Orta ölçekli pazardaki şirketlerin yüzde onu tüm yapay zekâ girişimlerini pilot aşamanın ötesine ölçekledi (IT Brief UK, 2026). Kalan yüzde doksan, aynı araçları, aynı tedarikçilerden, aşağı yukarı aynı fiyata satın alıyor.
Üzerinde durulması gereken kısım tam olarak bu. Getiriyi araç üretseydi, getiriler böyle dağılmazdı.
Yeni bir NBER çalışma tebliği bu dağılıma bir ad veriyor. Babina, He ve Jiang, yapay zekânın erken verimlilik kazanımlarını teknolojiye değil, örgütsel sermayeye bağlıyor: bir şirketin yaparak öğrenme yoluyla biriktirdiği, kalıcı ve firmaya özgü bilgi (NBER, 2026). Araç, kazancın vesilesidir. Varlığın kendisi değildir.
Aynı yatırım, iki farklı on yıl
"Canaries in the Gold Mine: Early Productivity Gains from Artificial Intelligence Creating Organization Capital" Ağustos 2026'da Tania Babina, Alex Xi He ve Renhao Jiang tarafından yayımlandı (NBER, 2026).
Asıl ilginç olan ölçüm aracı. Yazarlar lisansları, tedarikçi harcamasını ya da beyana dayalı benimsemeyi saymak yerine — ki bunların hepsi dağıtımı ölçer — firma düzeyinde bir yapay zekâ yatırım ölçütünü yapay zekâ yetkinlikli istihdamdan kuruyor; makine öğreniminden üretken ve ajanlı yapay zekâya uzanan bir yelpazede. Bir şirketin kimi işe aldığı, şirketin ne yaptığını söylediğinden daha zor çarpıtılır.
Bu ölçüte karşı çalıştırıldığında ana sonuç bir katsayıdan çok bir karşıtlık:
Yapay zekâ yatırımları son yıllarda verimlilik artışıyla ilişkili; önceki on yılda ise değil.
Aynı ölçüt. Aynı teknoloji sınıfı. İki farklı yanıt.
Yazarlar ardından benimseme araştırmalarının çoğunun atladığı işi yapıyor: neyin değiştiğini soruyorlar. Yanıtları örgütsel sermayenin birikimi — ve bunu sınamak için çalışanların görev tanımlarından türetilmiş ikinci bir özgün ölçüt inşa ederek bu sermayeyi fiilen hangi rollerin ürettiğini belirliyorlar. Bulgularına göre verimlilik kazanımlarını, örgütsel sermaye üreten yapay zekâ yetkinlikli görevler sürüklüyor. Genel olarak yapay zekâ kadrosu değil. Genel olarak araç yığını değil.
Biri bunun üzerine slayt yapmadan önce koyacağım bir çekince: çalışma tebliğinin metni erişime kapalı ve ben araştırma tasarımını ve bulguların yönünü doğruladım, etki büyüklüklerini değil. Bu çalışmaya henüz kimsenin bir yüzde iliştirmemesi gerekir — ben dahil.
Önceki on yılın neden hiçbir şey getirmediğini makale çözmüyor; kendi okumamı bulgu değil çıkarım olarak işaretliyorum: makine öğrenimi dalgası ağırlıklı olarak iş akışının yanında duran bir tahmin satın aldı — bir skor, bir öngörü, birinin baktığı bir gösterge paneli. Şimdiki dalga iş akışının içinde duruyor ve bir aracın işin gerçekte nasıl yapıldığına dair öğrenme üretebileceği tek konum burası. Bir sürecin yanındaki tahmin size o süreci öğretmez.
"Örgütsel sermaye" aslında ne demek
Terim ne yeni ne de muğlak. Eisfeldt ve Papanikolaou bunu Journal of Finance'te biçimselleştirdi: örgütsel sermaye, firmanın kilit yeteneğinde cisimleşmiş, firmaya özgü verimlilik taşıyan ve firmanın nakit akışları üzerinde hak sahibi olan bir üretim faktörüdür. Daha fazlasına sahip firmalar, daha azına sahip olanlara kıyasla yaklaşık %4,6 daha yüksek ortalama getiri elde etti (Eisfeldt ve Papanikolaou, 2013).
Operasyon diliyle: sizin işinizin nasıl yapıldığına dair birikmiş bilgidir. Hangi istisnaların önemli olduğu. Hangi müşteri sinyalinin kaybı önceden haber verdiği. Kapanış sürecinizde gerçekten kırılan adımın hangisi olduğu.
Bir lisans size genel amaçlı bir yetenek verir. Örgütsel sermaye ise, o yetenek tekrar tekrar sizin özgül işinize yöneltildiğinde ve sonuç tek bir kişinin kafasından başka bir yerde saklandığında ortaya çıkan şeydir.
