Kısaca. Performans puanları yapay zekadan çok önce de gürültülüydü. Scullen, Mount ve Goff’un iki büyük yönetici örneklemi üzerine yaptığı çalışmada, değerlendiricinin kendine özgü eğilimleri puan varyansının %62’sini ve %53’ünü açıkladı; kişinin gerçek performansı ise %21’ini ve %25’ini. Bir meta-analiz, amirlerin verdiği puanlarda ortalama değerlendiriciler arası güvenirliği 0,52 olarak buldu. ABD federal hükümetinin en son kurum geneli anketinde çalışanların yalnızca %47’si performans farklarının anlamlı biçimde tanındığını söyledi; bu, en düşük puan alan maddeydi. Yapay zeka ikinci bir çarpıklık ekliyor: 4.439 katılımcılı ön kayıtlı dört deneyde, yapay zekadan yardım alan kişiler, aynı yardımı bir insandan ya da geleneksel bir araçtan alanlara göre daha tembel ve daha az yetkin bulundu; dört ülkede yapılan bir deneyde ise standart bir sohbet botu kullanan kişi, aynı faydalı sonucu yapay zeka olmadan üreten birine göre 11,83 ile 24,72 puan (0-100 ölçeğinde) daha az övgü aldı. CEO hamlesi: sonucu, sahiplenilen kararları, yapılan doğrulamayı ve yaratılan kaldıracı birbirinden ayıran haftalık bir katkı günlüğü tutun ve değerlendiricinin kontrol edebileceği kanıtlarla gelin. Öğrenci hamlesi: günlüğü her ay okuyun; işinizin hangi kısımlarını yapay zekanın üstlendiğini ve sırada hangi muhakeme becerilerini geliştirmeniz gerektiğini görün.
Bu yazı, CEOtudent’in bilgi işi çıktısını nasıl ölçersiniz rehberinin üzerine oturan değerlendirme belgelendirme katmanıdır. Yapay zekadan hiç bahsedip bahsetmemek patronunuza yapay zeka kullandığınızı söylemeli misiniz yazısında ele alınıyor; kanıtları bir ücret talebine dönüştürmek ise yapay zeka çıktınızı katladığında zam pazarlığı yazısında.
Bu değerlendirme dönemi neden farklı?
İşte yapay zeka kullanımı, işverenlerin çoğu bunun nasıl değerlendirilmesini istediklerini söylemeden önce kayda değer bir azınlık için sıradan hale geldi. Pew Research Center, Eylül 2025’te ABD’li çalışanların %21’inin işlerinin en azından bir kısmının yapay zekayla yapıldığını söylediğini buldu; bu oran yaklaşık bir yıl önce %16’ydı. Şubat 2026 tarihli bir Pew anketinde çalışan yetişkinlerin %38’i iş görevleri için yapay zeka sohbet botları kullandığını bildirdi. Kurallar tarafında, Şubat 2025’te yayımlanan bir Pew anketi, serbest çalışmayan çalışanların yarısının işverenlerinin iş yerinde sohbet botu kullanımını ne teşvik ettiğini ne de caydırdığını söylediğini ortaya koydu; %12’si işverenlerinin teşvik ettiğini, %8’i ise caydırdığını belirtti. İş için sohbet botu kullanmış çalışanların %40’ı bu araçları işleri daha hızlı yapmak için son derece ya da çok faydalı bulurken, %29’u kaliteyi artırmak için çok faydalı buldu.
Yani bir yöneticinin bu yıl değerlendireceği işin giderek artan bir kısmı, çoğu zaman yazılı olmayan kurallar altında ve çoğunlukla daha iyi değil daha hızlı olacak şekilde, bir miktar yapay zeka yardımıyla üretildi. Değerlendirici, sonucun ne kadarının kişiye ait olduğuna karar vermek zorunda. Kanıt olmadığında bu karar izlenime kalır ve değerlendirmelerin en zayıf olduğu yer de tam burasıdır.
Bir performans puanı en baştan ne kadar güvenilir?
