Özet: Bir görevden diğerine geçtiğinizde, dikkatinizin bir dilimi ilkinde geride kalır. Psikolog Sophie Leroy buna 2009’da dikkat kalıntısı adını verdi ve araştırması bu kalıntının, az önce bıraktığınız görev yarım ya da zaman baskısı altında yapılmış olduğunda en kötü düzeyde olduğunu buldu – ki yarım kalmış bir komut istemi ya da “hâlâ üretiliyor” penceresi sizi tam olarak bu durumda bırakır. Yapay zeka çağı bunu basit bir yapısal nedenle keskinleştiriyor: yapay zeka işi saniyeler içinde geri döndürür, dolayısıyla tek bir saat artık bir makineye talimat vermekle insanlarla iş birliği yapmak arasında, yapay zeka öncesi bir saatin asla içermediği kadar çok devir teslim barındırır ve her devir teslim kalıntı bırakır. Doğrulanmış maliyetler büyük: kesintiye uğramış bir göreve tam olarak dönmek yaklaşık 23 dakika sürer (Gloria Mark, 2008), geçiş yapmak üretken zamanın %40’ına kadarını yiyebilir (APA, 2001) ve bilgi çalışanları zaten günde kabaca 1.200 kez uygulamalar arasında gidip gelir (HBR, 2022) – üstelik bunların hepsi, artık bilgi çalışanlarının %75’inin işte kullandığı yapay zekayı eklemeden önce (Microsoft ve LinkedIn, 2024). Bu makale bu bulguları özgün bir İnsan-Yapay Zeka Geçiş Defteri’ne ve puanlanabilir bir öz-denetime dönüştürüyor. Hamle şu: geçişlerinizi bir CEO’nun kıt sermayeyi tahsis ettiği gibi bütçeleyin ve kendi kalıntınızın en hızlı nereden sızdığını öğrenecek kadar öğrenci kalın.
Zor bir şey yazmak için oturuyorsunuz. Bunun bir bölümünü bir yapay zekaya devrediyorsunuz – “girişi taslakla” – ve o üretirken Slack’e atlıyor, bir meslektaşa cevap veriyor, e-postaya göz atıyor, sonra yapay zekanın çıktısını değerlendirmeye geri dönüyorsunuz. Tüm döngü doksan saniye sürdü ve verimli hissettirdi. Değildi. En az üç görevi yarım açık bıraktınız, dört kez bilişsel mod değiştirdiniz ve yazıya hepsinin kalıntısını taşıyarak döndünüz. Ekrandaki taslak iyi; ama onu değerlendirme yetiniz değil. Bu, makinelerle çalışmanın sessiz vergisidir ve neredeyse hiç kimse bunun için bütçe ayırmaz.
Bu verginin ardındaki bilimin bir adı ve net bir kökeni var. 2009’da örgüt psikoloğu Sophie Leroy, bir iç çekiş gibi duran başlıklı bir makale yayımladı: “İşimi yapmak neden bu kadar zor?” Yanıtı dikkat kalıntısıydı – A Görevi’nden B Görevi’ne geçtiğinizde dikkatinizin bir kısmının bilişsel olarak A Görevi’ne takılı kaldığı ve bu kalan kalıntının B Görevi’ndeki performansınızı ölçülebilir biçimde bozduğu bulgusu. Etki, kritik biçimde, A Görevi yarım kaldığında ya da zaman baskısı altında yapıldığında en güçlüdür. Yapay zeka çağı dikkat kalıntısını icat etmedi. Onu üreten koşulları sanayileştirdi.
Dikkat kalıntısı gerçekte nedir (ve araştırma asıl ne buldu)
Leroy’un temel iddiası dar ve sağlam temelli: bir diliminiz hâlâ eskisini işlerken dikkatinizi yeni bir göreve tam olarak getiremezsiniz. Deneylerinde, görev ortasında kesintiye uğrayan kişiler – özellikle daha sonra zaman baskısı altında bitirmeleri gerekeceğini bekleyenler – kalıntıyı bir sonraki göreve taşıdılar ve doğal bir durma noktasına ulaşanlara kıyasla o görevde daha kötü performans gösterdiler. Kalıntı bir karakter kusuru ya da irade zaafı değildir. Dikkatin hedefler arasında nasıl geçtiğinin normal bir özelliğidir.
