Yüzde iki.
Gözlemlenen faaliyeti, yapay zekânın işin yapılış biçimine gerçekten yerleştiğini gösteren çalışanların oranı bu — denenmiş değil, ara sıra kullanılan değil, işin akışına gömülmüş. Rakam, ActivTrak'ın Productivity Lab'inden geliyor; laboratuvar 120.620 çalışanın yapay zekâ benimsemesini, o çalışanların hangi lisansa sahip olduğuna ya da bir ankette ne beyan ettiğine göre değil, fiilen ne yaptıklarının gözlemine göre aşamalandırdı. Yüzde yirmi yedi araştırma desteğine ulaştı. Yüzde on dört görev yürütmeye. Yüzde iki iş akışı entegrasyonuna (ActivTrak Productivity Lab, 2026).
Sizin yapay zekâ benimseme panonuz neredeyse kesinlikle çok daha büyük bir rakam gösteriyor. Yalan söylemiyor. Başka bir soruyu yanıtlıyor — sorduğunuzu fark etmeyi bıraktığınız bir soruyu.
İki ölçüm, bir hafta, iki gerçeklik
Zamanlama ipucunu veriyor. Aynı hafta içinde Gallup, kurumsal yapay zekâ benimsemesinde altı puanlık bir sıçrama bildirdi (Gallup, 2026); ActivTrak ise yüzde 2'lik iş akışı entegrasyonu rakamını yayımladı (ActivTrak Productivity Lab, 2026).
İkisi de güvenilir. Çelişmiyorlar, çünkü aynı şeyi ölçmüyorlar. Gallup, insanlara ve kurumlara ne yaptıklarını soruyor. ActivTrak, hangi araçların gerçekten açık olduğunu, hangi sırayla, hangi sıklıkta, iş gününün hangi bölümünde kullanıldığını gözlemliyor. Öz beyan niyeti, farkındalığı ve erişimi yakalar. Davranışsal telemetri alışkanlığı yakalar.
Burada dikkatli olmak istiyorum, çünkü bu yöntemler arası bir karşılaştırma; başa baş bir çalışma değil ve bunu bir çelişki gibi ele almak özensizlik olur. Farklı örneklemler, farklı araçlar, "benimseme" kelimesinin farklı tanımları. Mesele bir veri setinin diğerini çürütmesi değil. Mesele, çoğu operasyon ekibinin birinci tür rakamı, ikinci tür sonucu finanse eden bir yönetim kuruluna raporluyor olması.
Yapay zekâ bütçeleri işte bu boşlukta sessizce ölüyor. Erişim hızla ölçekleniyor. İşin yeniden tasarımı ölçeklenmiyor. Ve koltuk sayısı, oturum açma ve aylık aktif kullanıcı üzerine kurulu her pano, birinci eğriyi gösterip ikincisi hakkında susacaktır.
Üç aşama gerçekte neyi ayırıyor
Aşama modeli, manşetteki yüzdeden daha önemli; çünkü bir operasyon yöneticisine ölçebileceği bir şey veriyor.
Aşama 1 — Araştırma desteği (%27). Çalışan modele soru soruyor. Taslak yazma, özetleme, bilgi arama. İş değişmiyor; yalnızca bir başvuru adımı hızlanıyor.
Aşama 2 — Görev yürütme (%14). Model ayrık bir iş birimini yerine getiriyor: ilk sürümü yazıyor, alanları çıkarıyor, analizi üretiyor. Görev artık paylaşılıyor. Çevresindeki iş akışına dokunulmuyor.
Aşama 3 — İş akışı entegrasyonu (%2). Yapay zekâ, kendisinin etrafında yeniden sıralanmış bir sürecin taşıyıcı adımı. Devir noktaları yer değiştirdi. Onaylar yer değiştirdi. İş, eski işin daha hızlı yapılmışı değil; başka bir biçimde.
Maliyet yapısını yalnızca aşama 3 değiştirir
Operasyonel düğüm burada. Aşama 1 ve 2, bireyler arasına parçalar hâlinde dağılmış zaman tasarrufu üretir — burada yirmi dakika, orada bir öğleden sonra. Gerçektir, ama kasaya yazılamaz. Kâr-zarar tablosunda hiçbir şey kımıldamaz, çünkü süreçte hiçbir şey kımıldamamıştır; kazanılan dakikaları, onları üreten aynı kuyruk geri emer.
Aşama 3, çevrim süresinin, kadro planlarının ve birim ekonomisinin karşılık verdiği yerdir; çünkü sürecin kendisi yeniden kurulmuştur. İş gerekçeniz bu aşamaya göre yazıldı. Ve çalışanların yüzde ikisinin ulaştığı aşama da bu.
