St. Louis Fed'den üç ekonomist, 5.198 halka açık ABD şirketine ait yaklaşık 490.000 bilanço toplantısı dökümünü bir dil modelinden geçirdi, verimlilikle ilgili 910.955 cümleyi etiketledi ve bunları zaman kipine göre ayırdı. Yapay zekâ ile ilgili verimlilik ifadelerinin yaklaşık %95'i henüz gerçekleşmemiş kazançlara atıfta bulunuyordu. Yapay zekâ dışındaki verimlilik konuşmalarında bu oran %75 civarındaydı (St. Louis Fed, 2026).
Aynı dönemde, ABD genelinde kapasite kullanımına göre düzeltilmiş toplam faktör verimliliği, 2026'nın ilk çeyreğinde sona eren dört çeyrekte yalnızca %0,07 büyüdü.
Sorunun tamamı bu iki sayıda. Yapay zekâ verimliliğine dair kamuya açık kayıt neredeyse tamamen bir beklenti kaydıdır ve yapay zekâ iş gerekçeniz, sanki bu bir sonuç kaydıymış gibi onun üzerine kuruluyor.
Kullandığınız kıyas ölçütü bir zaman kipi, bir sayı değil
Çalışmanın gerçekte ne yaptığıyla başlayalım, çünkü bulguyu göz ardı edilmesi zor kılan şey yöntemdir.
Serdar Ozkan, Aakash Kalyani ve Nicholas Sullivan, 2000–2025 dönemini kapsayan S&P Global dökümlerini çekti, aday cümleleri anahtar kelimeyle eşleştirdi, ardından her birini üç eksende etiketlemek için Qwen3-3B sınıflandırıcısı kullandı: yapay zekâ hakkında mı, verimlilik yükseliyor mu, düşüyor mu, değişmiyor mu ve ifade geçmiş, şimdiki ya da gelecek zamanda mı kurulmuş. Verimlilikle ilgisi olmayan cümleler elendi. Geriye etiketlenmiş 910.955 ifade kaldı (St. Louis Fed, 2026).
Bundan iki dağılım çıktı ve ikisi de aynı yönde çarpık.
Zaman kipinde: yapay zekâ verimlilik cümlelerinin yaklaşık %95'i geleceğe dönük; genel verimlilik konuşmasında bu oran %75 civarı. Yönde: yapay zekâ ile ilgili cümlelerin yaklaşık %95'i verimliliği yükseliyor olarak tarif ediyor; yapay zekâ dışında oran %75. Yapay zekâ kaynaklı bir verimlilik düşüşü tarif eden pay ihmal edilebilir düzeyde.
Akla gelen itiraz erken dönem heyecan gecikmesi: elbette 2023 iddialıydı, araçlar yeniydi. Veri bu okumayı desteklemiyor. Geleceğe dönük pay hem 2023'te hem 2025'te sabit; üstelik yapay zekânın tüm verimlilik tartışması içindeki payı ChatGPT öncesi neredeyse sıfırdan 2025 sonunda yaklaşık %15'e yükselmişken (Fortune, 2026). İki tam yıllık kullanım, konuşmayı yapacağız'dan yaptık'a taşımadı.
Dolayısıyla benzer bir şirketin yapay zekâ verimlilik iddiası size ulaştığında — bir konferans konuşmasında, bir tedarikçi vaka çalışmasında, bir rakibin yatırımcı sunumunda — temel oran bunun bir tahmin olduğunu söyler. Yalan değil, mutlaka yanlış da değil. Kıyas ölçütü kılığına girmiş bir tahmin.
Aynı fark şirketin içinde de görünüyor
Bilanço toplantısı bulgusu yalnızca yatırımcıya dönük dille ilgili olsaydı, bunu sermaye piyasası tiyatrosu diye bir kenara koyabilirdiniz. Öyle değil. Atlanta ve Richmond Fed'in CFO Anketi, aynı farkı özel ve tanıtım amacı taşımayan yanıtlarda buldu.
Araştırmacılar Mart 2026'da 700'den fazla üst düzey yöneticiye, yapay zekânın çalışan başına çıktı üzerindeki etkisini sordu: yanıt 2025 için %1,8, 2026 beklentisi ise %3,0 oldu. Ekip daha sonra aynı şirketlerin kendi rakamlarının ne ima ettiğini hesapladı — yapay zekâya atfedilen gelir ile yapay zekâ kaynaklı istihdam değişimi — ve imalat, inşaat ve düşük vasıflı hizmetlerde %0,4 ile %0,8, finansta ise yaklaşık %2,2 buldu (Atlanta Fed, 2026).
Yöneticiler kendi gerçekleşmiş kazançlarını, kendi verileriyle, gizli bir ankette, etkilenecek bir izleyici olmadan iki ila dört kat abarttı.
