Bugünlerde birçok şirket yapay zekâyı çalışanlar arasında nasıl yaygınlaştıracakları konusunda kafa yoruyor. Ne de olsa yapay zekânın rutin belge hazırlığı, bilgi özetleme ve kod hatalarını giderme gibi bazı işlerin yükünü azaltacağına ve çalışanlara daha değerli görevler için daha fazla zaman kazandıracağına ilişkin vaatler oldukça cazip.
Peki, başarılı oldukları takdirde karşılaşacakları tabloya hazırlar mı? Liderler vaat edilen verimlilik artışına odaklanırken, karmaşık gerçeklik karşısında gafil avlanabilir ve bu kazanımların onlara neye mal olduğunu iş işten geçene kadar fark edemeyebilirler.
Süren araştırmamızda yapay zekâ araçlarının iş yükünü azaltmak bir yana, işi sürekli olarak yoğunlaştırdığını gördük. ABD merkezli, yaklaşık 200 çalışanı olan bir teknoloji şirketinde sekiz ay boyunca yapay zekânın çalışma alışkanlıklarını nasıl değiştirdiğini inceledik. Çalışanların daha hızlı çalıştıklarını, daha geniş kapsamlı görevler üstlendiklerini ve genellikle kendilerinden istenmediği halde mesai saatlerini uzattıklarını tespit ettik. Daha da önemlisi aslında şirket yapay zekâ kullanımını zorunlu tutmamış, sadece ticari olarak satılan yapay zekâ araçlarına kurumsal abonelikler sunmuştu. Çalışanlar kendi inisiyatifleriyle daha fazla çalıştılar çünkü yapay zekâ “daha fazlasını yapma”yı hem mümkün hem de erişilebilir hissettirdiği gibi çoğu durumda da bu süreci kişisel bir tatmin aracına dönüştürdü.
Bu durum liderler için bir rüyanın gerçekleşmesi gibi görünebilir; ancak yapay zekâ coşkusunun getirdiği değişimler sürdürülebilir olmayabilir ve ileride sorunlara yol açabilir. İlk evredeki o deneyimleme heyecanı dindiğinde, çalışanlar iş yüklerinin sinsi bir şekilde arttığını fark edecek ve bir anda üzerlerine yığılan her şeyi idare etmeye çalışırken tükenme noktasına geleceklerdir. Bu aşırı yüklenme ise bilişsel yorgunluğa, tükenmişliğe ve karar verme yetisinin zayıflamasına zemin hazırlar. Neticede, başlangıçta elde edilen o verimlilik artışı; yerini düşük kaliteli işlere, yüksek personel değişimi ve daha pek çok kronik soruna bırakabilir.
Hâliyle bu tablo liderleri ciddi bir sıkıntıya sürüklüyor. Peki, ne yapmalı? Sorumluluğu tamamen çalışana yıkıp onlardan kendi kendilerini denetlemelerini beklemek başarılı bir strateji değil. Bunun yerine şirketlerin, yapay zekâ kullanımı konusunda bir dizi norm ve standart geliştirmesi gerekiyor; biz bu bütüne “yapay zekâ pratiği” diyoruz. İşte liderlerin bu süreçte göz önünde bulundurması gereken temel noktalar ve çalışanlarının başarısı için atabilecekleri adımlar.
Üretken Yapay Zekâ Çalışmayı Nasıl Yoğunlaştırıyor?
Geçtiğimiz yılın Nisan-Aralık döneminde, bir teknoloji şirketindeki çalışma alışkanlıklarının yapay zekâ araçlarıyla nasıl bir dönüşüm geçirdiğini mercek altına aldık. Araştırmamız kapsamında haftada iki gün yerinde gözlemler yaptık, iç iletişim kanallarını takip ettik; mühendislik, ürün, tasarım, araştırma ve operasyon birimlerinde 40’ı aşkın derinlemesine mülakat gerçekleştirdik.