Bu boşluğun ardındaki mekanizma iyi belgelenmiş. Deloitte'un 3.235 liderle yaptığı çalışma, yapay zekâya verilen yanıtın işi yeniden yapılandırmak yerine araçları öğretmeye ağır biçimde kaydığını buldu: %53 yapay zekâ akıcılığını artırmak için çalışanları eğitiyor, buna karşılık yalnızca %30 organizasyonu yeni yapay zekâ örüntüleri etrafında yeniden tasarlıyor ve %33 kariyer yollarını yeniden kurguluyor (Deloitte, 2026). Herkes eğitiyor. Neredeyse kimse yeniden tasarlamıyor. Sonra herkes tamamlanan eğitimleri ölçüp buna benimseme diyor.
Koltuk sayısı neden hâlâ yapay zekâ benimsemesi diye geçiyor
Oturum açma metrikleri aptalca değil, yapısal nedenlerle hayatta kalıyor.
Bedavalar — lisans platformu hiçbir ölçümleme çalışması gerektirmeden bunları üretiyor. Erken hareket ediyorlar, bu da bir yaygınlaştırmanın ilk iki çeyreğinde tatmin edici oluyor. Belirsizlik taşımıyorlar, dolayısıyla yönlendirme toplantısında kimse tartışmıyor. Ve tekdüze biçimde yükseliyorlar; baskı altındaki bir sponsorun bir slayttan tam olarak beklediği şey.
Değişen işi ölçen metriklerin bu özelliklerin hiçbiri yok. Birinin iş akışını tanımlamasını, temel çizgiyi koymasını ve sonra kımıldamadığında bunu kabul etmesini gerektiriyorlar. Tartışmaya açıklar. Yeniden tasarım üzerinde çekişme sürerken iki çeyrek boyunca yatay kalabilirler. Onları raporlamak, koltuk sayısı raporlamaktan farklı olarak politik bir eylemdir.
Yani teşvik nettir ve yanlış yönü gösterir: üretmesi en kolay rakam, vaat ettiğiniz sonuca en az bağlı olandır. Bu bir ölçüm başarısızlığı değildir. Ölçüm kostümü giymiş bir yönetişim başarısızlığıdır.
Nadiren adı konan ikinci dereceden bir maliyet daha var. Koltuk sayısı bir kez yapay zekâ benimsemesinin tanımı olarak yerleştiğinde, davranışı yönlendirmeye başlar. Bütçe onu yükselten her şeye akar — daha çok lisans, daha geniş yaygınlaştırma, bir departman daha — çünkü yönetilen rakam odur. İş gerekçesini gerçekten hareket ettirecek iş akışı yeniden tasarımı ise, kendisini yapısal olarak ödüllendiremeyen bir metrikle fon için yarışır. Ekipler dağıtımı yeniden tasarıma esasa bakarak tercih etmez. Tercih ederler, çünkü panonun para ödediği şey dağıtımdır.
Yüzde ikinin adil okuması
Üç çekince, yoksa rakam kötüye kullanılacak.
Bu, yapay zekânın işe yaramadığının kanıtı değildir. Yayılıma dair bir kanıttır, etkililiğe dair değil. %2'lik entegrasyon oranı pratiğin nadir olduğunu söyler, verimsiz olduğunu değil. O %2'nin içindeki kurumlar asıl ilginç kitledir ve bu verilerde zaman kaybettiklerini düşündürecek hiçbir şey yoktur.
Eğilim gerçektir. Aşama 3 kohortu 2026'nın ilk çeyreğinde 1.739 çalışandan ikinci çeyrekte 2.369'a çıktı — çeyreklik %36'lık artış (ActivTrak Productivity Lab, 2026). Küçük taban, dik eğim. Bu, durgunluk değil, erken yayılım davranışıdır.
Davranışsal telemetrinin kendi kör noktaları vardır. Araç faaliyetini görür, muhakemeyi değil. Bir süreci yeniden tasarlamak için yapay zekâyı bir kez kullanan, sonra iyileştirilmiş süreci bir daha modele dokunmadan işleten çalışan, tam da aşama 3'ün tarif etmesi gereken şeyi yapıyordur ve mutlaka öyle kaydedilmeyecektir. Gözlemlenen davranış verisi öz beyandan daha iyi bir vekil göstergedir. Yine de bir vekil göstergedir.
Üç çekencenin de ardından ayakta kalan şey, iki eğri arasındaki asimetridir. Erişim, davranışın yanına bile yaklaşamadığı bir hızda sağlanıyor ve bu ikisinden yalnızca biri üst yönetime giden raporlarda görünüyor.
Aşama 2'de durmanın da bir faturası var
Aşama 2'yi rahat bir dinlenme noktası saymamak için bir neden daha var ve aynı ölçüm aracından geliyor.
