Yapay Zeka Nerede Kazandırıyor, Nerede Kaybettiriyor? Dünyadan Vakalar ve Serinin Özeti

Haritayı çıkardık, şimdi araziye bakalım. Serinin son durağı

Serinin on ikinci yazısında yönetişim ve riski ele aldım ve bir kural okumakla o kuralı görmezden gelen bir kurumun başına geleni görmenin farklı şeyler olduğunu söyledim. İşte bu son yazı, tam da o görülen şeye ayrılmış. Dünyadan gerçek vakalara. On üç parçalık bu yolculuğun kapanışı burada.

Şimdiye kadar bir zihinsel harita kurduk. Yöneticinin yapay zeka okuryazarlığından ne zaman girileceğine, hazırlıktan süreç seçimine, geliştir ya da satın al kararından maliyete, ajanlardan pilotu üretime taşımaya, kültürden ölçüme ve yönetişime. Bu haritanın her parçası bir soruyu yanıtladı. Ama harita, ancak araziyle sınandığında işe yarar. Bu yazıda haritayı gerçek dünyanın vakalarıyla sınayacağım.

Vakalara girmeden önce bir uyarı. Hem başarı hem başarısızlık hikâyeleri çoğu zaman manşetlerde çarpıtılır. Şirketler kendi başarılarını abartır, basın da başarısızlıkları. Ben burada her vakayı olduğu gibi, kaynağıyla ve gerçek büyüklüğüyle vereceğim. Çünkü bu serinin baştan beri iddiası buydu; otoritenin otoritesi, hype değil kanıttır.

Bu yazının sonunda üç şeyi netleştirmiş olacaksınız. Yapay zekanın gerçekte nerede kazandırdığını ve nerede kaybettirdiğini. İkisini ayıran ortak çizgiyi, yani neden bazı kurumların kazanıp bazılarının çuvalladığını. Ve bütün serinin tek bir cümlede toplanan dersini.

Aynı teknoloji, iki farklı son

Önce kafa karıştıran bir gerçekle başlayayım. Kazanan da kaybeden de çoğu zaman aynı teknolojiyi kullanıyor. Aynı büyük dil modeli, aynı bulut, aynı araçlar. Bir bankada üç milyar etkileşimi taşıyan yapay zeka ile bir havayolunu mahkemede mahkûm ettiren yapay zeka, temelde akraba teknolojilerdir. Öyleyse farkı yaratan model değildir.

Farkı yaratan, modelin etrafına kurulan her şeydir. Yani bu serinin on iki yazısında tek tek anlattığım şeyler. Doğru sorun seçimi, gerçekçi hazırlık, sağlam süreç, dürüst ölçüm, insan denetimi ve yönetişim. Kazanan kurumlar bu görünmez işi yaptı; kaybedenler aracı alıp gerisini şansa bıraktı. Boston Consulting Group'un bütün seri boyunca andığım ilkesini hatırlayın. Değerin yalnız %10'u modelde, %90'ı veri, süreç ve insanda. Vakalar bu ilkenin canlı kanıtıdır.

Bunu somut görmenin en iyi yolu, iki yığını yan yana koymaktır. Bir yanda yapay zekanın gerçekten değer ürettiği kurumlar, öbür yanda pahalıya patlayan kazalar. Önce ne işlediğine, sonra ne işlemediğine bakacağım; ardından ikisini ayıran ortak çizgiyi tek bir resimde toplayacağım.

Ne işliyor. İnsanı değiştiren değil, güçlendiren

Yapay zekanın en sağlam kazandırdığı yerlerin ortak bir imzası var. Çalışanı işten çıkarmak için değil, çalışanı güçlendirmek için kullanılmışlar. Genellikle kuruma içeriden, çalışanın bir yardımcısı olarak girmişler ve etkileri ölçülmüş.

