Özet. Yapay zekanın size kazandırdığı zaman brüt bir rakamdır. Doğrulama vergisi ise geri ödediğiniz kısımdır: çıktıyı incelemek, düzeltmek ve yeniden yapmak, gözünüzden kaçan hataların beklenen maliyeti ve teslim ettiğiniz işi başkalarının toparlaması. Büyük anketler, kullanıcıların kendi bildirdiği tasarrufu ABD’de çalışma saatlerinin yüzde 5,4’ü, Danimarka’da yüzde 2,8’i olarak gösteriyor ve hiçbiri kontrol süresini ayrı bir maliyet olarak raporlamıyor. İşin doğrudan ölçüldüğü yerde vergi kazancı silebiliyordu: METR’nin 2025 tarihli randomize denemesinde deneyimli geliştiriciler, yapay zekanın görev sürelerini yüzde 20 kısalttığına inandı; oysa görevleri yüzde 19 daha uzun sürdü ve sürelerinin yüzde 9’u yapay zeka çıktısını incelemeye ve temizlemeye gitti. Bir Workday tedarikçi anketi, yapay zeka zaman tasarrufunun yaklaşık yüzde 40’ının yeniden çalışmaya kaybolduğunu bildiriyor. CEO hamlesi: doğrulamayı gerçek bir maliyet olarak bütçeleyin, onu risk düzeyine, tespit edilebilirliğe ve geri alınabilirliğe göre kademelendirin ve başa baş testinin negatif çıktığı yerde yapay zekayı bırakın. Öğrenci hamlesi: her aracın sizin işinizde hangi hataları yaptığını kaydedin ki vergi zamanla düşsün.
Bu yazı kontrolün zanaatıyla değil, ekonomisiyle ilgili. Zanaat için değerlendirme becerisi yazısına bakın. Bir ajan çok adımlı bir işi yürütürken kontrol noktalarının nereye konacağı için tasarım gereği insan denetimi yazısına bakın. Bireysel kazanımların şirket sonuçlarına neden bu kadar nadir yansıdığı için ise yapay zeka üretkenlik paradoksu yazısına bakın.
Doğrulama vergisi nedir ve neden bu kadar kolay gözden kaçar?
Yapay zeka destekli her görevin iki defteri vardır. Görünür olan, harcamadığınız taslak hazırlama süresini kaydeder. Gizli olan ise çoğu zaman tasarrufu rakamının dışarıda bıraktığı dört maliyeti kaydeder:
- İnceleme süresi. Çıktıyı okumak, kaynaklarla karşılaştırmak, kodu çalıştırmak, sayıları kontrol etmek.
- Düzeltme ve yeniden yapma süresi. Yanlış olanı düzeltmek, yeniden komut yazmak ya da yapay zeka sürümünü bırakıp işi elle yapmak.
- Kalıntı hata maliyeti. Kontrolünüzden sağ çıkıp daha sonra, düzeltilmesi daha pahalıyken ortaya çıkan hataların beklenen maliyeti.
- İhraç edilen vergi. Meslektaşların, inceleyicilerin veya müşterilerin sizin aktardığınız işi onarmak için harcadığı süre.
Standart ölçüm bu maliyetleri görecek şekilde kurulmamıştır. Alexander Bick, Adam Blandin ve David Deming’in yaygın olarak kullanılan ABD tahmini, kullanıcılara yazarların ifadesiyle “üretken yapay zekaya erişimleri olmasaydı, önceki haftadaki aynı miktarda işi tamamlamak için kaç ek saate ihtiyaç duyacaklarını” soruyor. Bu tek karşı-olgusal tahmin, kazanılan taslak süresiyle harcanan kontrol süresini tek pakette toplar ve henüz keşfedilmemiş hataları içeremez. Verdiği cevap, yani kullanıcıların çalışma saatlerinin yüzde 5,4’ü ya da 40 saatlik bir haftada 2,2 saat, kurgusu gereği brüttür.
Algı bu farkı büyütür. METR denemesinde geliştiricilerin sonradan inandığı (yüzde 20 daha az süre) ile ölçülen (yüzde 19 daha fazla süre) arasındaki mesafe 39 yüzde puanıydı. CHI 2025’te sunulan ve 319 bilgi çalışanını kapsayan bir Microsoft Research anketi, “üretken yapay zekaya duyulan daha yüksek güvenin daha az eleştirel düşünmeyle ilişkili olduğunu” buldu. Kontrolü en çok eksik bırakması muhtemel olanlar, araca en çok güvenenlerdir.
Çalışmalar yan yana konduğunda ne oluyor?