ActivTrak'ın yaklaşık 10.584 çalışan üzerinde, yapay zekâ benimsemesinden 180 gün önce ve sonra yaptığı davranışsal karşılaştırma; e-posta faaliyetinde %104, sohbette %145, iş araçları kullanımında %94, üretken saatlerde %5 artış — ve kesintisiz odak oturumlarında %9 düşüş, 14 dakika 23 saniyeden yaklaşık 13 dakikaya, buldu (ActivTrak, 2026).
Bunu operasyonel bir ifade olarak okuyun. İş hızlandı ve yoğunlaştı. Aynı zamanda parçalandı ve parçalanma tam da süreç yeniden tasarımının gerektirdiği derin odak kapasitesine iniyor. Aşama 3'süz aşama 2, size saatte daha çok işlem ve sürecin neden bu kadar çok işlem içerdiğini düşünebilecek kadar kesintisiz daha az zaman dilimi satın alır.
Bu arada yaygınlaştırma eğrisi tırmanmaya devam ediyor. Microsoft'un 2026 Work Trend Index'i, kendi ekosisteminde aktif ajanların yıllık bazda 15 kat, büyük kurumlarda 18 kat büyüdüğünü; buna karşılık yapay zekâ kullanıcılarının yalnızca %26'sının liderliğin yapay zekâ stratejisinde hizalı olduğunu bildirdiğini aktarıyor (Microsoft, 2026). Dağıtım yönü geçiyor ve pano dağıtımı ölçüyor.
Panoyu değişen işin etrafında yeniden kurun
Dört değişiklik, ucuzdan pahalıya.
Koltuk sayısını manşet metrik olmaktan çıkarın. Onu ait olduğu yerde, bir maliyet girdisi olarak tutun — lisans harcamasının yanında, sonuçların yanında değil. Bir sonuç slaytında göründüğü anda, bir sonucun yerini almaya başlar.
Tek bir iş akışı belirleyin ve dürüstçe aşamalandırın. Gerçek bir sahibi olan tek bir süreç seçin. Sınıflandırın: araştırma desteği, görev yürütme ya da iş akışı entegrasyonu. Çoğu ekip, amiral gemisi yapay zekâ hikâyesinin, üzerine güzel anekdotlar iliştirilmiş bir aşama 1 olduğunu keşfeder. Bu keşif, çıktının kendisidir.
Faaliyet olgularını değil, süreç olgularını ölçün. Uçtan uca çevrim süresi, devir sayısı, yeniden işleme oranı, istisna hacmi. Bunlar yalnızca iş akışı hareket ettiğinde hareket eden büyüklüklerdir; tam da bu yüzden manipüle edilmeleri daha zordur ve herhangi bir kullanım grafiğinden daha değerlidirler.
Koltuk genişlemesini bir aşama 3 kanıtına bağlayın. Adı konmuş bir iş akışı entegrasyonu kanıtlanabilir biçimde geçene kadar lisans büyümesini durdurun. Listedeki dişi olan tek mekanizma budur; çünkü ölçümü dekoratif olmaktan çıkarıp sonuç doğuran hâle getirir.
Yanına bir de dikkat kontrolü ekleyin: her yaygınlaştırmadan önce ve sonra kesintisiz odak oturumlarının süresini izleyin. Yapay zekâ benimsemesi iş gününü parçalıyorsa, bunu verim kazanımlarıyla aynı raporda görmek istersiniz; bir yıl sonra keşfetmek değil.
Bu çeyrekte bir karar
Yapay zekâ yatırımınızın kamuya açık gerekçesi olan iş akışını alın. Cevapta çıkarı olmayan biriyle birlikte üç aşamalı modele göre aşamalandırın. Aşama 1 ya da 2 ise — ve bu kanıtlara göre büyük olasılıkla öyledir — koltuk genişlemesini dondurun ve önümüzdeki çeyreği o tek iş akışını aşama 3'e taşımaya harcayın.
Bu alıştırma ucuzdur, yaklaşık bir hafta sürer ve çoğu yapay zekâ programında eksik olan tek çıktıyı üretir: dürüst bir temel çizgi. Sonrasında gelen her şey — iş gerekçesi, genişleme planı, kadro tartışması — altında gerçek bir rakam olduğu için daha isabetli hâle gelir.
Yapay zekâ benimseme panonuzun yanıtladığı soru kaç kişi yapay zekâyı kullanabiliyor. İş gerekçenizin dayandığı soru ise işin ne kadarı artık farklı yapılıyor. Bunlardan yalnızca biri bugüne dek kâr-zarar tablosunda göründü ve o, slayttaki değil.
