Kolay Kazanılan Zafer Neden Yöneticiyi Yanıltır?

Bir yapay zekâ pilotu başarıyla çalışıyor. Çalışanlar daha hızlı. Bir görev saatler yerine dakikalar sürüyor. Yönetim memnun. Peki şirket gerçekten dönüşüyor mu? McKinsey’den David Pralong’un uyarısı tam burada başlıyor: Yapay zekânın en kolay kazanımları, yöneticilere gerçek dönüşüm gerçekleşiyormuş gibi hissettirebilir.

Başarı Fazla Kolay Geldiğinde

1900’lerin başında Amerikan fabrikalarına yeni bir teknoloji girdi: elektrik. Fakat fabrikalar ilk başta değişmedi. Buhar makinesinin yerine elektrik motoru kondu, motor aynı merkezi mili çevirmeye devam etti, milden sarkan kayışlar da makineleri eskisi gibi çalıştırdı.

Elektrik gelmişti. Ama fabrika hâlâ eski mantıkla çalışıyordu.

Ekonomi tarihçisi Paul David, 1990’da yayımlanan “Dinamo ve Bilgisayar” makalesinde bunu anlatır: Elektriğin asıl verimlilik etkisi, fabrikalar elektriği eski düzenin içine yerleştirmekten vazgeçip üretimi yeniden tasarladığında ortaya çıktı. Bu da yaklaşık kırk yıl sürdü. David aslında Robert Solow’un 1987’deki ünlü cümlesine cevap veriyordu: “Bilgisayar çağını verimlilik istatistikleri dışında her yerde görebilirsiniz.”

Yeni teknoloji tek başına yetmedi. İşin kendisi de değişmek zorundaydı. Bugün yapay zekâ için de aynı cümleyi kurmak hiç zor değil.

89 ile 6 Arasındaki Fark

McKinsey’de dönüşüm ekibini yöneten kıdemli ortak Pralong, 1 Ekim 2026’da Fortune’da yayımlanan “McKinsey senior partner: Why AI’s easiest wins are misleading CEOs” başlıklı yazısına tek bir soruyla başlıyor: 89 ile 6 arasındaki fark ne?

McKinsey’nin son araştırmasına göre şirketlerin yüzde 89’u yapay zekâyı en az bir iş fonksiyonunda kullanıyor. Kârının en az yüzde 5’ini yapay zekâya bağlayabilen yüksek performanslı şirketlerin oranı ise yüzde 6 ve bu oran iki yıldır yerinden oynamıyor.

Yapay zekâ yaygınlaşıyor, değer aynı hızla gelmiyor. Pralong’a göre sebep, yöneticilerin en net başarıları her yere uygulanabilir bir reçete sanması. Tuzak da burada: Bir işin daha hızlı yapılmasını, işin daha iyi yapılmasıyla karıştırmak.

Kolay Zafer

Yapay zekânın ilk başarıları etkileyici ve gerçek. Yaklaşık 5.200 müşteri destek çalışanıyla yapılan bir çalışmada, yapay zekâ desteği alanların saatte çözdüğü sorun sayısı yüzde 15 arttı. Kodlama asistanı kullanan yazılımcılarla yapılan deneylerin sonucu da benzer.

Ama bu iki alanda yapay zekânın üzerine oturabileceği güçlü sistemler zaten vardı. Çağrı merkezleri yıllardır işleri sıraya koyuyor, sonuçları takip ediyor ve veri biriktiriyordu. Yazılım ekiplerinde test ve kod incelemesi gibi kontrol mekanizmaları kuruluydu. Yapay zekâ geldiğinde sistemi değiştirmeden, sistemi hızlandırdı.

Peki işi bu kadar düzenli olmayan bir şirkette ne olur?

Daha Hızlı Yapmak Yetmediğinde

Pralong’un örneği, küçük işletmelere kredi veren ve belgeleri incelemek için yapay zekâ kullanmaya başlayan bir banka. İnceleme süresi iki gün kısalıyor. Başarılı bir pilot, güzel bir demo, ölçülebilir bir verimlilik artışı.

Ama başvuru sonrasında hâlâ satış, kredi, uyum ve operasyon ekipleri arasında dolaşıyorsa müşterinin deneyiminde çok az şey değişir. İlk adım hızlandı, süreç hızlanmadı.

Eliyahu Goldratt’ın romanı Amaç (The Goal) bunu tek cümleyle söyler:

Darboğaz olmayan bir yerde kazanılan bir saat, seraptır.

Eliyahu’nun da dediği gibi darboğaz, tıpkı şişenin boynu gibi, bütün akışın hızını belirleyen en dar noktadır. Yapay zekâ yanlış yerdeki bir işi hızlandırırsa şirket sadece daha hızlı beklemeye başlar. Kolay zafer yöneticiyi burada yanıltıyor. Yapay zekânın hızlandırdığı şey gözünüzün önünde. Ama hızlanmayan şey birkaç departmanın, birkaç onay mekanizmasının ve birkaç bekleme noktasının arasında saklanıyor.

Pilot Başarılı. Peki Sonra?

