Yapay Zeka Henüz Verimlilik Artışı Sağlamadı: Solow Paradoksu Geri mi Döndü?

Yapay zeka şirketleri küresel ekonomide giderek daha baskın hale gelip veri merkezlerine milyarlarca dolar akıtırken, bu teknolojilerin en temel vaatlerinden biri olan verimliliği artırmayı gerçekten yerine getirip getirmediği hala büyük bir soru işareti oluşturuyor. Teknoloji dünyası, yapay zekanın (AI) iş yapış şekillerimizi devrim niteliğinde değiştireceğini savunsa da, ekonomik veriler henüz bu anlatıyı desteklemiyor.

Teknoloji Her Zaman Doğrusal Biçimde Üretkenliğe Yansımıyor

Bu ekonomik beklentilere şüpheyle yaklaşan isimlerden biri, küresel pazar analiz firması Forrester’da başkan yardımcısı ve baş analist olan JP Gownder. Gownder’a göre, mevcut verilerde yapay zekanın verimlilikte belirgin bir sıçrama yarattığına dair henüz güçlü bir işaret yok.

The Register’a verdiği röportajda, yapay zeka kaynaklı bir verimlilik artışı görmediklerini belirten Gownder, bilgi teknolojilerinin çoğu zaman sanıldığı kadar doğrusal biçimde üretkenliğe yansımadığını vurguluyor. Yani, elimizdeki araçların daha güçlü hale gelmesi, işlerin her zaman daha hızlı veya daha verimli yapıldığı anlamına gelmiyor. Bazen, yeni teknolojilerin entegrasyonu ve öğrenme eğrisi, kısa vadede verimliliği durağanlaştırabiliyor hatta düşürebiliyor.

Solow Paradoksu: "Bilgisayar Devri Her Yerde, İstatistikler Hariç"

Bu durum, yapay zekanın dönüştürücü bir teknoloji olamayacağı anlamına gelmiyor. Ancak etkisi büyük olsa bile, bunun makroekonomik göstergelere yansımaması mümkün. Bu olgu, Nobel ödüllü ekonomist Robert Solow’un 1987 yılında ortaya attığı ve "Bilgisayar devriminin etkilerini her yerde görebilirsiniz, verimlilik istatistikleri hariç" (You can see the computer age everywhere but in the productivity statistics) şeklinde özetlediği Solow Paradoksu ile açıklanıyor.

Tarihsel veriler de bu paradoksu destekler nitelikte. Gownder, ABD Çalışma İstatistikleri Bürosu verilerine dikkat çekiyor:

* 1947–1973 arasında, yani kişisel bilgisayarlar yaygınlaşmadan önce, verimlilik yılda ortalama %2,7 artmıştı. * PC’lerin ana akım hale geldiği 1990–2001 döneminde bu oran %2,1’e düştü. * 2007–2019 arasında ise artış hızı %1,5’e kadar geriledi. * Sadece 2001-2007 yılları arasında, internetin iş süreçlerine tam entegrasyonuyla birlikte %2,8'lik geçici bir verimlilik artışı elde edilebildi.

Bugün yapay zeka ile benzer bir süreçten geçiyor olabiliriz. Teknoloji her yerde, ancak verimlilik çıktıları henüz ortada yok.

Araştırmalar Beklentileri Doğrulamıyor: Şirketlerin %95'i Kâr Edemedi

Akademik çalışmalar ve iş yerlerindeki uygulamalar da yapay zekanın henüz olgunlaşmadığını ve beklenen "sihirli değnek" etkisini yaratmadığını gösteriyor.

Örneğin, MIT (Massachusetts Institute of Technology) tarafından yapılan dikkat çekici bir araştırma, yapay zekayı entegre eden şirketlerin %95’inin gelirlerinde veya kâr marjlarında anlamlı bir artış elde edemediğini ortaya koydu. Büyük beklentilerle ve devasa yatırımlarla kurulan AI departmanları, henüz yatırım getirisini (ROI) sağlayabilmiş değil.

Büyük beklentilerle sunulan bir başka alan olan yazılım geliştirmede ise durum daha da karmaşık. AI destekli kodlama araçlarını kullanan programcıların, kod üretme hızları artsa da, oluşan hataları ayıklama ve kodu entegre etme süreçlerinde daha fazla zaman harcadıkları, dolayısıyla toplam iş bitirme süresinde daha yavaş kaldıklarına dair bulgular var.