Bu, bilanço toplantısı bulgusunu yeniden çerçeveliyor. Mesele öncelikle bir kamuyu aydınlatma ya da yatırımcı ilişkileri disiplini sorunu değil. Bir ölçüm sorunu ve tek tek operasyon yöneticisi düzeyinde var. Yazarlar, Solow'un 1987'deki "bilgisayar çağını verimlilik istatistikleri dışında her yerde görüyoruz" sözüne başvuruyor ve benzetme hak edilmiş: iki bağımsız Fed ölçümü — biri 5.198 şirket üzerinde metin tabanlı, diğeri 700'den fazla yönetici üzerinde anket tabanlı — zıt yöntemsel yönlerden aynı sonuca varıyor.
Tahmin bulaşması orta ölçekte neden daha ağır
50–500 çalışanlı bir operasyon fonksiyonu, bu asimetriye büyük bir kurumdan daha fazla maruz kalır ve nedeni olgunlukla değil yapıyla ilgilidir.
CFO Anketi'ndeki ölçek ayrımı çarpıcı. Şirketlerin yaklaşık %60'ı 2025'te yapay zekâya yatırım yaptı — büyüklerin kabaca %80'i, küçüklerin yaklaşık yarısı — ve %80'den fazlası 2026'da yatırım bekliyor. Ancak tutarlar büyüklük mertebeleriyle ayrışıyor: küçük şirketlerin yaklaşık %60'ı 2026'da yapay zekâya 20.000 dolardan az harcamayı planlıyor; büyüklerde bu oran %14. Buna karşılık büyüklerin yaklaşık %30'u 1 milyon doların üzerinde harcama planlarken, küçüklerde bu oran %1 (Richmond Fed, 2026).
700.000 dolar harcayan bir şirket kurulumu ölçümleyebilir: süreci temel çizgiye oturtur, kontrol grubu çalıştırır, döngü süresini önce ve sonra ölçer. 18.000 dolar harcayan bir şirket bunu yapamaz ve yapmaz. Lisansları alır ve sonucu, ekibin araç hakkında ne hissettiğinden çıkarır.
Bu da orta ölçeğin dış kıyas ölçütlerine orantısız biçimde bağımlı olması demektir — tam da iç ölçüt üretemediği için. Ve dış kıyas havuzunun %95'i tahmindir. Ölçüm kapasiteniz ne kadar azsa, mevcut en güvenilmez kanıt sınıfına o kadar çok ağırlık verirsiniz. Tuzak budur ve bütçeler küçüldükçe daralır.
Adı konması gereken ikincil bir etki var. Emsal iddialar iyimserken kendi ölçümünüz zayıfsa, gözlemlenen sonucunuz ile kıyas ölçütü arasındaki fark sizin uygulama başarısızlığınız gibi okunur. Operasyon liderleri buna daha fazla araç satın alarak ya da kurulumu yeniden yapılandırarak yanıt verir; oysa dürüst teşhis, karşılaştırmanın hiçbir zaman geçerli olmadığıdır. Geride değilsiniz. Siz ölçülmüşsünüz, onlar öngörülmüş.
Kadro tahmini de aynı biçimde
CFO Anketi'ndeki istihdam rakamları ayrı bir dikkat hak ediyor, çünkü planınızda sanki kesinleşmiş gibi duran rakamlar büyük olasılıkla bunlar.
Yapay zekânın toplam istihdam etkisi sıfıra yakındı. Büyük şirketler 2026'da %0,8'lik bir kadro azalması bekliyor; en küçükler yaklaşık %1'lik bir artış bekliyor. Bileşim tarafında yöneticiler, rutin büro işinin payının 2026'ya kadar %0,76, 2028'e kadar %2,19 düşeceğini, bunun kısmen nitelikli teknik rollerdeki büyümeyle dengeleneceğini öngörüyor — ve küçük şirketlerin herhangi bir yerde kesinti yapmaktansa teknik kadroyu genişletme olasılığı daha yüksek (Richmond Fed, 2026).
Zaman kipine yeniden dikkat edin. Bu rakamların her biri 2026 ve 2028'e dair bir beklentidir ve 2025'teki gerçekleşmiş verimlilik kazançlarını iki ila dört kat abartan aynı yöneticiler tarafından üretilmiştir. Yanlılık nezaketen yalnızca verimlilik sorusuyla sınırlı kalmaz. 2027 operasyon planınız büro kadrosunda azalma varsayıyorsa — çünkü anket verisi bunu gösteriyor — belgelenmiş ve ölçülmüş bir iyimserlik sorunu olan bir kitleden tahmin ithal etmiş ve bunu planlama varsayımı olarak kaydetmişsiniz demektir.