Tablo 1. Araştırmalar performans puanlarının güvenirliği hakkında ne söylüyor (rakamlar yayımlandığı gibi)
| Çalışma | Veri | Yayımlandığı haliyle bulgu |
|---|---|---|
| Scullen, Mount ve Goff, Journal of Applied Psychology, 2000 | İki yönetici örneklemi (n = 2.350 ve n = 2.142); her biri 3 boyutta 7 değerlendirici tarafından puanlandı: 2 amir, 2 meslektaş, 2 ast ve kişinin kendisi | Değerlendiriciye özgü etkiler varyansın %62’si ve %53’ü; değerlendirilenin genel ve boyutsal performansı %21 ve %25; rastgele hata %11 ve %18 |
| Viswesvaran, Ones ve Schmidt, Journal of Applied Psychology, 1996 | 10 boyut ve genel performans genelinde puan güvenirliğine ilişkin meta-analiz | Amirlerin genel iş performansı puanlarında ortalama değerlendiriciler arası güvenirlik: 0,52; amir puanları meslektaş puanlarından daha güvenilir görünüyor |
| Jackson ve diğerleri, Human Performance, 2022 | Yeniden analiz edilen iki örneklem (392 değerlendirilen, 244 değerlendirici; 342 değerlendirilen, 397 değerlendirici) | Yapı ağırlıklı olarak genel (varyansın %27’sinden fazlası) ve değerlendiriciyle ilişkili (%49’dan fazlası); boyut etkileri %1 ile %11 arası |
Kaynaklar: Scullen ve diğerleri ile Viswesvaran ve diğerleri (özetler), Jackson ve diğerleri (kabul edilmiş makale metni). Scullen’ın verileri gelişim amaçlı çok kaynaklı puanlardı, ücrete bağlı değerlendirmeler değil.
0,52 rakamı tartışmalıdır: Jackson ve ortak yazarları, bu rakamın değerlendiriciyle ilişkili tüm varyansın değerlendirici yanlılığı olduğunu varsaydığını belirtiyor; değerlendiriciler bir işin gerçekten farklı yönlerini görüyor olabileceğinden, diğer araştırmacılar bu varsayıma itiraz etti. Genellenebilen şey yöndür: tek bir puan, değerlendiricinin kendisinden büyük bir pay taşır.
Çalışanlar bunu fark ediyor. Bir danışmanlık ve araştırma şirketi olan Gallup, 2019’da çalışanların yalnızca %14’ünün performans değerlendirmelerinin kendilerine gelişme ilhamı verdiğine kesinlikle katıldığını, 2018’de ise yalnızca %21’inin kendi kontrolleri altında performans ölçütleri olduğuna kesinlikle katıldığını bildirdi.
Madde düzeyinde sonuç sunan en büyük kamuya açık anket, ABD Personel Yönetimi Ofisi’nin (OPM) Federal Employee Viewpoint Survey’idir. 2024 sürümü (Nisan 2025’te revize edildi), Ekim 2026 itibarıyla OPM’nin raporlar sayfasında listelenen en son kurum geneli yönetim raporudur. 674.000’den fazla çalışan yanıt verdi; yanıt oranı %41.
Tablo 2. Hesap verebilirlik ve takdir, 2024 Federal Employee Viewpoint Survey (kurum geneli olumlu yüzde, yayımlandığı gibi)
| Madde | Olumlu yüzde |
|---|---|
| “Amirim beni sonuçlara ulaşmaktan sorumlu tutar.” (S. 53) | %88 |
| “Ürettiğim işin kalitesinden sorumlu tutulurum.” (S. 11) | %87 |
| “İyi bir iş çıkardığınızda aldığınız takdirden ne kadar memnunsunuz?” (S. 69) | %57 |
| “Çalışma birimimde performans farkları anlamlı biçimde tanınır.” (S. 17) | %47, en düşük puan alan madde |
Kaynak: ABD Personel Yönetimi Ofisi, 2024 FEVS Governmentwide Management Report ve madde çalışma kitabı (S. 17: %26,3 nötr, %27,2 olumsuz).
Neredeyse her on kişiden dokuzu sonuçlardan sorumlu tutulduğunu söylüyor; yarısından azı performans farklarının anlamlı biçimde tanındığını söylüyor. Bu 40-41 puanlık fark, bir sistemin işin yapıldığını görebildiği ama ne kadar iyi yapıldığını ya da kime ait olduğunu göremediği durumda katkının nasıl göründüğünü anlatıyor.