Birkaç örnek bu ortak çizgiyi netleştiriyor. Morgan Stanley, danışmanları için devasa araştırma kütüphanesi üzerinde çalışan bir yapay zeka asistanı kurdu; danışman ekiplerinin %98'i bunu benimsedi. Burada yapay zeka danışmanın yerine geçmiyor, ona saniyeler içinde doğru bilgiyi getiriyor. Bank of America'nın çalışan asistanı, şirket içi bilgi teknolojileri servis masasına gelen çağrıları yarı yarıya azalttı; bu, bu serideki en temiz operasyonel kazançlardan biri. Walmart, bir buçuk milyon mağaza çalışanına yaydığı asistanla vardiya planlama süresini doksan dakikadan otuz dakikaya indirdi. JPMorgan'ın güvenli iç yapay zeka platformunu iki yüz binden fazla çalışan kullanıyor.

Bu vakalardaki ortak formülü görüyor musunuz? Yapay zeka sıkıcı, tekrarlayan ya da bilgi arama yükünü sırtlanıyor; insan yargıyı, ilişkiyi ve sorumluluğu taşımaya devam ediyor. Kullanım çoğunlukla kurumun içinde, kontrollü bir ortamda başlıyor. Ve en önemlisi, etkisi somut bir sayıyla ölçülüyor; benimseme oranı, kesilen çağrı, kısalan süre. Bu, serinin ölçüm yazısında anlattığım disiplinin ta kendisi. Kazandıran yapay zeka, gösterişli değil; görünmez, ölçülen ve insanın yanında duran yapay zekadır.

Ne işlemiyor. Denetimsiz, müşteriye açık, korumasız

Şimdi madalyonun öbür yüzüne bakalım. Başarısızlıkların da şaşırtıcı derecede ortak bir çizgisi var. Neredeyse hepsi, bir yapay zekayı yeterince denetlemeden, doğrudan müşterinin ya da kamunun karşısına koymaktan doğuyor.

Vakalar kendi başına konuşuyor. Bir kurye şirketinin sohbet botu, bir sistem güncellemesinden sonra kendi şirketini "dünyanın en kötü kuryesi" diye aşağıladı ve şirketi yeren bir şiir yazdı; şirket yapay zekayı aceleyle kapattı. New York belediyesinin işletmelere yol gösteren botu, işverenlere çalışanların bahşişini alabileceklerini ve bazı kiracıları yasa dışı biçimde reddedebileceklerini söyledi; üstelik bu bot aylarca canlı kaldı. Bir otomobil bayisinin botu, basit bir dil oyunuyla kandırılıp yetmiş altı bin dolarlık bir aracı bir dolara satmayı kabul etti. McDonald's, yüzlerce nugget sipariş eden, dondurmaya bacon ekleyen sesli sipariş yapay zekasının testini sonlandırdı. Ve bir yazılım şirketinin destek botu, var olmayan bir kural uydurdu; müşteriler bunun üzerine aboneliklerini iptal etti, kurucu kamuya özür dilemek zorunda kaldı.

Bir de daha sessiz ama daha derin bir başarısızlık türü var. Amazon, işe alım için kurduğu yapay zekanın, geçmiş verideki erkek ağırlığını öğrenip kadın adayları sistematik olarak elediğini fark edince aracı tümden çöpe attı. Buradaki ders teknik bir arıza değil. Yapay zeka, kendisine verdiğiniz geçmişin önyargısını öğrenir ve ölçeğinde tekrarlar. Bütün bu vakaların ortak kökü tek bir cümlede toplanabilir. İnsan denetiminin, koruma bantlarının ve önceden test etmenin atlanması. Sistemin çıktısına körü körüne güvenip yargıyı devre dışı bırakmak, en pahalı hatadır.

İki yaklaşımı yan yana koyalım

Şimdiye kadar anlattığım iki yığını tek bir resimde toplayayım, çünkü asıl ders bu karşılaştırmada. Kazanan vakalarla kaybeden vakaları ayıran şey, teknolojinin markası ya da gücü değil; onu nasıl konumlandırdığınızdır.