Birincisi satın alınabilir. İkincisi alınamaz.
Rakibiniz neden aynı yığını satın aldı da örgütsel sermaye üretemedi
NBER bulgusunu orta ölçekli pazar verisinin yanına koyun; örüntü soyut olmaktan çıkar.
Klarus, Birleşik Krallık ve İrlanda'da 200 milyon–2 milyar sterlin ciro ve 300–3.000 çalışan aralığındaki şirketlerden 500 üst düzey karar vericiyle anket yaptı. Yüzde yetmiş üçü yapay zekâyı kısmen veya tamamen devreye almıştı. Yüzde onu tüm girişimleri pilotun ötesine ölçeklemişti. Yüzde doksanı tıkanmış ya da hâlâ erken aşamadaydı (IT Brief UK, 2026).
Aynı ankette iki kez okunmayı hak eden bir tersine dönme var: %91 kurum içi yapay zekâ uzmanlığına güvendiğini söyledi — buna karşılık %48, projelerinin ilerleyememesinin başlıca nedeni olarak yapay zekâ uzmanlığı eksikliğini gösterdi. Aynı kitle hem yetkinliğe sahip olduğundan hem de yetkinliğin eksik olduğundan aynı anda emin.
İkisinin de altında şu var: %83 veri kalitesinin kötü olduğunu bildirdi ve %69 kötü verinin yapay zekâ çalışmalarını engellediğini veya geciktirdiğini söyledi.
CLA'nın Heartbeat Index'i Atlantik'in öte yakasında aynı biçimi buldu. 722 küçük ve orta ölçekli kuruluş arasında %69,9 iş gücünün gelecek için gereken becerilere sahip olduğuna inanıyordu. Yalnızca %49,5 son teknoloji veya yapay zekâ yatırımlarından herhangi bir verimlilik iyileşmesi bildirdi ve sadece %20,2 yüksek düzeyde olumlu etki bildirdi (CLA, 2026).
İki bağımsız orta ölçekli pazar örneklemi. İkisi de yetkinliğin mevcut, sonuçların yok olduğunu bildiriyor.
Bu birleşim, çoğu şirketin finanse ettiği teşhisi dışarıda bırakıyor. Bağlayıcı kısıt beceri olsaydı, incelenen kitle bir beceri açığı bildirirdi. Tersini bildiriyor. Eksik olan kullanım akıcılığı değil — o akıcılığı firmanın sahip olduğu bir şeye çeviren mekanizma.
Pilotlar başarısız olmuyor. Hesaba bir şey yatırmıyor.
Valliance, büyük Avrupa şirketlerinden 1.000 üst düzey lidere anket uyguladı ve yapay zekâ girişimlerinin %40'ının tasarım gereği pilot olarak kaldığını buldu — hiç kapatılmıyor, hiç ölçeklenmiyor. Olgun, yerleşik yapay zekâ programlarına sahip kuruluşlarda bu oran %48'e çıkıyor (Consultancy.uk, 2026).
Daha fazla olgunluk, daha fazla süreğen pilot. Bir öğrenme eğrisi böyle görünmez.
Maliyet aynı veri setinde. Pilotta sıkışmış şirketler güçlü yatırım getirisini vakaların %20'sinde bildiriyor. Ölçekleyen şirketler %76'sında. Sıkışmış grup değeri görmek için daha uzun da bekliyor: 5,9'a karşı 6,6 ay (Consultancy.uk, 2026).
NBER merceğinden okunduğunda boşluk okunabilir hale geliyor. Belgelenmiş bir süreci, bir görev tanımını ya da bir karar kuralını değiştirmeden biten bir pilot, bir sonuç üretmiş ve hiçbir şey yatırmamıştır. Ekip öğrendi. Firma öğrenmedi. Bunu on iki kez yapın; elinizde on iki deneyim ve sıfır örgütsel sermaye olur — ki bu tam olarak, eşlik eden verimlilik artışı olmadan yapay zekâ yatırımı gösteren yapılanmadır.
Yatırma testi
Aritmetiğe dökelim. 200 tam zamanlı çalışanı olan bir hizmet şirketi yılda altı yapay zekâ pilotu yürütüyor, her biri yaklaşık iki aylık yarı zamanlı emek — lisanslar hariç, fiilen bir kişi-yıllık kıdemli dikkat. Standart raporlama her pilotun ne tasarruf ettiğini sorar. Bunun yerine kaç tanesinin kalıcı bir çıktı ürettiğini sorun: yeniden yazılmış bir prosedür, bakımı yapılan bir istem ve değerlendirme seti, pilota hiç dokunmamış kişilerin artık kullandığı bir karar kuralı.
