Yapay Zekâ Maliyeti: İnsan Gitti, Fatura Kaldı

İş dünyası yapay zekâ maliyetini konuşmaya başladı değil mi? Ne olacaktı ki başka? Şirketlerin dönüp dolaşıp gündemi elbette maliyet yönetimine gelir.

Uzun süre yapay zekâ, insan emeğinin yerine geçecek, maliyetleri azaltacak ve işletmelerin verimliliğini hızla artıracak bir araç olarak sunuldu. Ama son gelişmeler bize bu denklemin gözden kaçan boyutunu yani maliyete etkisini gösteriyor.

Çalışan emeğinin maliyetini bordroda açıkça görürsünüz. Artısı eksisi bellidir. Yapay zekânın maliyetiyse yazılım lisanslarına, token tüketimine, bulut hizmetlerine, veri merkezlerine, enerji kullanımına, entegrasyon projelerine, insan denetimine ve hata düzeltme giderlerine dağıtılıyor. Yani şirket, personel maliyetini düşürdüğünü zannederken toplam işlem maliyetini artırıyor olabilir.

Starbucks, yapay zekâ destekli stok sayım sistemini ancak dokuz ay sürdürebildi. 9 ayda sistem çorba olunca YZ sistemini iptal edip tekrar manuel sayıma çevirdi. Aynı dönemde teknoloji şirketlerinin yöneticileri de yapay zekânın işlem gücü ve token maliyetlerinin bazı ekiplerde çalışan maliyetini aşabildiğini konuşmaya başladı.

Uber, yıllık yapay zekâ bütçesini daha yılın ilk aylarında tüketmiş. Şirketlerin kullanım sınırları getirmesi ve yatırımcıların Microsoft’un yapay zekâ altyapısı harcamaları konusunda daha fazla açıklama istemesi de cabası. Yeri gelmişken soralım:

Yapay zekâ insan emeğinden daha mı ucuz? Yoksa şirketler bordro maliyetini daha karmaşık ve daha öngörülmez bir teknoloji faturasına mı dönüştürüyor?

Starbucks Yapay Zekâ ile Neyi Otomatikleştirmek İstedi?

Starbucks, Kuzey Amerika’daki mağazalarında bazı stok sayımları için yapay zekâ destekli bir sistem kullanmaya başladığını ilan etmişti. Sistem, mağaza çalışanlarının süt ve belirli ürünleri manuel olarak sayma yükünü azaltmayı, stok eksikliklerini daha erken tespit etmeyi ve ürün bulunamaması nedeniyle yaşanan satış kayıplarını sınırlamayı amaçlıyordu.

Ama bu yapay zekâ destekli stok sistemi benzer ürünleri birbirine karıştırdı. Bazı ürünleri yanlış sınıflandırdı ve bazı stokları tamamen görmezden geldi. Kuzey Amerika genelinde kullanıma alınmasından sadece dokuz ay sonra sistem kaldırıldı ve mağazalar yeniden manuel sayıma döndü.

Burada sadece başarısız bir yazılım projesinden mi bahsediyoruz?

Yanlış stok sayımı nelere yol açar?

• Eksik veya fazla sipariş verilmesine,
• Ürün bulunamamasına,
• Gereksiz stok taşınmasına,
• Satış kaybına,
• Çalışanların sonuçları yeniden kontrol etmesine,
• Hataların düzeltilmesi için ilave iş gücü kullanılmasına.

Yapay zekâ sistemini devreye alıp sadece stok sayan personel, bir de yapay zekânın doğru sayıp saymadığını da kontrol etmeye başlıyor.

Geldi mi eski manuel iş sürecinin yanına yazılım, denetim ve hata düzeltme maliyetleri?

Starbucks örneği bu nedenle önemli. Şirket, moda olan bir teknolojiyi erken bir aşamada mevcut sürece yerleştirdi ve çalışan emeğini azaltmayı hedefledi. Sistem güvenilir sonuç üretemeyince insan süreçten çıkmadı; sayım yapan çalışan, yapay zekânın yaptığı sayımı kontrol eden çalışana dönüştü.