Aşağıdaki doğrulama vergisi defteri her satıra bir çalışma koyuyor ve brüt kazancı, çalışmanın kontrol ya da yeniden çalışma hakkında bildirdiklerini ve net sonucu birbirinden ayırıyor. Rakamlar yayımlandığı haliyledir. Bir çalışma hiçbir şey raporlamıyorsa hücre bunu belirtiyor; yapılan tek hesaplamalar, tüm girdileri tek bir çalışmanın sağladığı hesaplamalardır.
| Çalışma ve tasarım | Görev | Brüt kazanç, yayımlandığı haliyle | Kontrol veya yeniden çalışma maliyeti, yayımlandığı haliyle | Net sonuç, yayımlandığı haliyle |
|---|---|---|---|---|
| Noy ve Zhang, Science, 2023. Ön kayıtlı çevrim içi deney, üniversite mezunu 453 profesyonel | Orta düzey profesyonel yazım | Harcanan süre %40 azaldı, çıktı kalitesi %18 arttı | 2023 çalışma makalesi sürümü: düzenlemenin görev süresi içindeki payı yaklaşık %25’ten iki katının üzerine çıktı; deney grubundaki katılımcıların %68’i ChatGPT’nin ilk çıktısını düzenlemeden teslim etti | Çok az kontrolle elde edilen büyük net tasarruf |
| Brynjolfsson, Li ve Raymond, Quarterly Journal of Economics, 2025. Kademeli kullanıma alma, 5.172 temsilci | Müşteri desteği | Saat başına çözülen sorun sayısı ortalama %15 arttı | Ayrıca raporlanmadı | Ortalamada olumlu; en deneyimli ve en yüksek becerili temsilciler “hızda küçük kazanımlar ve kalitede küçük düşüşler” yaşadı |
| Dell’Acqua vd., Organization Science, 2026. Boston Consulting Group ile ön kayıtlı deney, 758 bilgi çalışanı | Yapay zeka sınırının içinde kalan 18 gerçekçi bilgi görevi, sınırın dışında kalan bir yönetsel görev | Sınırın içinde: %12,2 daha fazla görev tamamlandı, %25,1 daha hızlı | Sınırın dışında: doğru çözüm üretme olasılığı %19 daha düşük | Vergi dakikayla değil, yanlış cevaplarla ödendi |
| METR (Becker, Rush, Barnes, Rein), ön baskı, 2025. Randomize deneme, 16 geliştirici, 246 görev | Geliştiricilerin iyi tanıdığı olgun açık kaynak depolarındaki gerçek sorunlar | Öngörü: %24 daha az süre. Çalışma sonrasındaki inanç: %20 daha az süre | Yapay zekaya izin verilen sorunlarda sürenin yaklaşık %9’u yapay zeka çıktısını incelemeye veya temizlemeye gitti (etiketli ekran kaydı olan 44 sorun), %4’ü üretimleri beklemeye; üretimlerin %44’ünden azı kabul edildi | Görevler %19 daha uzun sürdü (güven aralığı +%2 ile +%39) |
| METR araştırma notu, Şubat 2026. Aynı tasarım, 2025 sonu araçları, 10 geri dönen ve 47 yeni geliştirici | Açık kaynak geliştirme | Raporlanmadı | Raporlanmadı | Geri dönen geliştiriciler süre -%18 (aralık -%38 ile +%9); yeni geliştiriciler -%4 (aralık -%15 ile +%9). METR, seçim etkileri nedeniyle sinyali güvenilmez buluyor |
| Tai-Seale vd., JAMA Network Open, 2024. Randomize bekleme listeli kalite iyileştirme çalışması, 52 hekim artı 70 kontrol | Hasta mesajlarını yapay zeka taslaklarıyla yanıtlama | Hipotez, okuma ve yanıt süresinin azalmasıydı | Mesaj okuma süresi %21,8 arttı (%95 GA %5,2 ile %41,0) | Yanıt süresi -%5,9 (anlamlı değil, P = 0,33); yanıtlar %17,9 daha uzun |
| Garcia vd., JAMA Network Open, 2024. Beş haftalık tek gruplu kalite iyileştirme çalışması, 162 klinisyen | Hasta gelen kutusu mesajlarına yapay zeka taslak yanıtları | Taslaklar yanıtların %20’sinde kullanıldı (ortalama kullanım oranı) | Okuma, yazma veya yanıt süresinde değişiklik yok | Zaman tasarrufu yok; görev yükü ve iş tükenmişliği puanları düştü |
| Humlum ve Vestergaard, Becker Friedman Institute çalışma makalesi, 2025. Danimarka kayıtlarıyla eşleştirilmiş yaklaşık 25.000 çalışanlık anket | Yapay zeka sohbet botlarına yüksek düzeyde maruz 11 meslek | Kullanıcıların çalışma saatlerinin %2,8’i kadar zaman tasarrufu | İşveren girişimleri olmadan bile kullanıcıların %12’si için yeni iş yükleri (ek tahmini); yapay zekayla ilgili yeni görevlerin %59’u, kalite incelemesi dahil, uygulama ve denetimdir | Kazanç ve kayıtlı çalışma saatleri üzerinde kesin sıfır etkiler; %2’den büyük etkiler dışlanıyor |
| Bick, Blandin ve Deming, NBER çalışma makalesi, 2025. Ülke genelini temsil eden ABD anketi | Tüm işler | Kullanıcıların çalışma saatlerinin %5,4’ü (40 saatlik haftada haftalık 2,2 saat) | Ayrıca sorulmadı | Kullanıcı olmayanlar dahil tüm çalışanların saatlerinin %1,4’ü |
| Workday, Hanover Research tarafından Kasım 2025’te 3.200 tam zamanlı çalışanla yürütülüp Ocak 2026’da yayımlanan şirket anketi (ticari) | Geliri $100M+ olan kuruluşlardaki aktif yapay zeka kullanıcıları | %85’i haftada bir ila yedi saat tasarruf ettiğini bildiriyor | Yapay zeka zaman tasarrufunun “yaklaşık %40’ı” yeniden çalışmaya kayboluyor | Yalnızca %14’ü “tutarlı biçimde açık, olumlu net sonuçlar alıyor”; tasarrufun yaklaşık %60’ı korunuyor (%40 rakamından CEOtudent hesaplaması) |
Satırlarda adı geçen on kaynağın CEOtudent analizi. Rakamlar yayımlandığı haliyledir; bir kaynak rakam vermiyorsa “raporlanmadı” yazıyor. Noy ve Zhang’ın düzenleme rakamları, yazarların Science sürümünden önce gelen ve 444 katılımcı raporlayan Mart 2023 tarihli çalışma makalesinden alınmıştır; Science özeti süre dağılımını raporlamıyor. Dell’Acqua vd. ile Brynjolfsson vd. rakamları yayımlanmış özetlerden alınmıştır. Workday’in tam raporu bir kayıt formunun arkasında duruyor ve açılmadı; bu nedenle yüzde 40 rakamının yöntemi kontrol edilemedi.