Daha sonraki bir çalışma pratik çıkarımı keskinleştirdi. 2018’de Leroy ve Theresa Glomb (Organization Science), kısa bir “dönüşe hazır” planının – geçiş yapmadan önce nerede olduğunuzu ve sonra ne yapacağınızı not etmek için bir an ayırmanın – dikkat kalıntısını anlamlı biçimde azalttığını ve kesen görevdeki performansı koruduğunu gösterdi. Bu tek bulgu, bu makaledeki en uygulanabilir kaldıraçtır ve ona geri döneceğiz.
Dikkat kalıntısı, daha geniş ve iyi belgelenmiş bir geçiş maliyetleri ailesinin içindeki belirli bir maliyettir. Herhangi bir çerçeve kurmadan önce, doğrulanmış gerçek zemin burada – her rakam adı geçen kaynağa kadar izlenebilir.
Araştırmanın sağlam biçimde desteklediği (doğrulanmış)
| Bulgu | Araştırmanın gösterdiği | Kaynak (yıl) |
|---|---|---|
| Dikkat kalıntısı gerçektir | Görev değiştirmek dikkatinizin bir kısmını önceki göreve “takılı” bırakır ve bir sonrakindeki performansı düşürür; önceki görev yarım ya da zaman baskısı altındaysa en kötü | Sophie Leroy, Organizational Behavior and Human Decision Processes (2009) |
| Kalıntıyı küçültebilirsiniz | Kısa bir “dönüşe hazır” planı (geçiş yapmadan önce nerede olduğunuzu ve sonra ne yapacağınızı not etmek) kalıntıyı anlamlı biçimde azaltır ve performansı korur | Leroy & Glomb, Organization Science (2018) |
| Toparlanma yavaştır | Bir kesintiden sonra işe ortalama yaklaşık 23 dakika 15 saniyede dönülür, çoğu zaman geri dönmeden önce iki ara görevle | Gloria Mark vd., The Cost of Interrupted Work, CHI (2008) |
| Dikkat hızla parçalanır | Ekranda ortalama dikkat süresi son yıllarda 2004’teki yaklaşık 2,5 dakikadan kabaca 47 saniyeye (medyan 40 sn) düştü | Gloria Mark, Attention Span (2023) |
| Asıl vergi geçiştir | Görevler arası geçişten kaynaklanan kısa zihinsel tıkanmalar üretken zamanın %40’ına kadarına mal olabilir, görev karmaşıklaştıkça artar | Rubinstein, Meyer & Evans – APA / J. Exp. Psychology (2001) |
| Gidip gelme zaten sürekli | Bilgi çalışanları günde yaklaşık 1.200 kez uygulamalar ve pencereler arasında gidip gelir, yeniden yönelmek için haftada yaklaşık dört saat (~%9 çalışma zamanı) harcar | 20 ekipte 137 kullanıcı üzerine Harvard Business Review çalışması (2022) |
| Artık yapay zeka da döngüde | Bilgi çalışanlarının %75’i işte üretken yapay zeka kullanıyor ve %78’i kendi araçlarını getiriyor (“BYOAI”) | Microsoft & LinkedIn, Work Trend Index (2024) |
Tabloyu tek cümle olarak okuyun: insan dikkati yapay zeka gelmeden önce zaten parçalanmıştı ve yeniden yüklemesi pahalıydı – ve yapay zeka bir geçişi ortadan kaldırmaz, geçilecek yeni bir ortak ekler.
Yapay zeka ile çalışmak neden özellikle kalıntı yüklüdür
Yapay zekanın geçişi azalttığını varsaymak cazip, çünkü işinizin bir kısmını yapıyor. Pratikte, gününüzün yapısını Leroy’un kalıntı tetikleyicilerine doğrudan denk düşen üç şekilde değiştirir.
1. Yapay zeka saat başına geçiş sayısını çoğaltır. Yapay zekanın tüm cazibesi hızdır: bir taslağı, bir özeti ya da bir yanıtı saniyeler içinde döndürür. Ama hızlı dönüşler daha çok geçiş fırsatı demektir. Yapay zeka öncesi bir görev yirmi dakika kesintisiz sürebilirken, yapay zeka destekli sürümü şu hale gelir: komut ver, bekle, değerlendir, yeniden komut ver, bekle, değerlendir – aynı pencerede bir düzine mikro devir teslim. Daha çok devir teslim basitçe daha çok kalıntıdır, çünkü kalıntı saat başına değil, geçiş başına ödenir.