Yanıt birse, o yılın yaklaşık iki ayını örgütsel sermayeye çevirdiniz, geri kalanını öğrenim ücreti olarak harcadınız. Pilotlar başarısızlık değildi — beşi yalnızca sermayeleştirilmedi. Bu ayrım standart bir yatırım getirisi sunumunda hiçbir yerde görünmez; tam da bu yüzden yeniden ve yeniden finanse edilir.
Valliance'ın kendi çerçevesi şu: sorun deneme yapmak değil, sonrasında ne olduğu. NBER makalesi bu cümlenin neden bir slogan değil muhasebe ifadesi olduğunu açıklıyor. Yaparak öğrenme, ancak öğrenilen kalıcı bir şeye kaydedildiğinde bileşik getiri üretir.
Dürüst itiraz
Dört sınır, açıkça.
İlişki nedensellik değildir. NBER sonucu, kurgulanmış bir örgütsel sermaye ölçütü aracılığıyla, yapay zekâ yatırımı ile verimlilik artışı arasındaki bir ilişkidir. Örgütsel sermayeyi iyi inşa eden firmaların, onları aynı zamanda daha iyi yapay zekâ benimseyicisi yapan başka açılardan da daha iyi yönetiliyor olması makul. Makalenin tasarımı özenli; ama randomize bir deney değil.
Her iki özgün ölçüt de vekil değişken. Yapay zekâ yetkinlikli işe alımdan çıkarılan yapay zekâ yatırımı, yetkinliği işe almak yerine satın alan firmaları olduğundan az gösterir. Görev tanımlarından çıkarılan örgütsel sermaye, bilgisi rol metinlerinde değil sistemlerde yaşayan firmaları olduğundan az gösterir. Bu tür vekiller yönü, büyüklükten daha güvenilir yakalar.
Orta ölçekli pazar doğrulaması bölgesel ve beyana dayalı. Klarus Birleşik Krallık ve İrlanda; CLA bir ABD müşteri paneli. İkisi de beyana dayalı. Birbirleriyle uyuşuyorlar, bu anlamlı; ve hiçbiri ulusal olasılık örneklemi değil, bu da önemli.
Örgütsel sermayenin bir çıkış kapısı var. En keskin itiraz bu ve Eisfeldt ile Papanikolaou bunu on üç yıl önce dile getirdi: örgütsel sermaye kilit yetenekte cisimleşmiştir ve o yetenek getirisi üzerinde hak sahibidir. Üç kıdemli kişide yaşayan bilgi, o kişilerden biri istifa edene kadar firmaya özgüdür. Burada belgelendirme bürokratik bir yük değil — bir varlık ile bir elde tutma riski arasındaki farktır.
Bu çeyrek neye karar vermeli
Dört hamle. Hiçbiri yeni bir tedarikçi gerektirmiyor.
- Her aktif pilotu neyi hızlandırdığına göre değil, geride ne bıraktığına göre puanlayın. Pilot başına bir soru: onun sayesinde değişen süreç belgesini, karar kuralını veya görev tanımını adlandırın. Dürüst yanıt "ekip hızlandı" ise, bir deneyim finanse ettiniz. Valliance'ın %40'ı bütünüyle deneyimlerden oluşuyor.
- Bir yapay zekâ görev tanımını belgelendirme etrafında yeniden yazın. NBER sonucu, firmaya özgü bilgi üreten roller üzerinden işliyor. Orta ölçekli pazarda yapay zekâ ile ilişkili görev tanımlarının çoğu araçları sıralar. Bunun yerine çıktıyı tanımlayın: belgelenmiş iş akışları, bakımı yapılan değerlendirme setleri, başkalarının çalıştırabileceği karar kuralları.
- Bir sonraki lisanstan önce veri temelini onarın. %83'lük kötü veri kalitesi bir dipnot değil; yaparak öğrenmenin birikememesinin nedeni — geçmişinize erişemeyen bir ajan sizin firmanızı öğrenemez. Bu, dördüncü çeyrek bütçesinde doğrudan lisans genişletmesiyle yarışan bir kalem ve kazanması gereken odur.
- Örgütsel sermayenizin nerede cisimleştiğini denetleyin. Bu yıl yapay zekânın ölçülebilir biçimde iyileştirdiği beş süreci listeleyin, sonra her iyileşmenin nerede saklandığını belirtin. Bir çıktıya değil bir kişiye dayanan her biri, ekinde istifa mektubu olan bir verimlilik kazancıdır.
Rakibiniz yığınınızı bu öğleden sonra satın alabilir. Ekibinizin hangi istisnaların önemli olduğunu öğrenmek için harcadığı on sekiz ayı satın alamaz — meğerki onu belgelenmemiş bırakmış olun; o zaman işe almak yeter.
Örgütsel sermaye, yapay zekâ yatırımınızın gerçekten size ait olan tek parçasıdır. Bu çeyrek karar verin: onu inşa mı ediyorsunuz, yoksa yalnızca inşa etme fırsatını mı kiralıyorsunuz.