Defterden üç okuma çıkıyor.
Vergi, kontrolün ucuz olduğu ya da atlandığı yerde en küçük, insanın cevabı zaten bildiği yerde en büyüktür. Noy ve Zhang çalışma makalesinde, kontrol grubunun yaklaşık 27 dakikada bitirdiği görevlerde deney grubundaki katılımcıların çoğu ilk çıktıyı olduğu gibi teslim etti. Tasarruf büyüktü ve neredeyse hiç doğrulama satın alınmadı. METR bunun tersidir: ortalama 1.100.000 satır kod içeren depolar, çok yüksek kalite çıtaları ve “geliştiricilerin daha aşina oldukları sorunlarda daha fazla yavaşladığı” bulgusu. Bir geliştirici her şeyi geri almadan önce “önce [belirli bir sorunu] yapay zekayla [çözmeye] çalışırken en az bir saat boşa harcadı”. Kendi yargınız hızlı ve standardınız yüksek olduğunda yapay zeka taslağını kontrol etmek pahalıdır.
Zaman, para birimlerinden yalnızca biridir. Sınırın dışında Dell’Acqua’nın katılımcıları dakikayla değil, doğrulukla ödedi. En becerikli destek temsilcileri küçük bir kalite bedeli ödedi. Hekimlerin taslakları, yanıt süresini kısaltmadan okuma süresini uzattı. Yalnızca dakikaları izleyen bir defter, verginin en çok önem taşıdığı yerde onu olduğundan küçük gösterir.
Vergi hareket ediyor ve onu ölçmek giderek zorlaşıyor. METR’nin Şubat 2026 notu, geri dönen geliştiriciler için nokta tahmininin yapay zekaya izin verilen görevlerin daha az sürdüğünü gösterdiği daha sonraki bir turu raporluyor. Not, yeni verisini yalnızca çok zayıf bir kanıt olarak da nitelendiriyor: yapay zekasız çalışmak istemedikleri için daha fazla geliştirici katılmayı reddetti ve yüzde 30 ila 50’si, yapay zekasız yapmak istemedikleri bazı görevleri saklı tuttuğunu söyledi. 2025’teki yavaşlamayı 2025 başı araçlarının tarihli bir ölçümü, iyileşmeyi ise cesaret verici ama kanıtlanmamış olarak değerlendirin.
Doğrulama vergisini aslında kim ödüyor?
Bir zaman tasarrufu rakamını aracı kullanan kişi bildirir. Verginin büyük kısmı ise başka yerlere düşer: dikkate, çıktıyı teslim alan meslektaşa, iş tasarımına ve çıktının beslediği sistemlere.
| Kim ödüyor | Bulgu, yayımlandığı haliyle | Kaynak |
|---|---|---|
| Kullanıcının dikkati | Üretken yapay zeka “eleştirel düşünmenin doğasını bilgi doğrulama, yanıt entegrasyonu ve görev gözetimine doğru kaydırıyor”; 319 çalışandan 114’ü dış kaynaklarla çapraz kontrol yaparak doğruladı, 319 çalışandan 56’sı da “yapay zeka yanıtı yanlış olabileceği ve doğrulanması gerektiği” için bilgiye ulaşmada daha fazla çaba harcadığını bildirdi | Lee vd., CHI 2025 (Microsoft Research ve Carnegie Mellon) |
| Kullanıcının zamanı | Geliştiricilerin %66’sı “neredeyse doğru ama tam olarak değil olan yapay zeka çözümlerini” bir hayal kırıklığı kaynağı olarak gösteriyor; %45,2’si yapay zekayla üretilmiş kodda hata ayıklamanın daha fazla zaman aldığını söylüyor | Stack Overflow Developer Survey 2025 (şirket anketi, ticari) |
| Kullanıcının inceleme yükü | Günlük yapay zeka kullanıcılarının %77’si yapay zekayla üretilmiş işi “insanların yaptığı iş kadar, hatta daha fazla özenle” inceliyor | Workday basın bülteni, Ocak 2026 (ticari) |
| İşi teslim alan meslektaş | ABD’li masa başı çalışanların %40’ı son bir ay içinde “workslop” (yapay zekayla üretilmiş özensiz iş) aldı; her vakanın çözülmesi yaklaşık 2 saat sürüyor; tahmini maliyet çalışan başına aylık $186 | BetterUp Labs ile Stanford Social Media Lab, 1.150 çalışanla anket, Eylül 2025 (ticari) |
| Kuruluşun iş tasarımı | Yapay zekayla ilgili yeni görevlerin %59’u “yapay zeka uygulaması ve denetimi” ile ilgili; kullanıcı olmayanların %5’i yapay zeka sohbet botlarından kaynaklanan yeni iş yükleri bildiriyor | Humlum ve Vestergaard, 2025 |
| Teslimat sistemi | Yapay zeka benimsemesindeki her %25’lik artış başına: teslimat istikrarında tahmini %7,2 ve verimde %1,5 düşüş (2024). 2025’te yapay zeka benimsemesi “artık yazılım teslimat verimini artırıyor” ancak “hala teslimat istikrarsızlığını artırıyor” | Google DORA raporları, 2024 ve 2025 (Google araştırması) |
Rakamlar her kaynakta yayımlandığı haliyledir. 319’da 114 (yüzde 35,7) ve 319’da 56 (yüzde 17,6) oranları, Lee vd.’nin sayımlarından yapılmış CEOtudent hesaplamalarıdır. Ticari anketler öz bildirime dayanıyor ve tüm yöntemleri yayımlanmış değil.