Bu tablonun size söylediği şey basit ama güçlü. Bir yapay zeka girişimini değerlendirirken sorulacak ilk soru "hangi model" değil, "bu, hangi yaklaşımla kuruluyor?" olmalı. Çalışanı mı güçlendiriyor yoksa denetimsiz biçimde müşterinin karşısına mı çıkıyor? Ölçülüyor ve denetleniyor mu, yoksa kurulup kaderine mi bırakılıyor? Cevaplar sizi doğrudan işleyen tarafa ya da kaza tarafına yerleştirir.

Klarna. Serinin en dürüst hikâyesi

Tek bir vaka bütün bu dengeyi başka her örnekten iyi anlatıyor, o yüzden ona ayrı bir bölüm ayırdım. Klarna. Bu hikâye ne bir zafer masalı ne de bir felaket; ikisinin arasındaki dürüst gerçek.

Önce iddia geldi. 2024 başında Klarna, yapay zeka asistanının daha ilk ayında müşteri sohbetlerinin yaklaşık üçte ikisini karşıladığını, yaklaşık yedi yüz tam zamanlı temsilcinin işine denk gelen bir yükü taşıdığını ve çözüm süresini on bir dakikadan iki dakikaya indirdiğini duyurdu. Manşetler bunu "yedi yüz kişi işten çıkarıldı, kırk milyon dolar kâr" diye taşıdı. Oysa o kırk milyon dolar denetlenmiş bir tasarruf değil, bir projeksiyondu; yedi yüz rakamı da bir işten çıkarma değil, bir iş eşdeğerliği hesabıydı. İlk ders burada; en parlak başarı hikâyesi bile kaynağından okunmalı.

Sonra geri adım geldi. 2025 ortasında Klarna'nın kurucusu, maliyet düşürmede "çok ileri gittiklerini" ve kalitenin düştüğünü söyleyerek insanı geri çağırdıklarını açıkladı. Ama işin inceliği şu. Bu tam bir geri dönüş değildi. Klarna yapay zekayı bırakmadı; dengeledi. Yüksek hacimli, basit soruları hâlâ yapay zeka karşılıyor; insanın farkının değer kattığı yerde ise insanı geri getirdi. Nitekim şirket, yapay zekadan "çok somut değer" gördüğünü söylemeye devam etti, hatta 2025 sonbaharında yaklaşık yirmi milyar dolarlık bir değerlemeyle borsaya açıldı. Klarna'nın dersi tam da serinin ruhudur. Ne kör bir hayranlık ne de topyekûn ret; yapay zekayı işe yaradığı yerde tutan, yaramadığı yerde insana dönen olgun bir denge.

Manşetlere kanmayın. İstatistik disiplini

Vakalar kadar, o vakaların üstüne kurulan istatistikler de dikkatli okunmalı. Yapay zeka başarısızlığına dair dolaşan manşet rakamların neredeyse tamamı, kaynağında çok daha ölçülü ve sınırlı bir şey söyler. Bir yönetici olarak sizi asıl koruyacak şey, bu rakamların gerçek çerçevesini bilmektir.

Üç örnek yeter. "Yapay zeka projelerinin %95'i çöküyor" başlığını sık duyarsınız; oysa MIT'nin bulgusu bu değil. Bulgu, pilotların yaklaşık %95'inin ölçülebilir bir kâr etkisi üretmediğidir; teknik olarak çöktükleri değil. İkincisi Gartner'ın rakamı çoğu zaman "projelerin %85'i başarısız" diye çarpıtılır; Gartner'ın gerçek ve daha ölçülü tahmini, üretken yapay zeka projelerinin en az %30'unun kavram kanıtı aşamasından sonra terk edileceğidir. Üçüncüsü, S&P Global'in verisi "projelerin %42'si başarısız" diye aktarılır; oysa bulgu, kurumların %42'sinin girişimlerinin çoğunu terk ettiğidir, bir yıl önce bu oran %17'ydi.

