Yapay Zekâ Verimlilik Paradoksu

Yapay zekâ üzerine tartışmalar ütopik öngörüler ile distopik korkular arasında gidip geliyor. Bugüne odaklanınca, çarpıcı bir paradoks ortaya çıkıyor. Yaygın olarak benimsenmeye başlanmasına rağmen, ölçülebilir verimlilik artışları henüz ufukta görülmüyor.

The New Yorker yazarı John Cassidy, ABD’de çalışanların neredeyse yarısının yapay zekâ kullandığını belirtiyor. Ancak, MIT Media Lab tarafından yapılan bir araştırma, kurumsal yapay zekâ girişimlerinin yüzde 95’inin somut bir finansal getiri sağlamadığını anlatıyor. Bu, “kâr kuraklığı”, ekonomi tarihinden tanıdık bilgiler içeriyor. Teknolojik devrimlerin üretkenlik ve büyüme rakamlarına yansıması beklenenden çok daha uzun sürebiliyor.

Tarihsel Örnekler

1987’de, Robert Solow, “Bilgisayar çağını her yerde görebilirsiniz ama verimlilik istatistiklerinde değil” ifadesiyle açıklamıştı durumu. İfade, “verimlilik paradoksunun” herkes için anlaşılabilir bir özeti niteliğinde.

19. yüzyılın sonlarında elektriğin yaygınlaşması da benzer bir örnek ortaya koymaktadır. Teknoloji mevcut olmasına rağmen, kazanımlar işletmeler üretimi süreklilik arz eden sistemlere dahil ederek yeniden organize ettiklerinde ortaya çıktı ve onlarca yıl aldı.

Yapay zekâ da benzer bir çizgide ilerliyor gibi. Modeller ve büyük ölçekli uygulamalar hergün manşetlerde yer buluyor. Ancak, şirket bilançolarına yansımaları henüz çok sınırlı. Gözle görünen kaygı, soru işaretleri, heyecan, anlama ve öğrenme isteğiyle ölçülebilir sonuçlar arasında bir uçurum söz konusu. Durum, yapısal bir atalete işaret ediyor.

Yapay Zekâ Tipolojileri: Spektrumu Anlamak

Geçtiğimiz günlerde yayınladığım bir yazımda, dar yapay zekâdan üretici yapay zekâya, ajanlardan ajansal ve sınır yapay zekâya kadar bir tipoloji ortaya koydum. Farklı yapay zekâ kategorileri, entegrasyon, yönetişim ve tamamlayıcı yatırımlar için farklı gereklilikler ifade ediyor. Dar yapay zekâ, mevcut süreçlere nispeten kolayca entegre olabilirken, özerk akıl yürütme potansiyeline sahip sınır yapay zekâ, karar alma yapılarını sarsıcı bir şekilde etkiliyor. Ancak, henüz burada değiliz.

Tipoloji anlaşılmazsa, adaptasyon stratejileri yerine oturmuyor. Şirketler, tipolojiyi anlamadan deneyler yapabilirler ama ancak ve ancak ölçeklenemeyen pilot projeler ürettikleriyle kalırlar. Bu, verimlilik paradoksunun kurumsal bir hal almasına neden olabilir.

Kurumsal Engeller

Cassidy, tarihte teknolojinin tek başına asla anında büyüme getirmediğini vurguluyor. Bugünün örneğinde tipolojinin anlaşılamaması ve de organizasyon yapıları bunun nedeni.

OECD araştırmaları, yapay zekânın verimliliğe katkı sağlayıp sağlamayacağını belirleyen başlıca faktörleri yönetim uygulamaları, beceriler ve firma kültürü başlıkları altında açıklıyor. Benzer şekilde başka bir çalışma, bilişim teknolojilerinden kaynaklanan verimlilik etkilerinin tamamlayıcı kurumsal yatırımlar, özellikle de merkezsiz karar alma ve vasıflı işgücü gerektirdiğini gösteriyor.

Orta kademe yöneticiler, yerleşik rutinleri tehdit eden otomasyona direnç gösteriyor. Kurum içi teşvik yapıları, uzun vadeli dönüşümden çok kısa vadeli istikrarı ödüllendiriyor. Bürokrasi, bilgi akışlarına muhafazakar yaklaşıyor. Bu koşullarda, yapay zekâ firmaların içinde sistemsel verimlilik kazanımları yaratacak şekle bürünemiyor. Konu, yalnızca teknik değil; aynı zamanda, siyasal-ekonomik bir konu. Benimseme, organizasyonlardaki güç hiyerarşileri ve kurumsal yapılar adaptasyonda çok önemli yere sahip.

Ölçüm ve Beklentiler

Bir başka konu ise ölçüm. Önceki verimlilik paradoksları kısmen istatistiğin kör noktalarından kaynaklanıyor. Örneğin, dijital bir dosyanın değeri nasıl ölçülür? Yapay zekânın etkileri de eksik sayılıyor olabilir.

ABD Çalışma İstatistikleri Bürosu, maddi olmayan sermayenin çıktı etkilerini ölçmekte zorlanıyor. Ancak, ölçüm sorunları konuyu bütünüyle açıklayamıyor. Getiriler dikkatle izlense bile, yapay zekâ uygulamalarının çoğu hâlâ deneysel düzeyde. Hype döngüsü beklentileri şişiriyor, ancak alttaki gerçeklik, ekonomilerin tamamına yayılmaktan ziyade dar uygulamalarda yoğunlaşan kademeli kazanımlardan ibaret.

Dersler ve Çıkarımlar

Her iki perspektifin de altını çizdiği, yapay zekânın etkilerinin kendiliğinden gerçekleşmeyeceğidir. Uygulama zorlukları ve dolayısıyla verin paradoksu, kodda değil, organizasyonel yapılarda yatıyor. Tarihsel örnekler, kurumlar uyum sağladığında uygulamaların hayata geçebileceğini söylüyor. Ancak, bu sürecin zaman ölçeği kısa değil.

Politika yapıcıların bakış açılarında, yapay zekâ altyapı yatırımları, kurumsal kapasite, eğitim ve kurumsal reformlara desteklenmelidir. Şirketler, benimseme stratejilerini iç yapılarla uyumlu hale getirmek, hangi tür yapay zekânın hangi işlevi yerine getirdiğini ve nerede dirençle karşılaşılabileceğini anlamaya çalışacaklardır.

Teknolojinin etkisi asla doğrusal değil. Cassidy’nin tarihsel çerçevesi ile tipolojik analizim ortak bir yerde birleşiyor: Teknolojik devrimler yalnızca kurumlar yetiştiğinde başarılı olur.

Yapay zekâ yalnızca bir araç değil. Siyasi ve ekonomik yapılarıın algoritmalar kadar hızlı uyum sağlayıp sağlayamayacağına dair bir süreç aynı zamanda.