İnsan yöneten herkes için asıl mesele bu örüntüdür. Az emekle üretilmiş yapay zeka çıktısı maliyeti, gönderenin zaman tasarrufu rakamında hiç görünmeyen alıcıya yükler. Bir ekip artan yapay zeka tasarrufları raporlarken teslim edilen iş başına toplam süre yerinde sayabilir, çünkü vergi yazarın sütunundan inceleyenin sütununa geçmiştir. DORA verileri sistem düzeyinde aynı şekli gösteriyor: daha fazla verim, daha az istikrar.
Kontrolü atlamak vergiyi neden ortadan kaldırmaz?
Vergiyi azaltmanın bariz yolu daha az kontrol etmektir. Otomasyon yanlılığı araştırmaları, bunun görünür bir zaman maliyetini görünmez bir hata maliyetine dönüştürdüğünü söylüyor.
Raja Parasuraman ve Dietrich Manzey’in Human Factors dergisindeki 2010 tarihli derlemesi, otomasyon yanlılığının “karar destek araçları kusurlu olduğunda hem ihmal hem de işleme hatalarına yol açtığı” ve “hem acemi hem de uzman katılımcılarda görüldüğü” sonucuna vardı. Rehavetin “çoklu görev yükü koşullarında” ortaya çıktığını buldular; bu, bilgi işinin çoğunu tarif ediyor. Kate Goddard ve meslektaşlarının taranan 13.821 makaleden 74’ünü dahil eden 2012 tarihli sistematik derlemesi, iş yükünü, görev karmaşıklığını ve zaman kısıtını insanları aşırı güvene iten etkenler arasında sayıyor.
Kontrol etme kararı kısmen ekonomiktir de. Helena Vasconcelos ve meslektaşları 731 katılımcıyla beş deney yürüttü ve “insanların bir yapay zeka açıklamasıyla ilgilenip ilgilenmeyeceklerini stratejik olarak seçtiklerini”, doğrulama çabasını basitçe onaylamakla tarttıklarını savunuyor. Doğruluğun ödülü arttığında aşırı güven azaldı. Lee ve meslektaşları da aynı mantığın işlediğini gördü: 319 çalışandan 44’ü yapay zeka çıktısı hakkında eleştirel düşünmemelerinin nedeni olarak zaman yetersizliğini gösterdi, 319 çalışandan 55’i ise görev önemsiz göründüğü için bunu atladı.
Dolayısıyla eksik kontrol, doğrulama vergisini düşürmez. Onu erteler; takviminizde görünen bir maliyetten, hata ortaya çıkana kadar görünmez kalan bir olasılığa taşır. Aşağıdaki çerçevenin kalıntı hataları açıkça fiyatlamasının nedeni budur.
Her görev ne kadar kontrolü hak eder? Bir CEOtudent editoryal çerçevesi
Çerçevenin iki parçası var: bir görevde yapay zekanın kullanılmaya değip değmediğini gösteren bir başa baş testi ve değdiğinde ne kadar kontrol satın alınacağını belirleyen kademeli bir protokol. Çerçeve yukarıdaki kanıtlardan kurulmuştur, ölçülmemiştir.
Başa baş testi. Yapay zekaya devretmek üzere olduğunuz her görev için şunu tahmin edin:
Net kazanılan süre = (işi kendiniz yapma süresi – komut yazma ve üretme süresi) – kontrol süresi – düzeltme süresi – (çıktının önemli bir hata içerme olasılığı x kontrolünüzün onu kaçırma olasılığı x hata geçerse maliyeti)
Sonuç negatifse görevi kendiniz yapın ya da kontrolün ucuzlaması için yeniden tasarlayın. Çoğu insanın dışarıda bıraktığı terim sonuncusudur: hatalar ucuz ya da görünür olduğunda küçüktür, kaçırılan tek bir hata pahalı olduğunda belirleyicidir.