Kanıtın bittiği yer
Üç sınır, çünkü bu çalışmanın yanlış okunması üzerine kurulan bir iş gerekçesi, heyecan üzerine kurulanla aynı şekilde çöker.
Geleceğe dönük olmak yanlış olmakla aynı şey değildir. Gelecek zamandaki bir cümle niyet ve beklenti bildirir, uydurma değildir. O tahminlerin bir kısmı tutacak. Bulgu, iddianın kanıt sınıfıyla ilgilidir, doğruluk değeriyle değil — ve doğru tepki yeniden ağırlıklandırmaktır, elemek değil.
Toplam faktör verimliliği kaba bir ölçüdür. %0,07 rakamı ekonominin tamamına aittir ve yavaş hareket eder; ölçülen verimlilik tarihsel olarak genel amaçlı teknolojilerin yıllarca gerisinden gelir ve ulusal istatistik yatay seyrederken firma düzeyindeki kazançlar gerçek olabilir. TFP rakamı tahmin asimetrisi için bağlamdır, kimsenin bir şey elde etmediğinin kanıtı değil.
Sınıflandırma kusurludur. Yaklaşık bir milyon cümlede küçük bir dil modeliyle zaman kipi etiketlemek hata taşır ve bilanço toplantısı dili yapısı gereği temkinlidir: hukuk incelemesi, belirsiz her konuda yöneticileri geleceğe dönük ifadelere iter. O %95'in bir kısmı sonuç yokluğundan çok bir kamuyu aydınlatma artefaktıdır.
Bunların hiçbiri kıyaslama pratiğini kurtarmaz. Aksine CFO Anketi savı güçlendirir: avukatları, analistleri ve etkileme güdüsünü çıkarın, yöneticiler yine de kendi rakamlarına kıyasla gerçekleşmiş kazançları iki ila dört kat abartıyor. Asimetri, uygulayabileceğiniz her makul indirimden sağ çıkıyor.
Yapay zekâ iş gerekçenizi düzelten üç alan
Bu bir strateji değişikliği değil, belgeleme değişikliğidir ve bir öğleden sonraya mal olur.
Bütçenizde ya da hattınızda bulunan her yapay zekâ girişimini alın. Her biri için ilerlemeden önce üç alan zorunlu olsun:
Gerçekleşmiş bir metrik. Öngörülen bir tasarruf değil, tedarikçinin verdiği kullanıcı başına zaman tahmini de değil. Belirli bir operasyonel sayı: ortalama işlem süresi, ilk geçişte başarı oranı, kapanışa kadar geçen gün, çalışan başına çözülen talep. Kimse bir tane sayamıyorsa, girişim bir hipotezdir ve getiri gibi değil, deney gibi finanse edilip gözden geçirilmelidir.
Yapay zekâ öncesi temel çizgisi. Aracın gelmesinden önceki metrik değeri ve ölçüm penceresi açıkça belirtilmiş olarak. Eksik temel çizgi en yaygın hatadır — ekipler pilot yayına girdiği gün ölçmeye başlar, bu da sonraki her sayıyı yorumlanamaz kılar. Temel çizgi kaybolmuşsa, bir çeyrek daha harcamadan önce geçmiş veriden yeniden kurun.
Ölçüldüğü tarih. Gerçekleşmiş sonuçların bir ölçüm tarihi vardır. Tahminlerin yoktur. Tek başına bu alan portföyünüzü herhangi bir çerçeveden daha hızlı ayıklar, çünkü tarih üretemeyen bir iddia sonuç değildir.
Sonra aynı testi kıyasladığınız her dış sayıya uygulayın. Tedarikçi vaka çalışması, emsal konuşma, rakip sunumu: gerçekleşmiş bir metrik, bir temel çizgi ve bir tarih veriyor mu? St. Louis Fed'in bulgusu, yaklaşık yirmide on dokuzunun en az birinde kalacağını öngörüyor. Onlar beklentiler etiketli bir klasöre gider ve bütçeyi etkilemeyi bırakır.
Bu disiplin gösterişsizdir ve bu çeyrekte yapay zekâ programınızı kâğıt üzerinde daha kötü gösterecektir. Mesele tam da budur. Şu anda ölçülmüş sonuçlarınızı herkesin öngörüleriyle karşılaştırıyor ve aradaki farka düşük performans diyorsunuz. Karşılaştırmayı düzeltin, geride olmadığınızı göreceksiniz — yalnızca odada gerçekten sayan birkaç kişiden birisiniz.
Bir sonraki yapay zekâ yatırım kararınızdan önce, odadaki her sayıya, iç ya da dış fark etmeksizin tek bir soru sorun: bu ne zaman ölçüldü? Yanıt veremeyen her şey bir tahmindir ve tahminlerin bir iş gerekçesinin kanıt sütununda yeri yoktur.