2. Yapay zeka görevleri tam da kalıntının sevdiği “yarım kalmış” durumda bırakır. Leroy, kalıntının en kötü durumunun bir görevi tamamlanmamış bırakmak olduğunu buldu. Hâlâ üretmekte olan bir komut istemi, yarım kalmış görevin platonik idealidir: onu başlattınız, henüz bitiremiyorsunuz ve beklemeyi doldurmak için başka bir yere geçiyorsunuz. Geri döndüğünüzde, açık bir döngüyü sürdürüyorsunuz – var olan en yüksek kalıntı durumu.
3. Yapay zeka yalnızca bir görev geçişini değil, bilişsel bir mod geçişini zorlar. Çoğu kişinin kaçırdığı kısım bu. Yapay zeka ile çalışmak tek bir etkinlik değildir; iki zıt etkinliktir. Yapay zeka ile üretmek hızlı, akıcı ve eleştirisizdir – izin verici, üretken bir kayıttasınız. Yapay zeka çıktısını değerlendirmek ise tam tersi bir duruş gerektirir: şüpheci, yavaş, hatayı arayan. Saatte birçok kez “üretme” modu ile “eleştirmen” modu arasında geçiş yapmak, benzer iki görev arasında geçmekten daha derin bir geçiştir ve daha ağır kalıntı taşır. Üstüne, başlığın işaret ettiği sosyal kayıt geçişi de biner: bir makineye talimat vermek işlemseldir, bir meslektaşla iş birliği yapmaksa ilişkiseldir ve ikisi arasında zıplamak kendi kalıntısını bırakır.
Bunların hiçbiri yapay zekanın odak için kötü olduğu anlamına gelmez. İyi kullanıldığında kaldıraçtır. Yapay zekanın maliyetin nerede yaşadığını değiştirdiği anlamına gelir: iş hızlanır, ama geçiş yüzeyi büyür ve dikkat kalıntısının biriktiği yer bu yüzeydir. Bir CEO, birim ekonomisi değişti derdi – ve değişmiş bir maliyet yapısını eski alışkanlıklarla yönetmezsiniz.
İnsan-Yapay Zeka Geçiş Defteri
Bu makalenin merkezindeki özgün çerçeve işte burada. Bir defter, bir kaynağın nereye harcandığını listeler ki sızıntıları görebilesiniz. İnsan-Yapay Zeka Geçiş Defteri, yapay zeka destekli bir güne hâkim olan beş geçiş türünü adlandırır, her birini neden kalıntı ürettiğine (Leroy’un mekanizmasını kullanarak) eşler ve onu geri kazanmak için CEO+Öğrenci kaldıracını verir.
Bu analitik bir çerçevedir, ölçülmüş bir çalışma değil – kesin bir “bu geçiş X dakikaya mal olur” rakamı iddia etmez, çünkü insan-yapay zeka çalışması için böyle bir geçiş-başına veri kümesi yoktur. Yukarıdaki doğrulanmış geçiş-maliyeti araştırmasının üzerine kurulu bir karar yardımcısıdır. Bir ev defterini okur gibi kullanın: kanayan satırı bulmak için.