Teknoloji işi ortadan kaldırmadı. İşin niteliğini ve maliyetin dağıldığı yerleri değiştirdi.

Yapay Zekâya İşi Havale Etmek İnsanı Ortadan Kaldırmaz

Şirketlerin otomasyon kararları genellikle çalışan maliyeti üzerinden gerekçelendirilir.

Maaşlar, yan haklar, izinler, eğitimler, işe alım giderleri ve çalışan devir oranı hesaplanır. Ardından yazılımın bu maliyetleri azaltacağı varsayılır. Nasıl mı? Bir teknoloji satın almak için görüşme yaptınız mı yakın zamanda? O görüşmelerde tüm şartlar sabit (yani mükemmel) oluyor. Bu teknolojinin kusursuz çalışacağı anlatılıyor. Çünkü satıcı ürününü satmak için “bir deneyelim, bakalım, yapar diye düşünüyorum” falan demez.

Şimdilerde yapay zekâ yatırımlarının gerçek toplam maliyetini görmeye başlıyoruz. Bu yatırımda satış vaadindeki rakamlarla uygulamanın maliyeti tutmaz.

Bir kurumsal yapay zekâ sisteminin maliyetleri nelermiş birlikte bakalım.

• Yazılım ve model lisansları,
• Token ve API kullanımı,
• Bulut ve işlem kapasitesi,
• Donanım ve veri merkezi yatırımları,
• Enerji tüketimi,
• Veri hazırlama ve sınıflandırma,
• Mevcut sistemlerle entegrasyon,
• Bilgi güvenliği ve KVKK süreçleri,
• Model çıktılarının insan tarafından kontrolü,
• Hatalı sonuçların düzeltilmesi,
• Sistemin güncellenmesi ve bakımı,
• Çalışanların eğitilmesi,
• Sistem başarısız olduğunda eski yönteme dönüş.

Avrupa Birliği durur mu? Durmaz. Yapay Zekâ Yasası gibi düzenlemelerle risk değerlendirmesi, dokümantasyon, kayıt tutma ve izleme yükümlülükleri nedeniyle yapay zekâ yatırımının toplam maliyetine yeni kalemler ekliyor.

Çalışan maliyetinden daha ucuz ve öngörülebilir oldu mu?

Ama çalışan maliyeti öyle mi azizim?

Doğru kurulmuş bir sistemde personel maliyeti işletme hesaplarında izlenebilir, bütçelenebilir ve dönemsel olarak karşılaştırılabilir. Yapay zekâ maliyetleri ise insan kaynakları bütçesinden çıkıp bilgi teknolojileri, danışmanlık, entegrasyon, siber güvenlik, bulut ve işlem giderlerine dağılır.

Bu nedenle yönetimin bakması gereken rakam, azalan çalışan sayısı değil, aynı işin yapay zekâ öncesindeki ve sonrasındaki toplam işlem maliyetidir.

Yatırım mı yapmayalım dediniz?

Hayır bu da sizin modern iş dünyası entegrasyon süreçlerinizi zayıflatır ve zaten zor olan rekabet koşullarını daha da zorlaştırır. Yapay zekâ yatırımını kaç kişinin sistemden çıkarıldığıyla değerlendirmeyelim diyorum.

Yapay Zekâ Bordrosu: Token ve İşlem Gücü

Üretken yapay zekâ sistemlerinin yaygınlaşmasıyla birlikte şirketler yeni bir maliyet kalemiyle karşı karşıya kaldı: token tüketimi.

Token, yapay zekâ modelinin işlediği ve ürettiği metin parçalarını ölçmek için kullanılan temel birimdir. Şirkette “kalan” çalışanların yapay zekâyı daha yoğun kullanması, daha gelişmiş modellerin tercih edilmesi ve yapay zekâ ajanlarının uzun görevler yürütmesi token tüketimini artırır.