Üç ana yoğunlaşma biçimi tespit ettik.
Görev genişlemesi
Yapay zekânın bilgi açıklarını kapatabilmesi nedeniyle, çalışanlar, normalde başkalarının sorumluluğunda olan görevleri de devralmaya başladı. Ürün yöneticileri ve tasarımcıların kod yazmaya, araştırmacıların ise mühendislik işlerini üstlenmeye başladığını gördük. Kuruluş genelinde kişiler; geçmişte dış kaynaklara devrettikleri, erteledikleri ya da yapmaktan tamamen kaçındıkları işleri artık kendi başlarına halletmeye çalışıyor.
Üretken yapay zekâ artık bu görevleri çok daha ulaşılabilir hissettirdi. Bu araçlar, pek çok çalışanın “zihinsel kapasiteyi artıran bir destek” olarak deneyimlediği bir imkân sağladı: Başkalarına olan bağımlılığı azaltırken, süreç boyunca anında geri bildirim ve düzeltme şansı tanıdı. Çalışanlar başlangıçta bunu yapay zekâ ile yapılan “ufak denemeler” olarak nitelendirdiler; fakat bu deneyimlemeler zamanla iş kapsamının ciddi oranda genişlemesine yol açtı. Öyle ki çalışanlar artık, normal şartlarda ek yardım veya yeni bir personel istihdamı gerektirecek işleri kendi başlarına omuzlar hale geldiler.
Görev tanımlarının bu şekilde genişlemesi bir domino etkisi yarattı. Örneğin mühendisler; meslektaşlarının yapay zekâ desteğiyle veya tamamen yapay zekâya yaptırarak hazırladığı işleri incelemek, hataları ayıklamak ve yönlendirmek için çok daha fazla mesai harcamaya başladılar. Üstelik bu talepler sadece resmi kod incelemeleriyle sınırlı kalmıyordu. Mühendisler, “vibe-coding”1çn. Geliştiricilerin doğal dilde ifadeler kullanarak yapmak istedikleri işlemleri tanımlaması ve bu tanımların üretken yapay zekâ modelleri tarafından işlevsel kaynak koda dönüştürülmesi temeline dayanır. yapan ve yarım yamalak işler teslim eden meslektaşlarına bir nevi koçluk yapar hale geldiler. Genellikle Slack üzerinden veya ofis içindeki ayaküstü görüşmelerle yürüyen bu gayri resmi denetim süreci, mühendislerin iş yükünü iyice ağırlaştırdı.
Çalışma ve çalışma dışı alanlar arasındaki sınırların bulanıklaşması.
Yapay zekâ bir işe girişmeyi son derece kolaylaştırdığı (boş bir sayfaya bakmanın veya bilinmezliğin yarattığı o başlangıç bariyerini yıktığı) için, çalışanlar artık normalde mola verdikleri kısa aralara bile iş sıkıştırır hale geldi. Pek çok kişi öğle yemeğinde, toplantı aralarında, hatta bir dosyanın yüklenmesini beklerken bile yapay zekâya komutlar yağdırıyor. Bazı çalışanlar, masadan kalkmadan hemen önce “hızlıca son bir komut” daha gönderdiklerini, böylece kendileri mola verirken yapay zekânın arka planda çalışmaya devam edebileceğini dile getiriyor.
Bu yapılanlar başlangıçta ek bir iş yükü gibi gelmiyordu; ancak zamanla doğal mola aralıkları azaldı ve iş günü, kesintisiz bir sürekli uğraşa evrildi. Komutların sohbet havasında olması ise süreci iyice kolaylaştırdı. Yapay zekâya bir satır bir şey yazmak, resmi bir görevden ziyade biriyle mesajlaşmak gibi hissettirdiği için, işin farkında bile olmadan akşamlara ya da sabahın ilk ışıklarına sarkması kolay hâle geldi.