İnsan-Yapay Zeka Geçiş Defteri (CEOtudent çerçevesi, 2026)
| Geçiş türü | Gerçekte ne olur | Neden kalıntı bırakır (Leroy mekanizması) | CEO+Öğrenci kaldıracı |
|---|---|---|---|
| 1. Devret ve savrul | Bir görevi yapay zekaya verir ve beklemeyi e-posta, sohbet ya da akışa atlayarak doldurursunuz | Asıl görevi yarım bırakır ve ikinci bir döngü açarsınız – zirve kalıntı durumu | Görevin içinde bekleyin. O üretirken aynı problemde kalın (sonraki bölümü taslaklayın) ya da komutları öbekleyin ki beklemeler örtüşsün, çoğalmasın |
| 2. Üretici-eleştirmen sıçraması | Akıcı “yapay zeka ile üret” modundan şüpheci “çıktıyı değerlendir” moduna geçersiniz | Derin bir kayıt geçişi; üretme-modu kalıntısı eleştirmen-modu muhakemesini kirletir, böylece yetersiz inceleme yaparsınız | Geçişleri ayırın. Önce birkaç çıktı üretin, sonra bir kontrol listesiyle özel bir değerlendirme bloğuna tek seferde geçin – çıktı başına sıçramayın |
| 3. Yeniden komut çalkantısı | Yapay zekayla asla “tamam”a ulaşmayan birçok küçük, parçalı alışverişle yinelersiniz | Her parçalı alışveriş yarım kalmış bir görevdir; döngü asla kapanmaz, dolayısıyla kalıntı birikir | Komut vermeden önce “tamam”ı tanımlayın. Kabul ölçütlerini önce yazın; sonsuz dürtmek yerine ölçüt karşılandığında durun |
| 4. Araç zıplaması | Tek bir iş parçası içinde birkaç yapay zeka aracı ve tarayıcı sekmesi arasında gidip gelirsiniz | Klasik gidip gelme vergisi (~1.200/gün sorunu) artı her zıplamada yeniden yönelme maliyeti | Yığınınızı standartlaştırın. İş başına tek araç seçin; derin çalışmada etkin olan dışındaki tüm sekmeleri kapatın |
| 5. İnsan-makine kayıt geçişi | İnsanlarla iş birliği yapmakla yapay zekaya talimat vermek arasında sıralı geçiş yaparsınız | Sosyalden işlemsele bir mod geçişi; ilişkisel kalıntı makine işine ve tersine sızar | Kayda göre öbekleyin. İnsan iş birliğini bazı pencerelere, yapay zeka işini başkalarına toplayın ki kaydı sürekli değil, günde birkaç kez değiştirin |
Defter masaya konunca üç şey öne çıkar. Birincisi, Devret ve savrul (satır 1) genellikle en büyük tekil sızıntıdır, çünkü “bedava” bekleme süresi bir ikramiye gibi hissettirir ve aslında en pahalı döngünüzü açtığınız andır. İkincisi, Üretici-eleştirmen sıçraması (satır 2) en sık olan değil, en tehlikeli olandır – kalıntının yapay zeka çıktısı hakkındaki muhakemenize sessizce zarar verdiği yer burasıdır ki bu, yapay zekanın yerini tutamadığı insan katkısının ta kendisidir. Üçüncüsü, yeniden komut çalkantısı (satır 3) kesmesi en kolay olandır, çünkü “yeterince iyi”nin nasıl göründüğüne önceden karar verir vermez çoğu kaybolur.
CEO hamlesi: gün sizin yerinize harcamadan önce geçişlerinizi bütçeleyin
Kıt bir kaynakla karşı karşıya kalan bir CEO, daha fazlasını üretmeye çalışmaz; önceden nereye tahsis edileceğine karar verir ve en yüksek değerli kullanımları kemirilmekten korur. Dikkat o kaynaktır ve geçişler, kimse harcamaya karar vermeden onun harcandığı yoldur.
Defterden çıkan mimari somuttur:
- Hiç kayıt değiştirmediğiniz bir ya da iki derin blok koruyun. En yüksek muhakeme gerektiren iş – yapay zekanın sizin yerinize yapamayacağı değerlendirme – günün gidip gelmesi dikkatinizi parçalamadan önceki bir pencereye aittir. En önemli dikkat faturanızı önce ödeyin.
- Yapay zeka işini gün boyuna serpiştirmek yerine tanımlı oturumlara öbekleyin. Serpiştirilmiş yapay zeka kullanımı geçiş yüzeyini en üst düzeye çıkarır; öbeklenmiş kullanım tek bir kayıtta kalmanızı ve mod geçişini bir kez ödemenizi sağlar.
- “Üretiliyor…”yu bir geçiş daveti değil, yerinde kal sinyali olarak görün. En çok kalıntıyı öldüren tek alışkanlık, bekleme sırasında savrulmayı reddetmektir. Bekleme gerçekten uzunsa, birkaç komutu öbekleyin ki beklemeler örtüşsün, her biri yeni bir geçiş tetiklemesin.