Aradaki fark önemsiz değil. "Projelerin %95'i çöküyor" cümlesi sizi felç eder ve "o zaman hiç girmeyeyim" dedirtir. Gerçek çerçeve ise size doğru soruyu sordurur. Bu projeler neden ölçülebilir etki üretmiyor? Cevap, bütün bu seri boyunca anlattığım şeydir; ölçüm yok, hazırlık yok, süreç yok, sahiplik yok. Yani başarısızlık istatistikleri bir kaçış gerekçesi değil, tam da bu serinin yol haritasına uymanın gerekçesidir. Rakamın gerisini görmek, korkuyu stratejiye çevirir.

Bütün serinin dersi tek cümlede

Buraya kadar on üç yazı boyunca yürüdük. Şimdi hepsini tek bir cümlede toplama zamanı. Yapay zekada kazanan kurumları kaybedenlerden ayıran şey, daha iyi bir model değil; teknolojinin etrafına kurulan görünmez insani ve örgütsel işin kalitesidir.

Bu cümlenin açılımı, aslında serinin kendisidir. Kazanan kurum, yöneticisi teknolojiyi kavradığı için doğru soruları sorar. Ne zaman gireceğini ve neyi satın alıp neyi kuracağını bilir. Zeminini önceden yoklar, doğru işi seçer, pilotu dürüst bir süreçle üretime taşır. İnsanı korkutmadan bir kültür kurar, ürettiği değeri ölçer ve sistemi yönetişimle güvenceye alır. Kaybeden kurum ise bu adımların çoğunu atlar, aracı alır ve gerisini şansa bırakır. Vakalar bunun kanıtı; başarı, gösterişli bir teknoloji hamlesinden değil, sıkıcı görünen bu disiplinden geliyor.

Buradan çıkan pratik sonuç da nettir. Bir sonraki yapay zeka kararınızda, satıcının size gösterdiği demoya değil, kendi kuracağınız yaklaşıma bakın. Bu girişim insanı güçlendiriyor mu, ölçülüyor mu, denetleniyor mu, sorumlusu belli mi? Bu sorulara "evet" diyebiliyorsanız, dünyanın kazanan kurumlarıyla aynı yaklaşımı kuruyorsunuz demektir. Teknolojinin markası zamanla değişecek; bu yaklaşım değişmeyecek.

Yolun sonu, işin başı

On üç yazının sonuna geldik. Başladığımız yeri hatırlayın. Yapay zekayı şirketine nasıl entegre edeceğini soran bir karar verici vardı ve elinde dağınık manşetlerden başka bir şey yoktu. Şimdi elinde bir harita var. Okuryazarlıktan zamanlamaya, hazırlıktan süreç seçimine, temin kararından maliyete, ajanlardan üretime, kültürden ölçüme, yönetişimden dünyanın gerçek derslerine kadar uzanan tam bir yol haritası.

Bu haritanın en güzel yanı, tek bir teknolojiye bağlı olmamasıdır. Modeller değişecek, araçlar ucuzlayacak, yeni kavramlar çıkacak. Ama "önce insanı ve süreci kur, değeri ölç, riski yönet, kararı insanda tut" ilkesi ayakta kalacak. Bu seriyi bir kere okuyup bir kenara koyacağınız bir metin değil, her yeni yapay zeka kararında geri döneceğiniz bir başvuru olarak tasarladım.

Ve yolculuk burada bitmiyor. Yapay zeka her hafta yeni vakalar, yeni araçlar ve yeni sorular üretiyor. Bu serinin size verdiği çerçeveyi güncel tutmak, onu her haftanın gerçek olaylarına bağlamak için çalışmayı sürdüreceğim. Bugün kazandığınız bakış açısıyla artık bir demoyu izlerken, bir satıcıyı dinlerken ya da bir manşeti okurken farklı bir yerden bakıyorsunuz. Kararı veren insan olarak. Serinin asıl armağanı da buydu.