Değerlendirici gürültüsü kanıtlarınız için ne anlama geliyor?
Tek bir izlenim zayıf bir kanıtsa çözüm daha kendinden emin bir izlenim değil, daha fazla bağımsız kanıttır.
Tablo 3. Sinyal, değerlendirici gürültüsü ve bağımsız kanıtın değeri (Scullen ve diğerleri 2000 ile Viswesvaran ve diğerleri 1996’nın CEOtudent analizi)
| Ölçü | Değer | Türetme |
|---|---|---|
| Değerlendirilenin performansına göre değerlendiriciye özgü etki | 2,95 kat (veri seti 1); 2,12 kat (veri seti 2) | 62/21; 53/25 |
| Değerlendiriciye özgü etki artı rastgele hata | Varyansın %73’ü ve %71’i | 62 + 11; 53 + 18 |
| Tek bir amirin genel puanının güvenirliği | 0,52 | Yayımlandığı gibi |
| Beklenen güvenirlik, 2 / 3 / 4 bağımsız değerlendiricinin ortalaması | 0,68 / 0,77 / 0,81 | Spearman-Brown formülü |
| 0,70 / 0,80’e ulaşmak için gereken bağımsız değerlendirici sayısı | 3 / 4 | k için çözülmüş Spearman-Brown, yukarı yuvarlanmış |
Spearman-Brown, paralel ve bağımsız değerlendiriciler varsayar; gerçek değerlendiriciler nadiren böyledir. Bu rakamları bir üst sınır örneği olarak okuyun.
Sizi kaç kişinin değerlendireceğini seçemezsiniz. Ama her iddianın arkasında kaç bağımsız, kontrol edilebilir olgu durduğunu seçebilirsiniz: sahibi başka biri olan bir metrik, o anda yazılmış bir karar notu, teyit edilmiş ve yakalanmış bir hata. Tablo bir yasa değil bir benzetmedir; ama mütevazı ve doğrulanabilir üç olgunun neden etkileyici tek bir sıfattan daha güvenilir biçimde ikna ettiğini açıklar.
Değerlendiriciler yapay zekanın yardım ettiği işi nasıl yargılıyor?
En güçlü kanıt, Duke Üniversitesi Fuqua School of Business’tan Reif, Larrick ve Soll’dan geliyor (PNAS, 2025).
Tablo 4. Yapay zeka kullanmanın sosyal değerlendirme cezasına ilişkin kanıt (Reif, Larrick ve Soll, 2025; rakamlar yayımlandığı gibi)
| Çalışma | Tasarım ve örneklem | Temel sonuç |
|---|---|---|
| 1 | 500 katılımcı işte üretken yapay zeka aracı ya da gösterge paneli aracı kullandığını hayal etti (N = 497 analiz edildi) | Yapay zekayla daha tembel (3,25’e karşı 2,72) ve daha az yetkin (4,72’ye karşı 5,45) görüleceklerini bekliyorlardı; bunu yöneticilere açıklama olasılıkları daha düşüktü (4,91’e karşı 5,25) |
| 2 | 1.215 katılımcı 384 kısa senaryodan bir çalışanı değerlendirdi (N = 1.203 analiz edildi) | Yapay zekadan yardım alan çalışan, yapay zeka dışı bir kaynaktan yardım alana (2,16) ya da hiç yardım almayana (2,02) göre daha tembel (2,50) bulundu; ayrıca daha az yetkin, çalışkan, bağımsız ve özgüvenli; yaş, cinsiyet ya da meslek kaynaklı bir düzenleyici etki yok |
| 3 | 801 gerçek aday ve 1.718 yönetici katılımcı, teşvik uyumlu işe alım (N = 1.667 analiz edildi) | Ortalama göreve uygunlukta fark yok; ancak yapay zekayı daha az kullanan yöneticiler yapay zekayı hiç kullanmayan adayı, sık kullananlar ise her gün kullanan adayı tercih etti |
| 4 | 1.006 katılımcı serbest çalışan (gig) bir işçi işe aldı (N = 1.002 analiz edildi) | Yapay zeka kullanıcıları daha tembel görüldü ve bu, göreve uygunluk puanını düşürdü. Manuel görev: 4,75 (geleneksel araçlar) ve 4,18 (yapay zeka). Yapay zekanın faydalı olduğu dijital görev: 5,58 ve 5,75, anlamlı değil (P = 0,112) |
4.439’luk toplam, Çalışma 3’ün adaylarını değil yöneticilerini sayıyor.