Bu yapay zekâ ajanları sadece tek soruya yanıt vermeyebilir. Bir görevi yerine getirirken tekrar tekrar veri okuyabilir, araç kullanabilir, kod yazabilir, sonucu kontrol edebilir ve başarısız olduğunda yeniden deneyebilir. Dolayısıyla aynı işi yapan iki yapay zekâ süreci birbirinden çok farklı miktarda işlem gücü ve token tüketebilir.

Artık burada teorik bir tartışmadan bahsetmiyorum.

Nvidia yöneticisi Bryan Catanzaro, kendi ekibi açısından işlem gücü maliyetinin çalışanların maliyetinden çok daha yüksek olduğunu açıkladı. Bu açıklamasıyla, yapay zekânın her durumda insan emeğinden daha ucuz olduğu varsayımını sorgulatmış oldu.

Burada dikkat etmemiz gereken nokta, bu durumun her şirket ve her kullanım alanı için geçerli olmadığıdır.

Basit, tekrarlı ve iyi tanımlanmış görevlerde yapay zekâ önemli bir verimlilik sağlayabilir. Fakat yüksek işlem gücü gerektiren, sürekli çalışan, fazla veri kullanan veya çok sayıda tekrar yapan sistemlerde teknoloji maliyeti insan maliyetine yaklaşabilir, hatta onu aşabilir.

Teknolojiye geç kalmamak kadar erken ve ölçüsüz yatırım yapmamak da bir yönetim sorumluluğudur. Acele verilen kararlar, kısa vadede verimlilik değil ilave maliyet doğurabilir.

Çok Sayıda Yapay Zekâ Aracı Kullanmak Çok Değer Üretmek Değildir

İşletmeler yapay zekâ kullanımını artırmak amacıyla çalışanlara yeni araçlar sağlıyor. Bazı şirketlerde yapay zekâ kullanan çalışan oranı, üretilen kod miktarı veya tüketilen token sayısı dönüşümün göstergesi olarak izleniyor.

Kullanım ile üretkenlik aynı şey mi?

Bir çalışanın daha fazla token tüketmesi, daha fazla ekonomik değer yarattığı anlamına gelmez. Kullanımın artması sadece sistemin daha fazla çalıştırıldığını gösterir.

Haydi bir örnek daha;

Uber, yapay zekâ destekli kodlama araçları için ayırdığı yıllık bütçeyi yılın ilk aylarında tüketmiş. Sonra şirket doğal olarak çalışanların YZ kullanımına sınırlar getirmeye başladı. Uber’in yöneticileri, bu yüksek kullanım faturasına rağmen müşteri ve işletmeye sunulan somut artı değer arasında bağ kurmanın kolay olmadığını açıklamış.

Bir örnek daha mı lazım?

Cisco Başkanı Jeetu Patel, yapay zekâ tokenlarının faturalarının ürettikleri ekonomik değeri aşması halinde sistemin sürdürülebilir olmayacağına dikkat çekti. İzliyoruz dedi yani.

Bu örnekler bize, şirketlerin yapay zekâ kullanımını teşvik etme döneminden yapay zekâ kullanımını izleme ve sınırlandırma dönemine geçmeye başladığını gösteriyor.

YZ’nin faydasını nasıl mı ölçeceğiz?

• İşlem süresi ne kadar azaldı?
• İşlem başına toplam maliyet ne kadar değişti?
• Hata oranı düştü mü?
• Çalışan başına çıktı arttı mı?
• Yeni gelir yaratıldı mı?
• Müşteri kaybı veya operasyonel kayıp azaldı mı?
• İnsan kontrolüne duyulan ihtiyaç ne kadar değişti?
• Yatırımın geri dönüş süresi ne?

Bu soruların cevabı bilinmiyorsa şirket, yapay zekânın verimliliğini değil, kullanım yoğunluğunu ölçüyor olabilir.