Pilot genellikle tek bir görevi, tek bir ekibi ya da tek bir süreci iyileştirir. Şirketin geri kalanına dokunmadığı sürece kazanım da sınırlı kalır. McKinsey, imalattaki dijital projeler için bu duruma pilot arafı (pilot purgatory) demişti. MIT kaynaklı ve Ağustos 2025’te yayımlanan bir rapor da kurumların yüzde 95’inin üretken yapay zekâ yatırımlarından ölçülebilir kâr görmediğini öne sürdü. Yöntemi tartışmalı olsa da tablo tanıdık.

Bu yüzden asıl sorular teknolojiyle ilgili değil. Hangi ekip artık farklı çalışacak? Kim sürecin sahibi olacak? Hangi onay ortadan kalkacak? Kazanılan zamanla ne yapılacak? Bu soruların cevabı yoksa, başarılı bir pilot sadece başarılı bir pilot olarak kalabilir. Cevabı bulmak için önce neyi ölçtüğünüze bakmak gerekiyor.

Çıktı ile Sonucu Karıştırmak

Proje yönetiminden tanıdık bir ayrım: Çıktı başka, sonuç başka (İngilizcesiyle output ve outcome). Yapay zekânın 10.000 belgeyi analiz etmesi bir çıktıdır. Kredi kararının müşteriye iki gün daha erken ulaşması ise bir sonuçtur. Bir yazılımcının daha fazla kod üretmesi çıktıdır, ürünün müşteriye daha hızlı ve daha az hatayla ulaşması sonuçtur.

Kolay zaferler genellikle çıktıyı görünür kılar. Gerçek dönüşüm ise sonucu değiştirir. Pralong’un bankaya önerisi de ölçüyü değiştirmek: Okumada kazanılan saat yerine karar süresi, hata oranı ve sorumlu biçimde verilebilen kredi sayısı.

Beş Katlık Fark

Bunun karşılığı rakamlarda da görülüyor. McKinsey’nin Temmuz 2026’da yayımladığı ve HinduBusinessLine’ın aktardığı araştırmaya göre, yapay zekâ benimsemesinin erken aşamasındaki şirketlerde iş akışlarını yeniden tasarlayanların yüzde 32’si kurum genelinde değer bildiriyor. Tasarlamayanlarda bu oran yüzde 6. Aradaki fark yaklaşık 5,3 kat.

Mesele hangi aracı seçeceğiniz değil. Daha zor soru şu: “Yapay zekâ geldikten sonra işi neden hâlâ aynı şekilde yapıyoruz?” Gerçek dönüşüm bazen bir onayı kaldırmayı, bazen iki departmanın sınırını değiştirmeyi, bazen bir sürecin sahibini yeniden belirlemeyi gerektiriyor. Bazen de yıllardır kimsenin neden yaptığını sorgulamadığı bir işi tamamen ortadan kaldırmayı. Pralong’un altını çizdiği gibi, yazılım bunların hiçbirini yönetimin yerine kararlaştıramaz.

Yöneticinin Yeni Kontrol Listesi

Pralong, yapay zekâ demolarında başını sallayan ama demo bittikten sonra neyin değişeceğini sormayan yöneticiler izlediğini yazıyor. O soruyu demodan sonra değil önce sormak için, bir sonraki demonun toplantı gündemine şu beş soruyu ekleyebilirsiniz:

1. Hangi sonucu değiştirmek istiyoruz? Yapay zekâ kullanmak hedef değildir. Daha hızlı karar, daha az hata ya da daha iyi müşteri deneyimi hedeftir.
2. Hızlandırdığımız iş gerçekten darboğaz mı? Değilse kazandığımız zaman bir sonraki bekleme noktasında kaybolur.
3. Sürecin tamamının sahibi kim? İş birkaç departmandan geçiyorsa, baştan sona sorumlu bir kişi ya da ekip var mı?
4. Yapay zekânın ve insanın karar verdiği noktalar neresi? Yetki, risk ve kontrol mekanizması baştan tanımlı mı?
5. Kazandığımız kapasiteyi nereye harcayacağız? Büyümeye mi, daha iyi hizmete mi, maliyeti düşürmeye mi? Yoksa sadece daha fazla iş üretmeye mi?

Kolay Zaferin Asıl Tehlikesi

Yapay zekânın kolay kazanımları kötü değil. Sorun, başlangıç noktasını varış noktası sanmak. Pralong’un deyişiyle bu kazanımlar bir başlangıç, her şirkete uygulanabilecek bir şablon değil.

Çalışan daha hızlı çalışabilir, şirket aynı hızda kalabilir. Pilot başarıyla tamamlanabilir, iş modeli aynı kalabilir. Yapay zekâ maliyeti düşürebilir, müşteri deneyimi değişmeyebilir. Yöneticiyi yanıltan şey tam olarak bu: Yapay zekânın en kolay ölçülen kazanımı, şirketin en önemli kazanımı olmak zorunda değil.

1900’lerin fabrikalarında elektrik motorunu takmak kolaydı. Asıl zor olan, motorun mümkün kıldığı yeni çalışma biçimini tasarlamak ve tavandaki kayışları sökmekti. Bu yüzden bir sonraki yapay zekâ projesinin sonunda sadece “Ne kadar hızlandık?” diye sormayın. Şunu da sorun: “Neyi artık eskisi gibi yapmıyoruz?”

Çünkü gerçek dönüşüm belki de yapay zekâyı işe eklediğiniz gün değil, yapay zekâ yüzünden işi yeniden tasarladığınız gün başlıyor.