Bir değerlendirme için üç ayrıntı önemli. Ceza, hırs ya da baskınlıkla değil, atfedilen çaba ve yetenekle (tembellik, yetkinlik, çalışkanlık) ilgiliydi. Değerlendiriciye bağlıydı: Çalışma 4’te tembellik farkı, yapay zekayı hiç kullanmamış, bir iki kez denemiş ya da ara sıra kullanan katılımcılar arasında anlamlıydı; haftalık ya da günlük kullanıcılar arasında değildi. Ve uygunluğa bağlıydı: yapay zekanın görev için açıkça faydalı olduğu durumda göreve uygunluk cezası ortadan kalktı. Yalnızca “yapay zeka kullandı” ifadesini gören bir değerlendirici boşluğu çabaya ilişkin bir atıfla doldurur; kararı, kontrolü ve aracın neden göreve uygun olduğunu gören bir değerlendiricinin ise övgüyle karşılayacak başka bir şeyi vardır.
Yapay zeka yardım ettiğinde övgüyü kim alıyor?
Porsdam Mann ve meslektaşları Nature Machine Intelligence’ta (2023) üretken yapay zekanın bir övgü-suç asimetrisi yarattığını savundu; bir takip makalesi bunu yapay zeka kullanımının “övgü kazanmanın çıtasını yükselttiği, ama suç atfetme standartlarının aynı kaldığı” bir durum olarak özetliyor.
Earp, Porsdam Mann ve ortak yazarları bunu Birleşik Krallık, ABD, Çin ve Singapur’da temsili örnekleme dayanan ön kayıtlı bir deneyle (N = 1.802) test etti. Kurgusal bir yazar, standart bir büyük dil modeliyle, yazarın kendi geçmiş çalışmaları üzerinde kişiselleştirilmiş bir modelle ya da yapay zeka olmadan, metne hızla göz gezdirdikten sonra bir blog yazısı yayımladı. Katılımcılar faydalı bir yazı için övgüyü ya da zararlı bir yazı için suçu 0’dan 100’e kadar puanladı.
| Ülke | Övgü farkı: yapay zekasız eksi standart büyük dil modeli | Övgü farkı: kişiselleştirilmiş eksi standart büyük dil modeli |
|---|---|---|
| Birleşik Krallık | 18,51 puan | 14,31 puan |
| Amerika Birleşik Devletleri | 24,72 puan | 17,56 puan |
| Çin | 11,83 puan | 5,13 puan (anlamlı değil) |
| Singapur | Mevcut değil (kontrol grubu bir programlama hatası nedeniyle çıkarıldı) | 17,60 puan |
Kaynak: Earp ve diğerleri, Annals of the New York Academy of Sciences, 2024, Tablo 1 (Bonferroni düzeltmeli; standart eksi kişiselleştirilmiş karşılaştırmaları pozitif farklar olarak yeniden ifade edildi).
Yazarın kendi geçmiş çalışmaları üzerinde eğitilmiş bir modelle yapılan faydalı yazıya verilen övgü, kontrol grubu bulunan hiçbir ülkede yapay zekasız yazıya verilen övgünün anlamlı biçimde altında değildi; katılımcılar içeriğin kaynağını gerekçe gösterdi. Suç, Çin dışında yapay zekanın türüne neredeyse hiç bağlı değildi ve Birleşik Krallık’taki katılımcılar herhangi bir model kullandığı için yazarı daha fazla suçladı.
Draxler ve meslektaşları (iki çalışma, n = 30 ve n = 96) buna AI Ghostwriter Effect’i (Yapay Zeka Hayalet Yazar Etkisi) ekliyor: kullanıcılar kendilerini yapay zekanın ürettiği metnin sahibi olarak görmedi ama yapay zeka yazarlığını da açıkça beyan etmedi. Metin üzerinde daha fazla etki, sahiplik duygularını artırdı.