Adam Smith’in İğne Fabrikasında 10 İşçi Vardı

Adam Smith, 1776’da yayımlanan “Milletlerin Zenginliği” kitabında iş bölümünün üretkenliği nasıl artırdığını bir iğne imalathanesi üzerinden anlatır.

Smith’in gözlemlediği imalathanede 10 işçi çalışmaktadır. İğne üretimi telin çekilmesi, düzeltilmesi, kesilmesi, sivriltilmesi, baş kısmının hazırlanması ve paketlenmesi gibi farklı işlemlere ayrılmıştır. Smith, üretim sürecinin yaklaşık 18 ayrı aşama içerdiğini belirtir. Bazı işçiler birden fazla işlem gerçekleştirse bile her çalışan belirli görevlerde uzmanlaşır.

Bu 10 işçi, kurulan iş bölümü sayesinde bir günde 48 binden fazla iğne üretebilir. Bu, kişi başına günlük yaklaşık 4.800 iğne anlamına gelir.

Smith’e göre aynı işçiler üretimin bütün aşamalarını tek başlarına gerçekleştirmeye çalışsaydı, her işçi günde sadece 20 iğne bile üretemeyebilirdi. Burada Ford’a, Taylor’a Deming’e bir göz kırpalım. Ama bize kalite yönetim sisteminin ne kadar önemli olduğunu ilk anlatan Smith idi.

Smith’in örneğinin en önemli tarafı, 10 insanın emeğinin doğru bir üretim sistemi içinde örgütlenmiş olmasıdır.

İşçiler belirli işlerde uzmanlaşmış, bir görevden diğerine geçerken kaybedilen zaman azalmış ve emeği kolaylaştıran araçların kullanılması mümkün hale gelmiştir. Yani Smith’in fabrikasında zenginliği yaratan şey insanın süreçten çıkarılması değil, insan emeğinin daha üretken hale getirilmesidir.

Bize dikte edilen yapay zekâ anlatısı bu yaklaşımı tersinden okutuyor.

Ve şirketler şu soruyu soruyor:

“On çalışandan kaçının yaptığı işi yapay zekâya devredebiliriz?”

Şunu değil:

“On çalışanın birlikte ürettiği değeri nasıl olağanüstü ölçüde artırabiliriz?”

Odağımız çalışan sayısını azaltmak olmamalı. Piyasa koşulları zorlayıcı, giderek daha da zorluyor. Biz üretkenliği artırmaya odaklanmak zorundayız. Süslü satış sözlerine ne çabuk kanıp, iş modellerimizi değiştirmeye çalışıyoruz. Ama çomak sokulan sistem sizin göz bebeğiniz. Acele etmeyin, biraz sakin olalım.

Yapay zekâ 10 kişinin yaptığı işi daha hızlı, daha doğru ve daha düşük toplam maliyetle gerçekleştirebiliyorsa gerçek bir üretkenlik artışı yaratır.

Ama çalışan sayısını azaltırken token, bulut, entegrasyon, enerji, denetim ve hata maliyetlerini yükseltiyorsa Smith’in tarif ettiği anlamda verimlilik sağlamış olmuyor. İşin kontrol ve denetim maliyetinden hiç bahsetmek istemiyorum. İçim daralıyor.

İğne Fabrikasından Yapay Zekâ Fabrikasına

Starbucks’ın stok sistemi, Adam Smith’in iğne fabrikasının günümüzdeki bir stres testi gibi okunabilir.

Smith’in fabrikasında iş bölümü, 10 çalışanın toplam çıktısını olağanüstü ölçüde artırıyordu. Her işlem, bir sonraki işlemi destekleyen üretken bir sistemin parçasıydı.

Starbucks’ın yapay zekâ denemesindeyse teknoloji insanın yaptığı sayım işini üstlenmeye çalıştı. Ama güvenilir sonuçlar üretemediği için yeniden çalışanların kontrolüne ihtiyaç duyuldu.