Kademeli protokol. Görevi üç boyutun her birinde 1’den 3’e kadar puanlayın, sonra puanları toplayın.
| Boyut | Puan 1 | Puan 2 | Puan 3 |
|---|---|---|---|
| Risk düzeyi: yanlış bir cevabın maliyeti nedir? | Özel taslak veya not | İç karar veya paylaşılan ekip çalışması | Dışa dönük, finansal, hukuki, güvenlik veya itibar açısından kritik |
| Tespit edilebilirlik: normal bir okumada hatalar ne kadar görünür? | Okurken görünür (ton, yapı, bariz saçmalık) | Kaynak kontrolü gerekir (olgular, rakamlar, isimler, tarihler) | Sessiz (ince mantık hataları, çalışan ama yanlış olan kod, inandırıcı görünen atıflar) |
| Geri alınabilirlik: geri almak ne kadar zor? | Kolayca geri alınır | Geri alması maliyetli | Gönderildiği, dosyalandığı, birleştirildiği (merge) veya yayımlandığı anda geri alınamaz |
| Toplam puan | Kademe | Kontrol yöntemi | Tipik görevler |
|---|---|---|---|
| 3-4 | Kademe 1: göz gezdirme | Anlam için tek bir okuma. Kaynak kontrolü yok. | Beyin fırtınası listeleri, ilk taslak ana hatlar, kendi metninizi yeniden ifade etme |
| 5-6 | Kademe 2: nokta kontrol | Her sayıyı, ismi, tarihi ve alıntıyı kontrol edin; kalan iddialardan örneklem alın; kodu bilinen bir duruma karşı bir kez çalıştırın. | Sizin sağladığınız malzemenin iç özetleri, toplantı notları, rutin e-postalar |
| 7-8 | Kademe 3: tam inceleme | Kaynaklara karşı satır satır; atıf yapılan her kaynağı açın; her türlü kod için testler. | Müşteriye giden belgeler, karar notları, canlıya çıkan kod |
| 9 | Kademe 4: bağımsız yeniden hesaplama veya ikinci kaynak | Temel rakamları birincil veriden kendiniz yeniden oluşturun ya da bağımsız ikinci bir cevap alıp ikisini uzlaştırın. Yapay zekanın kendi kaynaklarına dair özetini asla kabul etmeyin. | Dosyalanan, yayımlanan, sözleşmeye bağlı veya finansal her şey |
CEOtudent editoryal çerçevesi. Kademe sınırları ve kontrol yöntemleri, bu makalede atıf yapılan kaynaklardan beslenen editoryal yargıdır; ölçülmüş eşikler değildir.
İki hata oranı dayanağı en üst kademenin neden var olduğunu gösteriyor. Ön kayıtlı bir Stanford değerlendirmesinde, erişim tabanlı hukuki araştırma araçlarının her biri, “bir kaynağın bir ifadeyi desteklediğini yanlış biçimde öne süren” yanıtlar da sayıldığında “zamanın %17 ile %33’ü arasında” halüsinasyon gördü. Matthew Dahl ve meslektaşları, genel amaçlı modellerin federal mahkeme davalarıyla ilgili doğrulanabilir sorularda zamanın yüzde 58 ile 88’i arasında halüsinasyon gördüğünü buldu. Bu oranlar 2023 ve 2024 sistemlerine ait, ama ilke geçerliliğini koruyor: bazı alanlarda atıf, kontrolün yapıldığının kanıtı değil, kontrol edilmesi gereken şeyin ta kendisidir. Modellerin bu tür hataları neden ürettiğinin mekaniği nereye bakmanız gerektiğini gösteriyor.
İşlenmiş bir örnek. Aşağıdaki sayılar açıklama amacıyla uydurulmuştur, herhangi bir çalışmadan alınmamıştır. Bir pazar özeti elle 120 dakika sürüyor. Yapay zekayla komut yazma ve üretme 10 dakika alıyor. Beş taslaktan birinin önemli bir hata içerdiğini varsayın.
| Senaryo | Kontrol | Düzeltme | Kontrolün hatayı kaçırma olasılığı | Hata geçerse maliyeti | Kaçırılan hataların beklenen maliyeti | Net kazanılan dakika |
|---|---|---|---|---|---|---|
| A. İç özet, Kademe 2 nokta kontrol | 20 dk | 10 dk | %40 | 240 dk (4 saatlik iç toparlama) | 19,2 dk | +60,8 |
| B. Aynı taslak müşteriye gönderiliyor, yine nokta kontrollü | 20 dk | 10 dk | %40 | 2.400 dk (40 saatlik yeniden çalışma ve ilişki onarımı) | 192 dk | -112 |
| C. Müşteri özeti, Kademe 4 bağımsız yeniden hesaplama | 60 dk | 15 dk | %5 | 2.400 dk | 24 dk | +11 |
Varsayılan girdilerle yapılmış açıklayıcı CEOtudent hesaplaması; yukarıdaki formüle bakın. Her değer kendi satırından yeniden hesaplanabilir.
Aynı taslak ekip içinde bir saat kazandırıyor, aynı hafif kontrolle müşteriye ulaştığında ise yaklaşık iki saate mal oluyor. Daha ağır bir kontrol onu kurtarıyor, ama ucu ucuna: C senaryosunda başa baş noktası 71 dakikalık kontroldür. Düzgün bir yeniden hesaplama bundan uzun sürüyorsa özeti kendiniz yazın ve yapay zekayı yalnızca hataların görünür olduğu yerlerde kullanın.