Tablo 5. Yapay zeka destekli işin değerlendirilmesini ne etkiliyor ve ne belgelenmeli (Reif ve diğerleri 2025, Earp ve diğerleri 2024 ve Draxler ve diğerleri 2023’ün CEOtudent analizi)
| Çalışmaların değiştirdiği şey | Değerlendirme üzerindeki etkisi | Bunu karşılayan belgelendirme |
|---|---|---|
| Özdeş yardımın kaynağı | Tembellik, yapay zeka dışı yardıma göre 0,34, hiç yardım almamaya göre 0,48 daha yüksek (Reif Çalışma 2) | Size ait kalan çabayı adlandırın: çerçeveleme, kararlar, kontroller |
| Değerlendiricinin kendi yapay zeka kullanımı | Ceza, kullanmayanlar ve ara sıra kullananlar için anlamlı, haftalık ya da günlük kullananlar için değil (Reif Çalışma 4) | Değerlendirmenin yapay zekaya en az aşina okuru için yazın |
| Yapay zekanın göreve uygun olup olmadığı | Manuel görevde 0,57’lik göreve uygunluk cezası; dijital görevde anlamlı ceza yok (Reif Çalışma 4) | Aracın neden uygun olduğunu ve nerede kullanılmadığını belirtin |
| İçeriğin kaynağı | Standart büyük dil modeliyle verilen övgü, yapay zekasız kontrolün 11,83 ile 24,72 puan altında, ortalama 18,35; kişiselleştirilmiş model anlamlı biçimde altında değil (Earp) | Sizden geleni gösterin: veri, önceki analiz, yapı |
| Metin üzerindeki etki | Daha fazla etki, daha fazla hissedilen sahiplik (Draxler) | Değiştirdiğiniz şeyin önceki ve sonraki sürümlerini saklayın |
Bunlar çevrim içi ya da laboratuvar bulgularıdır, gerçek değerlendirmeler üzerinde ölçülmüş etkiler değildir; sağdaki sütun CEOtudent’in çıkarımıdır.
Yapay zeka işinizi fark etmeden nerede kötüleştiriyor?
Dell’Acqua ve meslektaşlarının Boston Consulting Group ile yaptığı ön kayıtlı deneyde (758 bilgi çalışanı; Organization Science, 2026), GPT-4 kullanan katılımcılar yapay zeka yeteneğinin sınırları içindeki 18 görevde %12,2 daha fazla görev tamamladı ve %25,1 daha hızlı çalıştı; ancak bu sınırın dışındaki bir yönetsel görevde doğru çözüm üretme olasılıkları %19 daha düşüktü. Yazarlar buna pürüzlü teknolojik sınır diyor.
Bu, müdahaleleri kayda geçirmenin en güçlü gerekçesidir. Bir projedeki en değerli hamleniz, kendinden emin ama yanlış bir model yanıtını reddetmek olabilir ve hata hiç yayına çıkmadığı için bu hamle iz bırakmaz. Kontrolün zaman maliyeti doğrulama vergisi yazısında, beceri değerlendirme becerisi yazısında, kontrollü çalışmalardaki kazanımlar ise yapay zeka üretkenlik paradoksu yazısında ele alınıyor.
İşin bir kısmını yapay zeka yaptığında katkınız olarak ne sayılır?
Küme merkezindeki Katkı Merdiveni neyin ölçüleceğini söylüyor. Bu model ise neyin belgeleneceğini söylüyor.