Oysa sayımı otomatikleştirirken insan kontrolü ve hata düzeltme süreçlerini öngörüp yeni bir iş katmanı oluşturabilirdi.

Bugünün bazı yapay zekâ uygulamalarında ise insan, yapay zekânın ürettiği sonucu kontrol eden son güvenlik katmanına dönüşüyor. Ki bu değişen teknolojik süreçler bakımından insanın daha doğru konumlanmasıdır.

Yapay Zekâ Maliyeti: Kişisel Servetten Üretken Sermayeye

Adam Smith’ten devam edelim. Smith’in ekonomik dünyasında kişisel servetle üretim sermayesi arasındaki bağ bugünküne göre daha doğrudandı.

Bir tüccar, zanaatkâr veya imalatçı birikimini üretime yatırdığında kendi servetini riske atıyordu.

Ham madde satın alıyor, işçilerin ücretlerini karşılıyor, araç ve makineleri finanse ediyor, üretim tamamlanıncaya kadar işletmenin faaliyetini sürdürüyor ve ürünlerin pazara ulaştırılmasını sağlıyordu.

Yani servet sadece elde tutulan para değildi. Üretime yöneldiğinde sermayeye dönüşüyor, emek ve araçlarla birleştiğinde yeni değer yaratıyordu.

İğne fabrikasındaki 10 işçinin üretkenliği elbette sadece görevlerin doğru bölünmesiyle açıklanamaz. Fabrikanın tel satın alacak, araç sağlayacak, üretim tamamlanmadan önce işçilere ücret ödeyecek ve ortaya çıkan ürünü pazara taşıyacak sermayeye de ihtiyacı vardır.

Yani Smith’in sisteminde üç unsur birbirine bağlıdır.

Kişisel servet üretken sermayeye dönüşür, üretken sermaye emeği harekete geçirir, doğru örgütlenen emek de yeni servet yaratır.

Temel ölçüt, sermayenin ne kadar büyük olduğu değil, üretken biçimde kullanılıp kullanılmadığıdır. Bir harcamanın yatırım olarak adlandırılması, onu kendiliğinden üretken sermaye haline getirmez.

Sanayi Devrimi Sermayeyi Büyüttü Ama Kontrolü Uzaklaştırdı

Sanayi Devrimi, kişisel servetin üretken sermayeye dönüşme biçimini değiştirdi. Küçük atölyelerin yerini fabrikalar, basit araçların yerini pahalı makineler ve yerel üreticilerin yerini daha büyük sermaye yapıları aldı.

Üretim için gereken sermaye arttıkça tek bir kişinin serveti yetersiz kalmaya başladı. Fabrikaların, demiryollarının, madenlerin ve büyük ticari girişimlerin kurulabilmesi için çok sayıda yatırımcının bir araya gelmesi gerekiyordu. Doğrusu, bu bir kulüp değildi. Bir araya gelen paralarıydı.

Böylece ortaklıklar, hisse yapıları ve bugünün modern şirketleri oluştu.

Büyük yatırımların yapılmasını, üretimin ölçeklenmesini ve yeni sanayi alanlarının kurulmasını mümkün kıldı. Ama artık sermayenin sahibi ile işletmenin kontrolünü elinde bulunduran kişi aynı kişi değildi.

Yatırımcılar şirkete sermaye sağlıyordu ama fabrikanın nasıl yönetileceğine, hangi makinenin alınacağına, ne kadar borçlanılacağına ve hangi projeye yatırım yapılacağına profesyonel yöneticiler karar veriyordu.

Kişisel servet üretken sermayeye dönüşmeye devam etti. Fakat sermayenin nasıl kullanılacağını belirleyen irade, sermayenin sahibinden giderek uzaklaştı.

Adam Smith, ortakların parasını yöneten profesyonel idarecilerin başkalarının serveti konusunda kendi paralarını yönetirken gösterecekleri dikkat ve tutumluluğu göstermeyebileceği konusunda uyarıda bulunmuştu. E biz de bunları okuyarak geldik bu yaşlara. Temkin artık adımızdan sonra geliyor. Yani bu konuda ben Smith gibi düşünüyorum.