- Yığını standartlaştırın. Her ek yapay zeka aracı, geçilecek başka bir penceredir. Hangi aracın hangi işi yaptığına karar verin ve görev ortasında karşılaştırma için zıplamayı bırakın.
Bu listede neyin yok olduğuna dikkat edin: daha çok çabalamak. Kalıntı, tembellikten kaynaklanmadığı gibi disiplinle de yenilmez. Mimariyle yenilir – pahalı geçişlerin basitçe olmadığı bir gün tasarlayarak, böylece kıt dikkatiniz varsayılan olarak zaten katlanarak büyüyen işe dönmüş olur.
Öğrenci hamlesi: dönüşe-hazır deneyini kendi üzerinizde yapın
CEO tahsis eder; öğrenci gözlemler ve ayarlar. Bu alandaki en kanıta dayalı kişisel müdahale aynı zamanda en küçüğüdür: Leroy ve Glomb’un dönüşe-hazır planı. Herhangi bir görevden geçiş yapmadan önce – özellikle bir yapay zeka beklemesi sırasında savrulmadan önce – tam olarak nerede olduğunuzu ve sonra ne yapacağınızı yazmak için on beş saniye ayırın. Araştırma, bunun bir sonraki göreve taşıdığınız kalıntıyı güvenilir biçimde azalttığını buldu. İşe yarar, çünkü görev nesnel olarak yarım olsa da kafanızdaki döngüyü kapatır.
Sonra bir hafta boyunca kendi defterinizi inceleyin. Üç şeyi fark edin: tablodaki hangi geçiş türünü en çok yaptığınızı (bu en büyük sızıntınızdır), günün hangi saatinde yapay zeka çıktısını değerlendirmenizin özensizleştiğini (bu, faiz işleten Üretici-eleştirmen sıçramasıdır) ve hangi yeniden komut döngülerini net bir “tamam” ile daha erken bitirebileceğinizi. Başkasının rakamının peşinde değilsiniz; kendi dikkatinizin şeklini öğreniyorsunuz ki onu gelecek hafta geçen haftadan daha iyi tahsis edebilesiniz. Bir CEO gibi yürütün, bir öğrenci gibi öğrenin.
En derin yeniden çerçeveleme şu: yapay zekanın çıktı üretmeyi neredeyse bedava kıldığı bir çağda, kıt ve değerli olan şey, o çıktının işe yarayıp yaramadığına karar vermek için getirdiğiniz kirlenmemiş dikkattir. Dikkat kalıntısı, tam da bu yetiye konan vergidir. Yapay zekadan en çok yararlanacak kişiler ona en hızlı geçenler değil – geçişin sessizce aşındırdığı odaklanmış insan muhakemesini koruyanlardır.
Dikkat Kalıntısı Öz-Denetimi
Tipik bir iş günü için her satırı 0-2 arası puanlayın (0 = nadiren, 1 = bazen, 2 = sık). Bu bir öz-yansıtma aracıdır, klinik bir araç değil.
- Yapay zeka üretirken bir görevi açık bırakıp e-postaya/sohbete/akışlara savrulurum. (Devret ve savrul)
- Yapay zeka çıktısını, ayrı bir eleştirel geçiş yapmadan, onu üretirken kullandığım aynı hızlı modda kabul ya da reddederim. (Üretici-eleştirmen sıçraması)
- Net bir “tamam” tanımı olmadan yapay zekayı küçük yeniden komutlarla dürtmeye devam ederim. (Yeniden komut çalkantısı)
- Tek bir görevi aynı anda birçok yapay zeka aracı ve tarayıcı sekmesinde çalışırım. (Araç zıplaması)
- Saatte birçok kez insanlarla konuşmakla yapay zekaya talimat vermek arasında gidip gelirim. (Kayıt geçişi)
- Zor görevlerden, nerede olduğumu ya da sonra ne yapacağımı not etmeden geçiş yaparım. (Dönüşe-hazır yok)
- Öğleden sonraya doğru yapay zeka çıktısının iyi olup olmadığına dair muhakemem belirgin biçimde kötüleşir. (Kalıntı faizi)
Puanınızı okuma. 0-4: geçiş yüzeyiniz iyi yönetiliyor; koruyun. 5-9: kalıntı muhakemenizde gerçek bir ayak bağı; dönüşe-hazır alışkanlığını kurun ve yapay zeka işinizi öbekleyin. 10-14: iş yükü değil, geçiş büyük olasılıkla ana darboğazınız; aşağıdaki en yüksek kaldıraçlı düzeltmeyle başlayın.
