Yapay zekâ gündemi oldukça yoğun. Özellikle bu alanı inceliyorsanız ve bir haftadan fazla ara vermeniz gerekiyorsa, biriken konular arasında yazacak ya da okuyacak şeyi seçmek güç oluyor. En azından benim için.

Bu köşede en son eğitim ve yapay zekâ ilişkisinde kalmıştım. Bu ilişkiden bahsetmeye bir iki haftalığına ara vereceğim. Bu hafta biraz daha hem benim hem de yakın çevremin direkt bir şekilde tecrübe ettiği ve son bir ay içerisinde de yabancı kaynaklarda çeşitli defalarca paylaşılan bir gerçeklikten bahsetmek istiyorum.

Aslında, Pentagon-Antropic arasındaki gerilim de güzel bir yazı konusu olabilirdi fakat iki parçada incelemem gereken bir yazı olacağını düşündüğüm için, o yazıyı da bir süreliğine ertelemeyi istedim. [Aldığım birkaç e-postaya istinaden bu paragrafı ekleme mecburiyetini hissettim.] 

Saniyeler içerisinde satırlarca kod ya da metinler yazan büyük dil modelleri özelinde yapay zekâ araçları gerçekten iş hayatımızı kolaylaştırıyor mu? Yoksa daha mı yoğun ve zorlu bir hâle dönüştürüyor? 

Berkeley’den bir grup araştırmacı bu sorunun peşine düşüp, Amerika’da yaklaşık 200 çalışanı olan bir teknoloji şirketini 8 ay boyunca inceliyor. Bu inceleme yüz yüze gözlem, iç iletişim kanalları denetimi ve uzun mülakatları içeriyor. Çalışmanın sonucunda ise yukarıdaki soruya net bir cevap bulunmuş. Yapay zekâ araçları iş azaltmıyor, aksine sürekli olarak yoğunlaştırıyor.

Peki bu yoğunlaşma nasıl gerçekleşiyor?

Araştırmacılar üç temel mekanizma tespit ediyor. İlki "görev genişlemesi." Yapay zekâ bilgi boşluklarını doldurmaya başlayınca, çalışanlar daha önce başkalarına ait olan sorumlulukları üstlenmeye başlıyor. Ürün yöneticileri kod yazıyor, tasarımcılar veri analizine giriyor, araştırmacılar mühendislik işlerini üstleniyor. [X’te zaman geçiren biriyseniz bu durum size yabancı gelmeyebilir, çünkü akış LLM’lerin üretim çıktılarını öven, fakat bu alana dair pek bilgi ve tecrübe sahibi olmayan “uzman”larla dolu.]

Aslında şirket çalışanlardan bu görev genişlemesini talep etmiyor. Fakat yapay zekânın bu işleri “görece” erişilebilir kılıyor olması; çalışanlar üzerinde bu işleri yapmaya dair bir zorundalık hissi oluşturuyor.  "Sadece bir şeyleri deniyordum" diye başlayan süreç, birikerek iş kapsamının sessiz sedasız büyümesine dönüşüyor. Dahası bu genişlemenin zincirleme etkileri de var. Örneğin, mühendisler, kendiliğinden koda girişen meslektaşlarının ürettiği yarım işleri incelemek ve düzeltmek için giderek daha fazla zaman harcıyor.

İkincisi iş ve özel hayat arasındaki sınırın erimesi. Yapay zekâ bir göreve başlamayı o kadar kolaylaştırıyor ki (boş sayfayla yüzleşme korkusunu, nereden başlayacağını bilmemenin o bunaltıcı hissini neredeyse sıfırlıyor), çalışanlar daha önce nefes aldıkları anlara iş sıkıştırmaya başlıyor. Öğle aralarında, toplantı aralarında, bir dosya yüklenirken ya da masadan hemen kalkmadan önce “bir komut” göndermek bir tür alışkanlık hâline geliyor. Bunların hiçbiri "fazla mesai" gibi hissettirmiyor çünkü bir cümle yazmak tıpkı bir mesajlaşmaya benziyor. Ama araştırmaya katılan çalışanlar, geriye dönüp baktıklarında, molalar sırasında yapay zekâ ile etkileşime girmenin alışkanlık haline gelmesiyle boş zamanların artık aynı toparlanma hissini vermediğini fark ettiklerini söylüyor.

Üçüncüsü ise aşırı çoklu görev. Aynı anda birden fazla yapay zekâ ajanı çalıştırmak, manuel olarak bir şey yazarken arka planda alternatif versiyonlar ürettirmek, uzun süredir ertelenmiş görevleri "zaten yapay zekâ halledebilir" diyerek yeniden canlandırmak yeni bir ritim yaratıyor. Bu ritim üretken hissettiriyor çünkü bir ortağınız var artık ve yalnız değilsiniz. Ama gerçekte dikkat sürekli bölünüyor, çıktılar sık sık kontrol ediliyor ve her an açık onlarca görev söz konusu oluyor. Çalışanlardan biri bunu şöyle özetliyor. "Belki yapay zekâ ile daha üretken olabileceğiniz için biraz zaman kazanır, daha az çalışırsınız diye düşünmüştünüz. Ama gerçekte daha az çalışmıyorsunuz. Aynı miktarda, hatta daha fazla çalışıyorsunuz."