Çünkü işletme sahibi yanlış yatırım yaptığında doğrudan kendi servetini kaybediyor.

Profesyonel yönetici yanlış yatırım yaptığında; yatırımcının sermayesine, şirketin bilançosuna, çalışanların geleceğine, alacaklılara, işletmenin uzun vadeli kapasitesine sirayet ediyor yanlışı.

Bugün şirket yönetimleri veri merkezleri, yapay zekâ çipleri, bulut hizmetleri, modeller, yazılımlar ve entegrasyon projeleri için milyarlarca dolarlık kararlar verebiliyor.

Bu yatırımlar yöneticilerin kişisel servetinden finanse edilmiyor. Bu finansman; şirketin nakit varlıklarından, faaliyet kârlarından, borçlanmadan, hisse ihracından veya yatırımcıların sağladığı sermayeden (bedelli sermaye artırımı dahil) karşılanıyor.

Yönetici yapay zekâ yatırımını büyüme, verimlilik ve teknolojik dönüşüm anlatısıyla sunabilir. Yatırım açıklandığında şirketin gelecek hikâyesi güçlenebilir, hisse fiyatı olumlu etkilenebilir ve yönetim kısa vadede başarılı görünebilir. Ama yatırım beklenen üretkenliği yaratmadığında maliyet yöneticinin kişisel servetine değil, şirkete ve sermaye sahiplerine kalıyor.

Bu nedenle yapay zekâ yatırımlarındaki temel mesele sadece teknolojik uyum değildir.

Konuyu dağıttım sandınız di mi?

Nasıl bağladım yine 😊

Adetim olduğu üzere yine ve yeniden yeri geldi yazmak istiyorum:

“Şirketlerde işler, yöneticilere tamamen teslim edilmeyecek kadar değerlidir.”

Gelelim Microsoft Davasının Önemine

Microsoft’a karşı Haziran 2026’da açılan yatırımcı davası, yapay zekâ yatırımları ile kurumsal şeffaflık arasındaki ilişkiyi gündeme taşıdı.

Davacı yatırımcılar, şirketin Azure bulut işindeki büyüme yavaşlamasını ve yapay zekâ altyapısı için gereken büyük harcamaları yatırımcılara yeterince açıklamadığını ileri sürdü.

Microsoft ise iddiaların dayanaksız olduğunu, kamuya yaptığı açıklamaların arkasında durduğunu ve davaya karşı kendisini savunacağını belirtti. Dolayısıyla ortada kesinleşmiş bir yargı kararı değil, yatırımcılar tarafından ileri sürülen iddialar bulunuyor.

Buna rağmen dava önemli bir yönetim sorununu ortaya çıkardı.

Yapay zekâ yatırımı şirketin gelecekteki üretim kapasitesini gerçekten geliştiriyor mu? Yoksa mevcut büyüme ve kapasite sorunlarını büyük bir teknoloji hikâyesinin içinde görünmez hale mi getiriyor?

Bir şirketin YZ yatırımı yapması tek başına olumsuz bir durum değildir. Ama yönetim yapay zekâyı önemli bir büyüme ve değer yaratma aracı olarak sunuyorsa yatırımcının; yatırımın toplam tutarını, maliyetini, altyapı uyumunu, gelirini, tasarrufunu, düzeltme maliyetlerini sorgulaması oldukça doğaldır.

Çünkü yatırımcılar şirketin yapay zekâ kullanıp kullanmadığından ziyade, yapay zekânın şirkete ekonomik faydasını bilmek ister.

Bu mesele, “Bilanço Geçmişi Gösterir: Halka Açık Şirketlerde Şeffaflık” yazısında ele alınan temel sorunun devamıdır.

Şeffaflık sadece finansal tabloların zamanında yayımlanması değildir.