Bazı çalışanlar genellikle geriye dönüp baktıklarında, molalar sırasında komutlar yazmanın alışkanlık haline gelmesiyle dinlenme zamanlarının artık aynı derecede dinlenmiş hissettirmediğini fark ettiklerini anlattılar. Neticede iş artık sınırları belli bir eylem olmaktan çıkıp, her an her yerde karşımıza çıkan ve her daim biraz daha fazlasının yapılabileceği bir uğraş halini aldı. Çalışma ve çalışma dışı alanlar arasındaki sınır tamamen kaybolmasa da geçişkenlik çok daha kolaylaştı.
Aynı anda daha fazla iş.
Yapay zekâ çalışanların aynı anda birden fazla aktif iş parçacığını yönetebilecekleri yeni bir ritim ortaya çıkardı: Yapay zekâ alternatif bir sürüm oluştururken diğer yanda elle kod yazmak, birden fazla ajanı2çn. çevresini algılayan ve belirli hedeflere ulaşmak için eylemler gerçekleştiren, genellikle uygulamalar, veritabanları veya büyük dil modelleri gibi araçlar kullanan otonom programlar. paralel olarak çalıştırmak veya yapay zekâ arka planda “bunlarla ilgilenebildiği” için uzun süredir bekleyen görevleri yeniden gündeme almak. Çalışanlar, yapay zekâyı yüklerini hafifletecek bir “ortak” gibi gördükleri için bu çok kanallı çalışma ritmini hızla benimsediler.
Bu “ortaklık” hissi işlere itici güç kazandırıyor gibi görünse de madalyonun öteki yüzünde sürekli bölünen bir dikkat, yapay zekâ çıktılarını durmadan denetleme gereği ve ucu açık kalan görevlerin birikmesi vardı. Kâğıt üzerinde verimlilik artıyor gibi hissedilse de bu durum aslında çalışanların üzerinde ağır bir bilişsel yük ve bitmek bilmeyen bir denge kurma çabası yarattı.
Zamanla bu ritim hız beklentilerini de yukarı çekti; ancak bu artış her zaman doğrudan taleplerle değil, günlük işleyişte görünür hale gelen yeni “normal”ler aracılığıyla gerçekleşti. Pek çok çalışan, otomasyonun sağlayacağı zaman tasarrufunun üzerlerindeki baskıyı görünüşte hafifleteceği düşünülse de yapay zekâ öncesine kıyasla aynı anda çok daha fazla işle boğuşur hale geldiklerini ve üzerlerindeki yükün katlanarak arttığını dile getirdiler.
Bu, kuruluşlar için ne anlama geliyor ve “yapay zekâ pratiği” nasıl yardımcı olabilir?
Tüm bunlar kendi kendini besleyen bir döngüye dönüştü. Yapay zekâ belirli görevleri hızlandırdıkça hız beklentisi arttı; artan tempo ise çalışanları yapay zekâya daha da bağımlı hale getirdi. Bu bağımlılık, üstlenilen işlerin kapsamını genişletirken, büyüyen sorumluluklar iş miktarını ve yoğunluğunu iyice artırdı. Birçok katılımcı, kendilerini daha verimli hissetseler de işlerinin bir türlü azalmadığını, hatta eskisinden daha yoğun bir tempoda çalıştıklarını ifade ettiler. Bir mühendis durumu şöyle özetledi: “Yapay zekâ sayesinde verimliliğin artacağını, böylece zaman kazanıp daha az çalışacağınızı sanıyorsunuz. Ama gerçek hiç de öyle değil; daha az çalışmak bir yana, en az eskisi kadar, hatta bazen daha fazla çalışıyorsunuz.”
Kuruluşlar, çalışanların görev alanlarını kendi istekleriyle bu şekilde genişletmesini net bir kazanım olarak görebilirler. Ne de olsa çalışanlar bunu kendi inisiyatifleriyle yapıyorsa, bunda ne kötülük olabilir ki? Zaten bize vadedilen o büyük verimlilik sıçraması tam da bu değil mi?