Neredeyse herkes için en yüksek kaldıraçlı düzeltme satır 1: yapay zeka beklemelerinde savrulmayı bırakın. En sık yapılan geçiştir, en pahalı döngünüzü açar ve onu kapatmak, yerinde kalma kararından başka hiçbir şeye mal olmaz.
Sıkça sorulan sorular
Dikkat kalıntısı, çoklu görevle aynı şey mi?
Hayır ve ayrım önemli. Çoklu görev genellikle iki şeyi tam anlamıyla aynı anda yapmaya çalışmak demektir. Dikkat kalıntısı, art arda yapılan görevler arasındaki geçişte olan şeydir – siz çoktan B Görevi’ne geçmişken zihninizin A Görevi’nde geride kalan kısmı. Klasik çoklu görevden kaçınıp yine de hızlı sıralı geçişle gün boyu kalıntı sızdırabilirsiniz ki yapay zeka destekli iş tam olarak bunu teşvik eder.
Yapay zeka odağı gerçekten kötüleştiriyor mu, yoksa ben mi düzensizim?
Her iki çerçeveleme de yapısal noktayı kaçırır. Yapay zeka odağı doğrudan yok etmez; geçiş yüzeyini – saat başına mevcut devir teslim sayısını – büyütür, çünkü işi çok hızlı döndürür. Daha çok mevcut geçiş artı aynı insan dikkati, ne zaman ve nasıl geçiş yaptığınızı kasıtlı olarak yeniden tasarlamadıkça, daha çok kalıntı eder. Bu bir disiplin sorunu değil; bir iş akışı tasarımı sorunu ki bu iyi haber, çünkü iş akışlarını değiştirmek iradeyi değiştirmekten kolaydır.
Dikkat kalıntısını azaltmanın en etkili tek alışkanlığı nedir?
Leroy ve Glomb’un 2018 araştırmasındaki “dönüşe-hazır” planı: bir görevden geçiş yapmadan önce, nerede olduğunuzu ve sonra ne yapacağınızı yazmak için on beş saniye ayırın. Deneylerinde kalıntıyı güvenilir biçimde azalttı, çünkü zihninizin yarım kalmış bir görevi “açık” yerine “park edilmiş” gibi ele almasını sağlar. Yapay zeka işinde bunu, bir bekleme sırasında savrulmadan hemen önce uygulayın.
Bir kesintiden sonra yeniden odaklanmak gerçekte ne kadar sürer?
Gloria Mark’ın 2008 çalışması, kesintiye uğrayan işe ortalama yaklaşık 23 dakika 15 saniye sonra dönüldüğünü ve insanların özgün göreve geri dönmeden önce tipik olarak iki başka görevle ilgilendiğini buldu. Bu rakam işe dönmekle ilgilidir ve tam bilişsel daldırma daha uzun sürebilir. Pratik çıkarım: bir “hızlı” iki dakikalık geçiş, yeniden yüklemeyi saydığınızda nadiren iki dakikadır.
O zaman derin iş için yapay zekayı kullanmayı bırakayım mı?
Hayır – bu gerçek kaldıracı çöpe atar. Hamle, yapay zeka kullanımını serpiştirmek yerine öbeklemektir. Yapay zekayı, tek bir kayıtta kaldığınız tanımlı oturumların içinde kullanın, komutlarınızı öbekleyin ki beklemeler örtüşsün ve çıktısını bir kontrol listesiyle değerlendirmek için ayrı, acelesiz bir blok ayırın. Bu şekilde kullanıldığında yapay zeka dikkatinizi parçalamadan yetenek ekler; her otuz saniyede bir karar isteyen, sürekli açık bir pencere olarak kullanıldığında ise gününüzdeki en büyük tek kalıntı kaynağı olur.
İşim sürekli yapay zeka etkileşimi gerektiriyorsa “derin iş” hâlâ mümkün mü?