Yatırımcının kararını etkileyebilecek mevcut risklerin, harcamaların, kapasite sorunlarının ve yönetim varsayımlarının anlaşılabilir biçimde açıklanmasıdır.

Üretken Sermaye ile Gösterişli Sermaye Harcaması Arasındaki Fark

Yapay zekâ yatırımlarını değerlendirirken üretken sermayeyle gösterişli sermaye harcamasını birbirinden ayırmak gerekiyor.

Üretken bir yapay zekâ yatırımı;

• Belirli bir sorunu çözer,
• Mevcut süreci ölçülebilir biçimde geliştirir,
• Toplam işlem maliyetini azaltır,
• Hata payını düşürür,
• Çalışanların daha nitelikli işlere yönelmesini sağlar,
• Yeni gelir veya kapasite artışı yaratır,
• İşletmenin kurumsal bilgisini güçlendirir,
• Ve en en önemlisi belirli bir sürede kendini amorti eder.

Gösterişli bir teknoloji harcaması ise;

• Şirketin yenilikçi görünmesini sağlar,
• Yönetimin gelecek anlatısını güçlendirir,
• Rakiplerin gerisinde kalınmadığı izlenimini verir,
• Yatırımcı sunumlarında dikkat çekici bir başlık oluşturur,
• Kullanım ve token rakamlarıyla büyüklük hissi yaratır,
• Ve ölçülebilir bir üretkenlik sonucu ortaya koymayabilir.

Sanayi Devrimi’nin fabrikalarında makinenin üretim üzerindeki etkisi görünürdü. Yeni bir makine alındığında üretim adedi, harcanan süre, kullanılan ham madde, ürün maliyeti ve işçi başına çıktı karşılaştırılabiliyordu.

Ama yapay zekâ yatırımlarında ölçüm daha karmaşık.

Elbette şirketler; kaç çalışanın yapay zekâ kullandığını, kaç lisans satın aldığını, ne kadar token tüketildiğini, kaç metin veya kod üretildiğini kolayca raporlayabilir. Ama bu kullanımın ne kadar yeni gelir yarattığını, hangi maliyeti gerçekten ortadan kaldırdığını ve karar kalitesini ne ölçüde geliştirdiğini belirlemek zordur. Kullanım miktarı, üretkenliğin yerine geçen yanıltıcı bir göstergeye dönüşebilir.

Belki de yapay zekâ balonu teknolojide değil, beklentidedir.

Yapay zekâ hayatımızın ve işletmelerin kalıcı bir parçası olacak. Tartışılması gereken konu teknolojinin geçici olup olmadığı değil, teknolojiye yüklenen sınırsız verimlilik beklentisidir.

Her sürecin yapay zekâyla daha ucuz hale geleceği, çalışanların kolayca ikame edilebileceği ve hesaplama maliyetlerinin önemsiz kalacağı varsayımı gerçekçi görünmüyor.

Balon, teknolojinin kendisinde değil, teknolojinin ekonomik sonuçlarına ilişkin abartılı beklentilerde olabilir.

Bu konu, “Yapay Zekâ Balonu ve Silikon Savaşları” yazısında ele alınan sermaye, çip, veri merkezi ve küresel rekabet tartışmasının işletme düzeyindeki karşılığıdır.

Yapay zekâya yönelik yatırım dalgası; yeni veri merkezleri, gelişmiş çipler, enerji altyapısı, bulut sistemleri, model ve yazılım geliştirme kapasitesi oluşturuyor. Bu altyapının önemli bir bölümü kalıcı olabilir. Ama altyapının kalıcı olması, bu alana yapılan her yatırımın doğru fiyatlandığı veya her kurumsal yapay zekâ projesinin üretken olduğu anlamına maalesef gelmiyor. Rekabeti düşünsenize…

Sanayi Devrimi’nde de her fabrika ayakta kalmadı, her makine yatırımı doğru sonuç vermedi ve her sermaye sahibi başarılı olmadı.