Ancak araştırmamız, işin bu şekilde kayıt dışı genişlemesine ve ivmelenmesine göz yummanın risklerini de gözler önüne seriyor: Kısa vadede yüksek verimlilik gibi görünen bu tablo; aslında çalışanların aynı anda birden fazla yapay zekâ destekli iş akışını yönetmeye çalışırken omuzlarına binen sinsi iş yükünü ve artan zihinsel gerginliği maskeliyor olabilir. Bu ekstra çaba gönüllülük esasına dayandığı ve hatta “keyifli bir deneyim” gibi sunulduğu için, liderler çalışanların ne kadar büyük bir yükün altına girdiğini kolayca gözden kaçırabiliyor. Zamanla bu aşırı çalışma hali, muhakeme yetisini bozabilir, hata olasılığını artırabilir ve kuruluşların gerçek verimlilik artışını, sürdürülemez bir yoğunluktanayırt etmesini zorlaştırabilir. Çalışanlar için bunun birikmiş etkisi; yorgunluk, tükenmişlik ve özellikle kuruluşun yanıt verme ve hız beklentisi arttıkça işten uzaklaşmanın gittikçe zorlaştığı hissidir.
Yapay zekâ araçlarının iş alanını dönüştürmesini sadece edilgen bir şekilde izlemek yerine hem bireyler hem de şirketler net bir “yapay zekâ pratiği” geliştirmelidir. Bu pratik; yapay zekânın nerede kullanılacağını, nerede “dur” denileceğini ve yeni imkânlar karşısında işin sınırlarının ne yönde esneyip ne yönde sabit kalacağını belirleyen bilinçli normlar ve rutinler bütünüdür. Bu tür bir pratik tesis edilmediği sürece, yapay zekâ destekli çalışma modeli işi hafifletmek yerine daha da yoğunlaştıracak; bu da tükenmişliği tetikleyerek karar kalitesini ve uzun vadeli sürdürülebilirliği tehlikeye atacaktır.
Kuruluşlar, yapay zekâ pratiklerini geliştirmek adına şu önerileri hayata geçirmeyi değerlendirebilir:
Kasıtlı molalar.
İşlerin hız kazandığı ve sınırların belirsizleştiği bu dönemde çalışanlar, tempoyu düzenleyen kısa ve planlı duraksamalara ihtiyaç duyuyor. Bu aralıklar; yola devam etmeden önce gidişatın hedeflerle örtüşüp örtüşmediğini kontrol etmek, varsayımları gözden geçirmek veya elde edilen bilgileri sindirmek için ayrılmış özel zaman dilimleridir.
Bu molalar genel olarak işi yavaşlatmayacaktır; sadece kontrolsüz hızlanmanın yarattığı aşırı yükün sinsice birikmesini engelleyecektir. Örneğin bir “muhakeme molası”, kritik bir karar kesinleşmeden önce karşı argümanların sunulmasını ve bu kararın kurumsal hedeflerle olan somut bağının sorgulanmasını sağlayabilir. Bu da odağı kaybetmemek için ihtiyaç duyulan o geniş dikkat alanını sunar. Bu tür duraksamaları günlük iş akışına dahil etmek; kuruluşların yapay zekâ ile güçlendirilmiş ortamlarda daha isabetli kararların, daha sağlıklı sınırların ve sürdürülebilir bir verimlilik anlayışını desteklemesinin bir yoludur.
Sıralama.
Yapay zekânın arka planda kesintisiz bir çalışma imkânı sunması karşısında kurulışlar; işin hızından ziyade ne zaman ilerleyeceğini belirleyen bilinçli kurallardan faydalanabilir. Bu pratik; acil olmayan bildirimlerin belirli saatlerde toplu halde iletilmesini, güncellemelerin doğal mola noktalarına kadar bekletilmesini ve çalışanların bölünmeden çalışabileceği odaklanma sürelerinin titizlikle korunmasını kapsar.