Peki bu yoğunluğun çalışanlar üzerinde nasıl bir etkisi var?

Bu kadar bilişsel yük ve insan doğasına aykırı “multi-tasking” olma hâli elbette beraberinde çeşitli bedeller de getiriyor.

Boston Consulting Group ve UC Riverside'dan araştırmacıların Harvard Business Review'da geçtiğimiz ay yayımladığı bir çalışmaya göre, 1500 katılımcının yüzde 14'ü "yapay zekâ beyin yanması" (AI brain fry) olarak adlandırılan bir sorunu yaşadığını bildiriyor. Yani bilişsel kapasitenin ötesinde yapay zekâ kullanımından kaynaklanan zihinsel yorgunluk. Özellikle pazarlama, yazılım geliştirme ve finans rollerindeki çalışanların bu şikâyetten mustarip olduğu görülüyor.

“Beyin yanması”nın semptomları ise kafada bir uğultu hissi, zihinsel bir sis, baş ağrıları, yavaşlayan kararlar olarak belirtiliyor. Özellikle tüketici olan süreç ise yapay zekâ araçlarını sürekli denetleme ihtiyacı. Bu durum yüksek düzeyde gözetim çalışanlar için yüzde 12 daha fazla zihinsel yorgunluğa yol açıyor. Beyin yanması nedeniyle çalışanlardaki karar verme yorgunluğu yüzde 33, işten ayrılma niyeti ise yüzde 10 artmış. Araştırmadaki bir katılımcı tüm bu durumu bir cümle ile özetliyor. "Araçları yönetmek için problemi gerçekten çözmekten daha fazla çalıştığımı fark ettim."

Sözün özü, yapay zekâ araçları, dar bir üretkenlik ölçütünde büyük bir artış yaşatsa da kullanıcılara, beraberinde asıl görevden uzaklaşma ve bitmek bilmeyen bir yapılacaklar listesi de getiriyor.

Peki ne yapılabilir?

Bireysel düzeyde araştırmacıların aktardığı küçük ama anlamlı bir pratik var. Yapay zekaya sormak istediğiniz şeyleri anında göndermek yerine bir listeye not alıp toplu işlemek. Kulağa garip gelse de bu önerinin de kendi içinde bir mantığı var. Evet, yapay zekâ araçlarının çoğu her an erişilebilir olsa da bu, onu o an yapmanız gerektiği anlamına gelmiyor. Yapay zekâ ile etkileşime girmeden önce planlama yapmanın ve onsuz zaman geçirmenin, döngüdeki insana durması, düşünmesi ve nefes alması için alan bırakma değeri var.  Kurumsal düzeyde ise araştırmacılar "yapay zekâ pratiği" diye adlandırılan, yapay zekânın ne zaman, nasıl ve hangi sınırlar içinde kullanılacağını belirleyen kasıtlı normlar ve rutinlerden oluşan bir kavramdan söz ediyor. Bilinçli molalar, sıralı iş akışları, insan bağlantısı için korunan zaman dilimleri gibi.  

Şüphesiz yapay zekâ araçları bazı görevleri hızlandırma da ya da bir temel oluşturmada etkin ve güçlü. Buna pek bir itirazım yok. Ama bir aracın güçlü olması, o aracı her fırsatta ve her bağlamda kullanmanız gerektiği anlamına gelmiyor. Klasik bir benzetme yapmam gerekirse, çekiç güçlü bir araçtır; ama her sorunu çivi sanmaya başladığınızda sorun çekicin değil, sizindir. Yapay zekâ da öyle. Bize sunduğu hız ve kapasite gerçek, ama bu hızı içselleştirip sürdürülebilir kılmak için kasıtlı kararlar almak gerekiyor. Hangi işleri devredeceğinizi, hangilerini kendiniz yapacağınızı, nerede duracağınızı ve ne zaman ekrana bakmayı bırakacağınızı.

Yapay zekâ ile motivasyonumuz işleri daha hızlı yapmaktan ziyade, daha doğru şeyleri daha düşünceli biçimde yapmak olmalı. Ama bunun için önce durmayı öğrenmek gerekiyor. Ve ironik olan şu ki, bunu yapay zekâ ile öğrenmek mümkün değil. Bunu hâlâ kendimiz öğrenmek zorundayız.

Referanslar

A. Ranganathan and X. M. Ye, “AI Doesn’t Reduce Work—It Intensifies It,” Harvard Business Review, Feb. 09, 2026. https://hbr.org/2026/02/ai-doesnt-reduce-work-it-intensifies-it

F. Landymore, “AI use at work is causing “Brain fry,” researchers find, especially among high performers,” Futurism, Mar. 06, 2026. [Online]. Available: https://futurism.com/artificial-intelligence/ai-brain-fry

© T24