Doğrulama vergisini nasıl azaltırsınız?
Her hamle ya bir kontrolün maliyetini düşürür ya da kontrolün bir şey yakalama olasılığını artırır ve her biri kanıta bağlanmış ya da editoryal yargı olarak etiketlenmiştir.
- Hataları okumadan önce görünür kılın. Her iddianın yanında kaynağı ve destekleyici pasajı bulunan, iddia iddia ayrılmış bir çıktı isteyin. Vasconcelos ve meslektaşları, “yapay zekanın hatasını daha belirgin hale getiren açıklamaların aşırı güveni daha fazla azalttığını” buldu. Atıf yapılmış bir kaynak hala kontrol edilmiş bir kaynak değildir: onu açın.
- Önce hataya yatkın kısımları kontrol edin. Sayılar, isimler, tarihler, alıntılar ve atıflar kelime başına en fazla riski taşır. Dahl ve meslektaşları, modellerin “daha yeni, daha dikkat çekici ve daha önde gelen yargı bölgelerinden gelen davalarda daha iyi performans gösterdiğini” buldu; bu, kontrolü az bilinen öğelere yöneltiyor. Modellerin “kendi halüsinasyonlarını tahmin etmekte zorlandığını” da buldular; yani modele nerede yanıldığını sormak bunun yerini tutmaz.
- Görev türüne göre kişisel bir hata kaydı tutun. Her aracın hangi görevde neyi yanlış yaptığına dair kısa bir kayıt, belirsiz bir güvensizliği hedefli bir kontrol listesine dönüştürür ve bir görevin bunu hak ettiğinde bir alt kademeye inmesine izin verir; yöntem yapay zeka hatalarından nasıl öğrenilir yazısında. Bunun kontrol süresini düşürdüğü ölçülmüş bir etki değil, editoryal yargıdır.
- Okumadan önce risk düzeyine karar verin. Vasconcelos deneylerinde doğruluğun ödülü arttıkça aşırı güven azaldı ve Goddard derlemesi kullanıcı hesap verebilirliğini otomasyon yanlılığını azaltan etkenler arasında sayıyor. Yapay zeka destekli her teslimat için bir sahip belirleyin ve taslağı açmadan önce kademesini puanlayın.
- Vergiyi ihraç etmeyin. Kademe 2 ve üzerindeki her şey, elinizden çıkmadan önce kontrolünden geçer. Aksi halde maliyet, BetterUp anketinin anlattığı gibi bir meslektaşa düşer ve sizin defterinizden kaybolur, ama ekibinkinden kaybolmaz.
- Testin negatif çıktığı yerde yapay zekayı kullanmayı bırakın. METR’nin geliştiricileri en iyi bildikleri sorunlarda daha fazla yavaşladı, Tai-Seale çalışmasındaki hekimler de daha hızlı yanıtlamadan daha uzun süre okudu. Yargınızın hızlı ve standardınızın yüksek olduğu yerde işi kendiniz yapmak daha ucuz olabilir; bu çizginin nerede durduğu, kaydınız aksini söyleyene kadar editoryal yargıdır.
Bu, CEO ve öğrenci için ne anlama geliyor?
CEO tarafı bütçelemedir. Bir üst yönetici, bir maliyet tasarrufunu ona ulaşmanın neye mal olduğunu sormadan kabul etmez. Vergiyi görev sınıfına göre tahmin edin, iki hafta boyunca kontrol süresini kaydedin ve bunu yapay zekanın kazandırdığıyla karşılaştırın. Workday anketi bu farkın geniş olabileceğini gösteriyor: katılımcıların yüzde 85’i haftada bir ila yedi saat tasarruf ettiğini bildirdi, ama yalnızca yüzde 14’ü tutarlı biçimde açık, olumlu net sonuçlar elde etti. Humlum ve Vestergaard, sohbet botu kullanıcılarının yüzde 80’inin kazanılan zamanı başka iş görevlerine yönlendirdiğini buldu; yani tasarruf, kontrolden sağ çıkıp çıkmadığını kimse kaydetmeden yeniden dağıtılıyor. Bir CEO ayrıca nerede rekabet etmeyeceğine de karar verir: başa baş testini geçemeyen görev sınıfları insanda kalır.
Öğrenci tarafı, kontrol ucuzlayana kadar aracın hata örüntülerini öğrenmektir. METR, araç kullanımının ilk 30 ila 50 saati boyunca belirgin bir öğrenme etkisi görmedi, ardından 50 saatten fazla deneyimi olan tek geliştiricide olumlu bir hızlanma gördü; yazarlar bu sonucu istatistiksel gücü yetersiz olarak nitelendiriyor. Öğrenme eğrisi insanların beklediğinden uzun olabilir; bu da işi aşinalığın yapmasını beklemek yerine bilinçli hata kaydı tutmayı destekliyor. Büyük model güncellemelerinden sonra yeniden test edin: METR’nin nokta tahminleri 2025’in başı ile sonu arasında yavaşlamadan hızlanmaya döndü.
Doğrulama bütçesi kontrolü: işi yapay zekaya devretmeden önce yedi soru
İki veya daha fazla “hayır” cevabı, görevin yeniden tasarlanması, daha yüksek bir kademede kontrol edilmesi ya da yapay zeka olmadan yapılması gerektiği anlamına gelir.