Evet, ama bloğu yeniden tanımlamanız gerekir. Yapay zeka destekli bir rolde derin iş, zorunlu olarak araçsız uzun süreler değildir; kayıt değiştirmediğiniz süreler – ya ürettiğiniz, ya değerlendirdiğiniz, ya iş birliği yaptığınız, ama her dakika üçü arasında zıplamadığınız süreler. Kayıt istikrarını korumak, kesintisiz zamanı korumanın modern sürümüdür.
Kaynaklar
Sophie Leroy. Why is it so hard to do my work? The challenge of attention residue when switching between work tasks (Organizational Behavior and Human Decision Processes, 2009) – dikkat kalıntısı kavramını tanıttı ve görev değiştirmenin dikkatin bir kısmını önceki göreve bıraktığını, bir sonrakindeki performansı düşürdüğünü, etkinin önceki görev yarım ya da zaman baskısı altındayken en güçlü olduğunu gösterdi.
Sophie Leroy & Theresa M. Glomb. Tasks Interrupted: How Anticipating Time Pressure on Resumption of an Interrupted Task Causes Attention Residue and Low Performance on Interrupting Tasks and How a Ready-to-Resume Plan Mitigates the Effects (Organization Science, 2018) – dört çalışma boyunca, kesintiye uğramış bir göreve dönmeye dair kısa bir planın dikkat kalıntısını anlamlı biçimde azalttığını ve kesen görevdeki performansı koruduğunu gösterdi.
Gloria Mark, Daniela Gudith & Ulrich Klocke. The Cost of Interrupted Work: More Speed and Stress (CHI Bildirileri, 2008), California Üniversitesi, Irvine – kesintiye uğrayan işe ortalama yaklaşık 23 dakika 15 saniyede, tipik olarak iki ara görevle ilgilenildikten sonra dönüldüğünü buldu.
Gloria Mark. Attention Span: A Groundbreaking Way to Restore Balance, Happiness and Productivity (2023) ve ilişkili California Üniversitesi, Irvine araştırması – ekranda ortalama dikkat süresinin son yıllarda 2004’teki kabaca 2,5 dakikadan yaklaşık 47 saniyeye (medyan 40 saniye) düştüğünü belgeliyor.
Joshua Rubinstein, David Meyer & Jeffrey Evans. Executive Control of Cognitive Processes in Task Switching (Journal of Experimental Psychology: Human Perception and Performance, 2001), Amerikan Psikoloji Derneği (APA) tarafından özetlendiği biçimiyle – görevler arası geçişten kaynaklanan kısa zihinsel tıkanmalar üretken zamanın %40’ına kadarına mal olabilir, görevler karmaşıklaştıkça maliyetler artar.
Harvard Business Review. How Much Time and Energy Do We Waste Toggling Between Applications? (2022) – üç büyük firmada 20 ekipten 137 kullanıcı üzerine bir çalışma, çalışanların günde yaklaşık 1.200 kez uygulamalar ve pencereler arasında gidip geldiğini, yeniden yönelmek için haftada yaklaşık dört saat (çalışma zamanının yaklaşık %9’u) harcadığını buldu.
Microsoft & LinkedIn. Work Trend Index Yıllık Raporu: AI at Work Is Here. Now Comes the Hard Part (2024), 31 pazarda 31.000 bilgi çalışanı üzerine bir ankete dayanarak – bilgi çalışanlarının %75’inin işte üretken yapay zeka kullandığını ve %78’inin işe kendi yapay zeka araçlarını getirdiğini bildirdi.
Editör notu: Bu makale, CEOtudent’ın tümüyle yapay zeka destekli editöryel sürecinin bir parçasıdır. İnsan-Yapay Zeka Geçiş Defteri ve Dikkat Kalıntısı Öz-Denetimi, özgün CEOtudent karar yardımcılarıdır – görev geçişini yönetmek için analitik çerçevelerdir, ölçülmüş çalışmalar değil; özellikle, “insan-yapay zeka geçişi %X’e mal olur” gibi kesin bir rakam iddia edilmemektedir, çünkü böyle bir veri kümesi yoktur. Destekleyici rakamlar yukarıda listelenen kamuya açık kaynaklardan alınmıştır ve Haziran 2026 itibarıyla doğrulanmıştır. Bu makale, dikkat ve üretkenlik üzerine genel eğitici bir yorumdur; tıbbi, psikolojik ya da klinik tavsiye değildir.