Yapay zekanın ürettiği her çıktıya anında yanıt vermek yerine işleri belirli bir sıraya koymak, çalışmanın tutarlı aşamalarla ilerlemesini sağlar. Koordinasyon bu şekilde ilerletildiğinde çalışanlar daha az odak kaybı yaşar ve zihinsel yorgunluğa yol açan bağlam değişimlerinden korunur; ekipler ise genel verimliliğini korur. Sıralama; sürekli tetikte olmayı beklemek yerine işin sırasını ve zamanlamasını düzenleyerek; kuruluşların odağını korumasına, bilişsel yükü hafifletmesine ve yapay zekâ destekli çalışma ortamlarında çok daha düşünceli kararlar alınmasına olanak tanır.
İnsani temellendirme.
Yapay zekâ bireysel ve bağımsız çalışma imkânlarını artırdıkça, kuruluşlar dinleme ve insani bağlar kurmak için vakit ve alan ayırarak fayda sağlayabilirler. Kısa görüşmeler, fikir alışverişleri veya planlı diyaloglar gibi “kısa temaslar”; yapay zekâ araçlarıyla yürütülen o bitmek bilmeyen tek düze çalışmayı böler ve çalışana ihtiyacı olan perspektifi yeniden kazandırır.
Sosyal etkileşim, perspektifin ötesinde yaratıcılığı da besler. Yapay zekâ tek bir sentezlenmiş bakış açısı sunar, fakat yaratıcı içgörü birden fazla insanın fikirleriyle etkileşim kurulduğunda ortaya çıkar. Dinleme ve diyalog için zaman ve mekânı kurumsallaştırarak, kuruluşlar işi yeniden sosyal bir bağlama oturtur ve hızlı, yapay zekâ aracılı işin yıpratıcı, bireyselleştirici etkilerine karşı koymaya yardımcı olur.
. . .
Üretken yapay zekânın vaadi, sadece iş süreçlerinde yapabildiklerinde değil; günlük çalışma temposuna ne kadar bilinçli bir şekilde entegre edildiğinde yatıyor. Bulgularımız şunu gösteriyor: Eğer süreci kendi akışına bırakırsak yapay zekâ daha fazlasını yapmayı kolaylaştırıyor ancak durmayı imkânsız hale getiriyor. yapay zekâ pratiği ise işler ne kadar hızlanırsa hızlansın, çalışana soluklanma ve muhakeme alanı yaratarak gerekli dengeyi sağlıyor. Bugün kuruluşların karşı karşıya olduğu asıl soru, yapay zekânın işi değiştirip değiştirmeyeceği değil; bu değişime bizzat yön mü verecekleri, yoksa değişimin onları kontrolsüzce sürüklemesine mi izin verecekleri.
Aruna Ranganathan, UC-Berkeley Haas İşletme Fakültesi’nde yönetim ve organizasyonlar alanında doçent olarak görev yapmaktadır. Doktora derecesini MIT Sloan School of Management’tan almıştır. Araştırmalarında işin geleceği, işle özdeşleşme ve işyerinde eşitsizlik konularını incelemek için tam döngü araştırma yöntemleri kullanmaktadır.
Xingqi Maggie Ye, Berkeley Haas’ta Organizasyon Yönetimi grubunda doktora öğrencisidir. Araştırmaları, üretken yapay zekânın iş uygulamalarını, mesleki kimlikleri ve organizasyonel yapıları nasıl yeniden şekillendirdiğini incelemek için etnografi ve saha deneylerini birleştiriyor. Cornell Üniversitesi’nden yüksek lisans ve Imperial College London’dan lisans derecesine sahiptir.
Kaynak: Harvard Business Review, 9 Şubat 2026