- Bu görevin elle yaklaşık ne kadar sürdüğünü biliyor musunuz?
- Risk düzeyini, tespit edilebilirliğini ve geri alınabilirliğini puanlayıp bir kademe seçtiniz mi?
- Çıktı, iddiaların yanında kaynaklarıyla birlikte, hızlıca kontrol edebileceğiniz bir biçimde mi gelecek?
- Bu tür bir çıktının hangi kısımlarını bir aracın genellikle yanlış yaptığını biliyor musunuz?
- O kademenin kontrol süresi, yapay zekanın kazandırdığı süreden açıkça daha küçük mü?
- Bir hata gözden kaçarsa bunu kimin ödeyeceğini ve kabaca ne kadar ödeyeceğini söyleyebilir misiniz?
- Bir sonraki kontrolün daha hafif olabilmesi için kontrolün bulduklarını kaydedecek misiniz?
Bu ne anlama gelmiyor
Yapay zekanın zaman kazandırmadığı anlamına gelmiyor. Defter, yazımda, müşteri desteğinde ve sınırın içindeki bilgi görevlerinde iyi ölçülmüş büyük kazanımlar içeriyor. Vergi bu kazanımların bedelidir, onlara karşı bir kanıt değil.
Kontrolün israf olduğu anlamına gelmiyor. Doğru kademede ödendiğinde doğrulama, tasarrufu güvenle elde tutmayı mümkün kılan şeydir.
Verginin bugün ne kadar büyük olduğu sorusunu çözmüyor. Ölçüm yapılan çalışmaların çoğu belirli görevlerde 2023 ile 2025 arası araçları kullandı, METR en son tahmininin güvenilmez olduğu uyarısında bulunuyor ve ticari anketler, yöntemleri tam olarak yayımlanmamış öz bildirimlere dayanıyor. Bu makale iş yeri araştırmaları hakkında genel bilgidir; hukuki, tıbbi veya finansal tavsiye değildir. Klinik ve hukuki çalışmalara yalnızca zaman ve hata oranları hakkında ölçtükleri şeyler için atıf yapılmıştır.
Sıkça sorulan sorular
Doğrulama vergisi nedir?
Yapay zeka çıktısını incelemek, düzeltmek ve yeniden yapmak için harcanan süre; buna gözden kaçan hataların beklenen maliyeti ve sizin aktardığınız iş üzerinde başkalarının yaptığı toparlama da eklenir. Çoğu zaman tasarrufu rakamı, tasarrufu bu vergiden önceki haliyle raporlar.
Doğrulama vergisi pratikte ne kadar büyük?
Göreve göre değişir. Yazım deneyinde küçüktü, çünkü katılımcıların çoğu ilk çıktıyı düzenlemeden teslim etti. METR’nin 2025 denemesinde kazancı aştı; sürenin yüzde 9’u yapay zeka çıktısını incelemeye ve temizlemeye gitti. Workday’in tedarikçi anketi, yeniden çalışmayı kazanılan zamanın yaklaşık yüzde 40’ı olarak gösteriyor.
Yapay zekanın ürettiği her şeyi kontrol etmek daha mı iyi?
Hayır. Riski düşük, kolayca geri alınabilen işte tam inceleme tasarrufu boşa harcar. Risk düzeyini, tespit edilebilirliği ve geri alınabilirliği puanlayın ve kontrolü kademeye göre ayarlayın.
İnsanlar yapay zekanın kendilerine kazandırdığı zamanı neden olduğundan fazla tahmin ediyor?
Öz bildirimler hissedilen tasarrufu ölçer ve bir araca daha çok güvenen insanlar onu daha az kontrol eder. METR’nin geliştiricileri, görevleri aslında yüzde 19 daha uzun sürerken yapay zekanın görev sürelerini yüzde 20 kısalttığına inandı.
Modeller geliştikçe doğrulama vergisi düşer mi?
Muhtemelen, ama kanıt zayıf. METR’nin sonraki turu hızlanmalara işaret etti, ancak seçim etkilerinin tahmini güvenilmez kıldığı uyarısını da yaptı. Verginin sizin işinizde düşüp düşmediğinin en iyi ölçüsü kendi hata kaydınızdır.
Bir ekipte kontrolün bedelini kim ödemeli?
Yazar, işi teslim etmeden önce. Kontrol edilmemiş çıktı aktarıldığında bedeli alıcı öder ve yazarın zaman tasarrufu rakamı ekibin gerçek kazancını olduğundan büyük gösterir.
Kaynaklar
- Becker, J., Rush, N., Barnes, B., Rein, D. (METR). Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity. arXiv 2507.09089, sürüm 2, Temmuz 2025. Ön baskı.
- Becker, J., Rush, N., Cunningham, T., Rein, D., Mahamud, K. (METR). We are Changing our Developer Productivity Experiment Design. METR araştırma notu, 24 Şubat 2026.
- Noy, S., Zhang, W. Experimental evidence on the productivity effects of generative artificial intelligence. Science 381(6654), 187-192, 2023 (yalnızca özet, PubMed üzerinden).
- Noy, S., Zhang, W. Experimental Evidence on the Productivity Effects of Generative Artificial Intelligence. MIT çalışma makalesi, 2 Mart 2023, hakem değerlendirmesinden geçmemiş.