Teknolojik dönüşüm kalıcı olacak ve yanlış yatırım kararları da aynı anda var olacak.

İşletmeler çalışan maliyetini azaltmak için yapay zekâya yönelirken, kritik süreçlerini birkaç büyük model ve bulut sağlayıcısına bağımlı hale getirebilir.

Bordro maliyeti azalırken dış teknoloji sağlayıcısına bağımlılık artabilir.

Bu bağımlılık nelere mi yol açar?

Fiyat değişikliği, kullanım kotası, hizmet kesintisi, veri güvenliği, model değişikliği, lisans koşulları, tedarikçi kilitlenmesi gibi yeni riskler oluşturur.

Şirketler insan emeğine ilişkin bir maliyeti azaltmaya çalışırken altyapı sahibine düzenli gelir sağlayan bir yapıya dönüşebilir. İşte bu nedenlerle de yapay zekâ yatırımının ekonomik etkisi sadece şirket içindeki çalışan sayısıyla ölçülemez.

Sermayenin, verinin ve karar gücünün hangi aktörlerde toplandığı da değerlendirilmelidir.

Not: Ben bu yazıyı hazırlarken, Nvidia, Apple, Alphabet ve Microsoft gibi teknoloji şirketlerinin vadeli işlemlerde değer kaybı yaşadığı haberlerini dinliyordum. Avrupa’da da hisseler sert bir değer kaybına uğramış. Kehanetimiz mi tutuyor nedir? Belki şaka yapıyorum veya belki yapmıyorum. Biz yazımızı bitirelim…

İnsan Denetimi Maliyet Değil, Kurumsal Güvence

Yapay zekâ yatırımları değerlendirilirken insan kontrolü ortadan kaldırılması gereken ek bir maliyet gibi görülemez. Finans, hukuk, insan kaynakları, sağlık, güvenlik, kalite ve kritik operasyonlarda insan denetimi kurumsal bir güvence işlevi görür. Yapay zekânın hızlı sonuç üretmesi, çıktının doğru, adil veya mevzuata uygun olduğu anlamına gelmiyor.

İnsan; istisnaları değerlendirir, bağlamı dikkate alır, hatalı sonuçları fark eder, etik ve hukuki sorumluluğu üstlenir, kurumsal hafızayı korur, (sistem kurulmuşsa) sistem dışı riskleri görebilir.

Bu nedenle doğru bakışımız insanı süreçten tamamen çıkarmak değil, insanın zamanını düşük değerli tekrar işlerle harcamak yerine yüksek değerli karar ve kontrol süreçlerine yönlendirmek olmalıdır.

Teknoloji çalışanı değersizleştirdiği için değil, çalışanın bilgi ve karar kapasitesini güçlendirdiği için anlamlıdır.

Sonuç: Milletlerin Zenginliği Yapay Zekâ Kullanımıyla Ölçülmeyecek

Starbucks’ın yapay zekâ destekli stok sisteminden vazgeçmesi, yapay zekânın başarısız olduğu anlamına gelmez. Ancak bize “Sistemi kurduk, çalışanı çıkardık, maliyeti azalttık” denklemine güvenilemeyeceğini gösterir.

Bir teknoloji yatırımının başarılı sayılması için sadece çalışması veya yaygın biçimde kullanılması yetmez.

Teknolojinin; daha doğru, daha hızlı, daha güvenli, daha düşük toplam maliyetli, daha üretken ve daha sürdürülebilir bir iş süreci yaratması gerekir.

İnsan gider.

Fatura kalır.

Milletlerin zenginliği, ülkelerin ve şirketlerin ne kadar çok yapay zekâ kullandığıyla ölçülmeyecek.

İnsan emeğini, üretken sermayeyi ve teknolojiyi ne kadar akılcı bir sistem içinde bir araya getirebildikleriyle ölçülecek.

Üstat Peter Drucker’ın söylediği gibi:

Yapılmaması gereken bir işi büyük bir verimlilikle yapmaktan daha faydasız bir şey yoktur.