir kuyruk olarak görünür. Buna karşılık her görev hâlâ bir insan gerektiriyor ve her biri yalnızca biraz daha hızlıysa, konfor satın almışsınızdır. Konfor meşru bir alımdır. Ama bir maliyet kalemi değildir ve hiçbir zaman öyle modellenmemeliydi.
Kimsenin fiyatlamadığı %13
Yapay zekâ kullanıcılarının yüzde onu hiç zaman kazanmadı. Yüzde üçü, yapay zekâsız harcayacağından fazlasını harcadı (Nextgov/FCW, 2026).
Negatif kuyruğu taşıyan bir orta ölçek iş gerekçesi görmedim. İncelediğim her model, tasarrufu tabanı sıfır olan ve yukarı doğru uzanan bir dağılım gibi ele alıyor. Federal veri, kullanıcıların yaklaşık sekizde birinin sıfırda veya altında olduğunu söylüyor — ve bu kullanıcılar yine bir lisans, bir eğitim kontenjanı ve yönetici dikkati tüketiyor.
Bu, dağıtım genişliğini yeniden çerçeveliyor. Koltuk başına sabit fiyatla evrensel bir yaygınlaştırma size tüm dağılımı satın alır, en alttaki sekizde biri dâhil. Dağılımın üst ucuna uyan görev profillerine — yüksek hacimli taslak yazımı, özetleme, bilgi arama yoğun roller — yönelik hedefli bir yaygınlaştırma ise budanmış bir dağılım satın alır. 500 koltukta bu iki eğri arasındaki fark, ROI argümanının tamamıdır; ve buna teknoloji değil, satın alma kapsamı karar verir.
İtiraz: "Bizim pilotumuz bundan fazlasını gösterdi"
Muhtemelen göstermiştir. İki yapısal neden var; ikisi de dışarı doğru genelleme yapmadan önce akılda tutulmalı.
Pilotlar hevese göre seçer. Bir yapay zekâ pilotuna gönüllü olanlar, Census'ün az önce yayımladığı dağılımın sağ kuyruğundan gelir — üç saat ve üzeri kazanan o %30. Tüm nüfusa yaygınlaştırmak sizi pilot ortalamasına değil, medyana doğru taşır. Katılımcı başına haftada dört saat döndüren bir pilot, çalışan başına haftada dört saati öngörmez; tavanı öngörür.
Öz beyanla bildirilen zaman kazanımı, bir karşı-olgunun tahminidir. Hem Census'ün hem St. Louis Fed'in aracı, insanlardan işin yapay zekâsız ne kadar süreceğini hayal etmesini ister. Bu zor bilişsel bir görevdir ve yanlılığın aşağı yönlü olduğu hiç de açık değildir. Buradaki hiçbir şey, öz beyanların abartma olasılığını düzeltmez.
Bu iki noktanın hiçbiri teknolojinin yetersiz kaldığı anlamına gelmez. İkisi de operasyonel olarak aynı şeyi söyler: iş gerekçeniz tüm nüfusun medyanı üzerine kurulmalı ve en alt dilimde strese sokulmalı — pilot kohortu üzerine kurulup umutla ileri taşınmamalı.
Çeyrek kapanmadan önce üç karar
- Modeli saat değil görev cinsinden yeniden tanımlayın. Mevcut yapay zekâ iş gerekçenizi alın ve kazanılan saatlerin paraya çevrildiği her satırı işaretleyin. Her biri için, belirli bir kişinin masasından kalkan belirli görevi adlandırın. Bu sınavı geçen satırlar kalır. Görev adlandıramayan satırlar, maliyet tasarrufundan kalite veya deneyim faydasına yeniden sınıflandırılır — gerçek, finanse edilmeye değer, ama artık ROI'yi taşımayan.
- En alttaki sekizde biri açıkça fiyatlayın. Net sonucu sıfır veya negatif olan yaklaşık %13'lük kullanıcı kesimi için bir satır ekleyin. Tam yüklü koltuk maliyeti artı etkinleştirme maliyetiyle çarpın. Bu satır geri ödeme sürenizi kayda değer biçimde değiştiriyorsa, yanıt daha dar bir dağıtımdır; daha iyi bir komut kütüphanesi değil.
- Yenilemeden önce bir süreci uçtan uca ölçün. Yüksek hacimli, sınırları net tek bir iş akışı seçin. Çevrim süresini ve kaç kişinin dokunduğunu öncesi ve sonrasıyla ölçün — birey düzeyinde değil, süreç düzeyinde. Süreç düzeyinde temiz tek bir ölçüm, bir yıllık öz beyan saatinden değerlidir ve boşluğu kapasiteden ayıran tek kanıttır.
Yenilemeden önce sorulmaya değer soru
Census Bureau'nun katkısı, yapay zekânın kazandırdığı zamanın az olduğu değil. %55 benimseme oranına sahip bir iş gücünün yarısından fazlası için haftada iki saat, gerçek ve yaygın bir kazançtır ve bağımsız federal tahminle örtüşür.
Katkı şu: sayı artık kamusal, ticari değil ve üzerine plan yapılabilecek kadar istikrarlı — bu da dağınık dakikaları yüklü saatlik maliyetle çarpıp sonuca kapasite diyen bir iş gerekçesi için son mazereti ortadan kaldırıyor.
Yenilemeyi imzalamadan önce ekibinize tek bir soru sorun ve sayı değil, bir ad isteyin: hangi görev artık bir insan gerektirmiyor? Kimse yanıtlayamıyorsa, bu yıl kapasite satın almadınız. Biraz daha hafif bir hafta satın aldınız — ve bunu, finans sapma raporunda keşfetmeden önce bilmekte fayda var.