- Brynjolfsson, E., Li, D., Raymond, L. Generative AI at Work. Quarterly Journal of Economics 140(2), 889-942, 2025 (yalnızca özet).
- Dell’Acqua, F., McFowland, E., Mollick, E., Lifshitz, H., Kellogg, K. C., Rajendran, S., Krayer, L., Candelon, F., Lakhani, K. R. Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of Artificial Intelligence on Knowledge Worker Productivity and Quality. Organization Science 37(2), 2026 (yalnızca özet).
- Humlum, A., Vestergaard, E. Large Language Models, Small Labor Market Effects. Becker Friedman Institute Working Paper 2025-56, Eylül 2025’te güncellendi.
- Bick, A., Blandin, A., Deming, D. J. The Rapid Adoption of Generative AI. NBER Working Paper 32966, Şubat 2025’te revize edildi.
- Tai-Seale, M., vd. AI-Generated Draft Replies Integrated Into Health Records and Physicians’ Electronic Communication. JAMA Network Open 7(4), e246565, 2024.
- Garcia, P., Ma, S. P., vd. Artificial Intelligence-Generated Draft Replies to Patient Inbox Messages. JAMA Network Open 7(3), e243201, 2024.
- Lee, H.-P., Sarkar, A., Tankelevitch, L., Drosos, I., Rintel, S., Banks, R., Wilson, N. The Impact of Generative AI on Critical Thinking: Self-Reported Reductions in Cognitive Effort and Confidence Effects From a Survey of Knowledge Workers. CHI 2025, Microsoft Research.
- Vasconcelos, H., Jörke, M., Grunde-McLaughlin, M., Gerstenberg, T., Bernstein, M. S., Krishna, R. Explanations Can Reduce Overreliance on AI Systems During Decision-Making. Proceedings of the ACM on Human-Computer Interaction 7(CSCW1), Makale 129, 2023.
- Parasuraman, R., Manzey, D. H. Complacency and Bias in Human Use of Automation: An Attentional Integration. Human Factors 52(3), 381-410, 2010 (yalnızca özet).
- Goddard, K., Roudsari, A., Wyatt, J. C. Automation bias: a systematic review of frequency, effect mediators, and mitigators. Journal of the American Medical Informatics Association 19(1), 121-127, 2012 (yalnızca özet).
- Magesh, V., Surani, F., Dahl, M., Suzgun, M., Manning, C. D., Ho, D. E. Hallucination-Free? Assessing the Reliability of Leading AI Legal Research Tools. arXiv 2405.20362, 2024. Ön baskı.
- Dahl, M., Magesh, V., Suzgun, M., Ho, D. E. Large Legal Fictions: Profiling Legal Hallucinations in Large Language Models. Journal of Legal Analysis 16(1), 64-93, 2024.
- DORA (Google Cloud). Accelerate State of DevOps Report 2024. Google araştırması.
- DORA (Google Cloud). State of AI-assisted Software Development 2025. Google araştırması.
- Stack Overflow. 2025 Developer Survey, yapay zeka bölümü. Şirket anketi (ticari).
- Workday. New Workday Research: Companies Are Leaving AI Gains on the Table. Basın bülteni, 14 Ocak 2026, Beyond Productivity: Measuring the Real Value of AI başlıklı anket raporu hakkında. Şirket beyanı (ticari); raporun tamamı açılmadı.
- BetterUp Labs ve Stanford Social Media Lab. Workslop: The Hidden Cost of AI-Generated Busywork. 1.150 ABD’li masa başı çalışanla anket, Eylül 2025. Şirket beyanı (ticari).
Bu makaledeki CEOtudent analizleri: doğrulama vergisi defteri (ilk tablo) ve ödeyenler tablosu (ikinci tablo), yayımlandığı haliyle rakamların CEOtudent derlemeleridir; yüzde 35,7 ve yüzde 17,6 oranları, 39 puanlık algı farkı ve yüzde 60’lık korunan pay, tek kaynaklardan yapılmış CEOtudent hesaplamalarıdır (haftalık 2,2 saatlik rakam Bick ve meslektaşları tarafından yayımlanmıştır ve yeniden kontrol edilmiştir); başa baş testi, kademeli protokol ve yedi soruluk kontrol CEOtudent editoryal çerçeveleridir ve işlenmiş örnek varsayılan, açıklayıcı girdiler kullanır. Bilinçli olarak kullanılmayanlar: yapay zekanın iş yüklerini artırdığına dair Upwork Research Institute 2024 rakamları (birincil sayfa erişim hatası verdi ve başka yollarla açılmadı); Harvard Business Review makalelerinden yayılan, vaka başına dakika düzeyindeki workslop rakamı, çünkü bu makaleler açılmadı (açılan BetterUp sayfası “2 hrs” yazıyor); ve Dell’Acqua çalışma makalesinden yaygın olarak alıntılanan kalite artışı yüzdesi, çünkü burada açılan yayımlanmış özet yalnızca “kaliteyi önemli ölçüde iyileştirdi” diyor.
Bu içerik, derinlemesine bir araştırmanın ardından yapay zeka desteğiyle derlenmiş ve CEOtudent editör ekibi tarafından yazılıp yayına hazırlanmıştır.