Otonom Ajanlar ve "Özensiz İş" Sorunu

Tüm görevleri otomatikleştirmeyi hedefleyen "AI Ajanları" (AI Agents) da henüz vaat edilen noktadan uzak. Center for AI Safety araştırmacılarının uzaktan çalışma görevleriyle test ettiği AI ajanları, verilen karmaşık işlerin yalnızca %3’ünden azını tamamlayabildi.

Ayrıca bazı çalışmalar, yapay zekanın işyeri ilişkilerini ve iş kalitesini olumsuz etkilediğini öne sürüyor. Çalışanların, düşük kaliteli veya taslak niteliğindeki iş çıktılarını "nasıl olsa AI düzeltecek" beklentisiyle başkalarına veya bir sonraki aşamaya devretmeleri, iş süreçlerinde "özensiz çıktı döngüsü" yaratıyor. Bu da toplam kaliteyi düşürürken, hatayı düzeltmek için harcanan eforu artırıyor.

Gownder’a göre, üretken yapay zekanın (Generative AI) büyük bir kısmı şu an için "gerçekten çalışmıyor". Sorunun sadece son kullanıcı deneyimiyle sınırlı olmadığını, projelerin büyük çoğunluğunun somut bir kâr sağlamadığını belirtiyor. Bu tablo, şu an için kitlesel işten çıkarmaların neden henüz yaşanmadığını da açıklıyor; çünkü AI henüz insanı ikame edebilecek verimlilikte değil.

2030 Öngörüsü: Yapısal İş Kayıpları Kapıda mı?

Mevcut verimsizlik tablosuna rağmen, uzun vadeli projeksiyonlar yapay zekanın iş gücü üzerinde yıkıcı etkileri olabileceğini gösteriyor. Forrester’ın öngörülerine göre, yapay zeka ve fiziksel robotlar gibi otomasyon teknolojileri 2030’a kadar işlerin yaklaşık %6’sını ortadan kaldırabilir. Bu oran, yaklaşık 10,4 milyon pozisyona denk geliyor.

JP Gownder, bu kayıpların yapısal olduğunu vurguluyor. Yani bu işler, ekonomik dalgalanmalar sonucu geçici olarak azalan işler değil, teknolojinin gelişimiyle birlikte kalıcı biçimde yok olacak pozisyonlar. Bu durum, ekonomide küçümsenmeyecek bir etki yaratacak ve iş gücünün yeniden yetkinlik kazanması (reskilling) sorununu doğuracak.

"Yapay Zeka" Söylemi ve Gizli Outsourcing Gerçeği

Belki de en çarpıcı analizlerden biri, şirketlerin "Yapay Zeka" söylemini nasıl kullandığıyla ilgili. Zamanla bazı işverenlerin yapay zekanın beklentileri karşılamadığını fark etmesi kaçınılmaz. Nitekim çalışanlarını "AI devrimi" adı altında işten çıkarıp, işler aksayınca daha sonra sessizce yeniden işe alan şirketlerin olduğu bildiriliyor.

Ancak Gownder’a göre "Yapay Zeka nedeniyle işten çıkarma" söylemi, çoğu zaman başka maliyet tasarrufu yöntemlerini gizlemek için bir kılıf olarak kullanılıyor.

> "İnsanları yapay zeka yüzünden işten çıkardıklarını söylüyorlar, ama üç hafta sonra çok daha ucuz olduğu için Hindistan’da bir ekip kuruyorlar."

Bu durum, teknoloji şirketlerinin verimlilik artışını teknolojiden değil, hala geleneksel dış kaynak kullanımı (outsourcing) ve ucuz iş gücünden sağladığını gösteriyor.

Hype ile Gerçek Arasındaki Uçurum

Yapay zeka şüphesiz ki güçlü bir teknoloji ve geleceği şekillendirecek. Ancak bugünün verileri, sihirli bir verimlilik sıçramasının henüz gerçekleşmediğini, hatta Solow Paradoksu'nun bir kez daha tekerrür ettiğini gösteriyor. Şirketler için asıl sınav, yapay zekayı sadece bir "hype" aracı olarak değil, iş süreçlerini gerçekten iyileştirecek stratejik bir araç olarak konumlandırmakta yatıyor. Aksi takdirde, milyarlarca dolarlık yatırımlar, verimlilik istatistiklerinde görünmeyen birer hayal kırıklığına dönüşebilir.