Çalışanların yüzde 90’ı yapay zekâya güveniyor, ilk denemede sonuç düşük

WalkMe’nin 25 Ağustos 2026’da yayımladığı AI at Work Pulse Survey 2026, iş yerinde yapay zekâ kullanan ABD’li çalışanların öz güveni ile bildirdikleri görev sonuçları arasında belirgin bir fark buldu. WalkMe’nin araştırma duyurusuna göre Propeller Insights, anketi 10–20 Haziran’da işinde yapay zekâ kullanan 2.037 çalışan ABD’li yetişkinle yürüttü; katılımcıların yüzde 90’ı aracı kullanırken kendine güvendiğini, yalnızca yüzde 24,6’sı ise yapay zekânın ilk denemede çalıştığını bildirdi. Yüzde 50,2, en az bir görevi yapay zekâya yaptırmaya aynı işi elle tamamlamaktan daha fazla zaman harcadığını söyledi.

Buradaki “güveniyor” ifadesi, yapay zekâ çıktısına koşulsuz güveni veya sınavla ölçülmüş yeterliliği değil, çalışanların kendi kullanım becerilerine ilişkin beyanını anlatıyor. Fortune’un 25 Ağustos tarihli haberi aynı örneklemi ve temel oranları doğrularken, rahat kullanımın şirketlerin gelir tablosunda ölçülebilir tasarrufa otomatik olarak dönüşmediğine dikkat çekiyor.

Öz güven, ilk deneme başarısının yerine geçmiyor

Araştırmanın temel mesajı, bir yapay zekâ aracını rahatça kullanmanın o araçla güvenilir ve verimli sonuç üretebilmekle aynı olmadığı. Çalışan komut yazmayı, yanıtı düzenlemeyi ve görevi sonunda tamamlamayı biliyor olabilir; buna rağmen ilk çıktı işin doğruluk, kapsam veya biçim ölçütlerini karşılamayabilir.

İlk deneme göstergesi standartlaştırılmış bir beceri sınavından gelmiyor. Katılımcıların kendi deneyimlerine ilişkin yanıtına dayanıyor; yayımlanan sonuçlarda bütün meslekler ve görevler için ortak bir başarı eşiği tanımlanmıyor. Araştırma bu nedenle çalışanların “gerçek yeterlilik puanını” hesaplamıyor, öz değerlendirme ile bildirilen görev deneyiminin birbirinden ayrıldığını gösteriyor.

Zaman bulgusu da yapay zekânın bütün işlerde verimliliği düşürdüğü anlamına gelmiyor. Katılımcılar, yapay zekânın manuel yöntemden uzun sürdüğü en az bir görev yaşayıp yaşamadıklarını bildirdi. Bunun ne sıklıkta olduğu, kaç dakika kaybedildiği veya başka görevlerde sağlanan kazancın bu süreyi karşılayıp karşılamadığı açıklanan verilerden görülemiyor.

Yeniden çalışma görünmeyen maliyet yaratıyor

İlk çıktı kullanılamadığında komutu değiştirmek, eksik iş bağlamını eklemek, yanıtı düzeltmek ve sonucu doğrulamak gerekiyor. Çalışanın bu adımları başarıyla yönetebilmesi öz güveni artırabilir; fakat aynı adımlar toplam görev süresini uzatır. Kurum yalnızca son çıktıyı sayarsa, bu yeniden çalışma yükü verimlilik hesabının dışında kalır.

Anket ayrıca katılımcıların yarıdan fazlasının yapay zekâ nedeniyle yöneticilerinin veya ekiplerinin aynı sürede daha fazla çıktı beklediğini söylediğini gösteriyor. Üretim beklentisinin yükselmesi, ilk deneme başarısının ya da nihai kalitenin aynı hızda geliştiğini kanıtlamıyor. Düzeltme, doğrulama ve teslim sonrası hata süreleri izlenmediğinde, artan faaliyet hacmi gerçek zaman tasarrufu gibi görünebilir.

Bu ayrım şirketlerin “kaç çalışan yapay zekâ kullanıyor?” sorusuyla yetinemeyeceği anlamına geliyor. Kullanım oranı benimsemeyi, ilk deneme başarısı çıktı kalitesini, toplam süre ise operasyonel verimliliği gösterir. Bu üç ölçüyü tek bir yeterlilik göstergesinde birleştirmek, sorunun kullanıcı becerisinden mi, aracın performansından mı yoksa iş akışındaki sürtünmeden mi kaynaklandığını gizler.

Çalışanların önceliği ayrı kurstan çok iş akışı desteği

Katılımcıların tercihleri, kurumsal desteğin yalnızca genel yapay zekâ eğitiminden oluşmaması gerektiğine işaret ediyor. WP’nin 27 Ağustos tarihli haber özeti, katılımcıların yüzde 33,7’sinin yapay zekânın günlük uygulamalarla daha iyi bütünleşmesini, yüzde 30,2’sinin ise yönlendirmenin doğrudan kullanılan araçlara yerleştirilmesini tercih ettiğini; bağımsız kursların daha geride kaldığını aktarıyor.

Bu sonuç eğitimin gereksiz olduğunu göstermiyor. Çalışan görevi doğru tanımlayamıyor, güvenilir kaynak seçemiyor veya çıktıyı değerlendiremiyorsa hedefli eğitim gerekir. Araç gerekli kurumsal veriye, uygulamaya ya da izne ulaşamıyorsa daha fazla ders sorunu çözmez; entegrasyon, süreç tasarımı ve erişim yönetimi gerekir.

Türkiye’deki şirketler ABD oranlarını yerel çalışanlara mal etmeden, yapay zekâ programlarını sonuç odaklı bir kontrol listesiyle değerlendirebilir:

• İlk çıktının görev başlamadan belirlenen doğruluk ve kalite koşullarını karşılayıp karşılamadığı;
• Kullanılabilir sonuca ulaşmak için gereken ek komut, düzeltme ve doğrulama süresi;
• Yapay zekâ destekli toplam sürenin güvenilir bir manuel karşılıkla farkı;
• Aracın görev için gerekli kurumsal bağlama, verilere ve izinlere erişip erişemediği;
• Teslimden sonra ortaya çıkan hata, gecikme veya yeniden çalışma.

Bu göstergeler, desteğin nerede verilmesi gerektiğini de ayırır. Bilgi eksikliği eğitimle, uygulama içindeki karar anında yaşanan belirsizlik yerinde yönlendirmeyle, veri ve izin sorunları ise teknik entegrasyon ve yönetişimle ele alınabilir. Bütün başarısızlıkları çalışan becerisi başlığına yazmak, sistem kaynaklı sürtünmeyi görünmez kılar.

Türkiye için yerel yeterlilik verisi henüz yok

Araştırma yalnızca iş yerinde yapay zekâ kullanan ABD’li yetişkinleri kapsıyor; yapay zekâ kullanmayan çalışanları temsil etmiyor. Türkiye’deki çalışanların öz güveni, ilk deneme başarısı veya zaman kaybı hakkında ölçüm sunmadığı için oranlar Türkiye iş gücüne doğrudan genellenemez.

Çalışma ayrıca yüksek öz güvenin düşük başarıya neden olduğunu kanıtlamıyor. Hangi araçların ve görevlerin daha fazla yeniden çalışma yarattığı, başarısız ilk çıktıların küçük biçim sorunları mı yoksa ciddi içerik hataları mı taşıdığı ve uzun vadeli net verimlilik etkisi açıklanmış değil.

Şu aşamada doğrulanan sonuç, öz güvenin tek başına yeterlilik veya yatırım getirisi ölçüsü olmadığı. Türkiye’de gerçek tabloyu görmek için yerel iş görevlerinin ortak kabul ölçütleriyle değerlendirilmesi, yapay zekâ destekli ve manuel toplam sürelerin gözlenmesi ve düzeltme yükünün nihai sonuçtan ayrı kaydedilmesi gerekiyor; araştırma henüz böyle bir Türkiye karşılaştırması sağlamıyor.

Ayrıca okuyun:

• Hugging Face’e ilk adım: Yanlış modeli çalıştırmadan önce üç kontrol