Tablo 6. Yapay Zeka Çağı Katkı Modeli (CEOtudent editoryal çerçevesi)
| Katman | Sayılan kanıt | Sayılmayan kanıt | Yapay zeka bunu nasıl değiştiriyor |
|---|---|---|---|
| A. Teslim edilen sonuç | Sahibi başka biri olan bir metrik hareket etti; işiniz üzerine bir karar alındı; bir risk kapandı | Taslaklar, sunumlar, iş kayıtları, saatler, araç istatistikleri | Hacim artık ucuz, bu yüzden ağırlığı sonuçlar taşıyor |
| B. Sorunu çerçeveleme ve karar yetkisi | Seçenekleri, seçimi, gerekçeyi ve onayı içeren tarihli not | Neyin reddedildiğine dair kaydı olmayan cilalı bir belge | Yapay zeka saniyeler içinde seçenek üretiyor; birini seçmek ve sahiplenmek kıt |
| C. Doğrulama ve hata yakalama | Düzeltilen çıktıların, her hatanın neye mal olacağının ve nasıl bulunduğunun kaydı | Neye göre olduğu söylenmeden “gözden geçirildi” | Pürüzlü sınır bu katmanı hem büyütüyor hem de daha görünmez kılıyor |
| D. Başkaları için yaratılan kaldıraç | Başkalarının benimsediği şablonlar, istemler (prompt), kontrol listeleri ya da veriler; yeniden kullanım sayısı | Başka kimsenin kullanamayacağı kişisel hız | Yapay zeka iş akışları kolayca paylaşılıyor, bu yüzden kaldıraç ilk kez ölçülebilir hale geliyor |
| E. Öğrenme hızı | Tarihli yeni sorumluluklar; geçen dönem olmayan ve işte gösterilen bir beceri | Uygulamada kullanılmayan sertifikalar | Yapay zekanın üstlendiği görevler sürekli değişiyor; yerinde saymak yavaş bir gerilemedir |
B ve C katmanları, yapay zeka destekli işin en az takdir edildiği yerlerdir, çünkü bunlar Reif ve Earp’ün değerlendiricilerinin göremediği şeylerdir. Karar günlüğü protokolü B katmanı için doğal bir yuvadır; yapay zeka yönetim rehberi ise yan etki olarak C katmanı kanıtı üretir.
Haftalık katkı günlüğü
Her haftalık gözden geçirmenin sonuna eklenen kısa bir blok, değerlendirme dönemini bir hafıza egzersizinden bir düzenleme egzersizine dönüştürür.
Tablo 7. Haftalık katkı günlüğü alanları (CEOtudent editoryal çerçevesi)
| Alan | Ne yazılmalı |
|---|---|
| Tarih ve proje | Hafta, proje, paydaş |
| Sonuç | İşin yaratması beklenen değişiklik ve o metriğin sahibi |
| Sahiplenilen karar | Seçim, reddedilen seçenekler, gerekçe |
| Yapay zekanın rolü | Aracın hangi kısımları taslak olarak yazdığı, özetlediği ya da hesapladığı ve hangilerine dokunmadığı |
| Doğrulama | Neyin, hangi kaynağa göre kontrol edildiği ve ne bulunduğu |
| Yakalanan hata ya da müdahale | Modelin neyi yanlış yaptığı ve bunun neye mal olacağı |
| Kaldıraç | Başkalarının neyi yeniden kullanabileceği ve kimin kullandığı |
| Öğrenme notu | Neyin yeni, zor ya da ilk kez yapay zekaya devredilmiş olduğu |
| Kanıt işaretçisi | Kanıtın nerede durduğu: dosya, iş kaydı, mesaj, gösterge paneli |
Örnek amaçlı günlük kaydı (her değer örnek amaçlı bir varsayımdır, veri değildir). Hafta 14, üç aylık tedarikçi raporu. Sonuç: rapor döngü süresi 5 günden 2 güne indi, %60’lık bir azalma; metriğin sahibi finans sorumlusu. Karar: kullanılmayan iki eski metrik, finans sorumlusunun talep ettiği tek bir nakit zamanlaması ölçüsü lehine çıkarıldı. Yapay zekanın rolü: anlatıyı ve ilk geçiş varyans tablosunu taslak olarak yazdı; veri çekimine dokunmadı. Doğrulama: her toplam, muhasebe defteri dökümüyle mutabakata tabi tutuldu; iki kez sayılmış iki alacak dekontu bulundu. Müdahale: var olmayan bir sözleşme maddesine dayanan bir varyans açıklaması reddedildi. Kaldıraç: mutabakat kontrol listesi artık iki meslektaş tarafından kullanılıyor. Öğrenme: ilk nakit zamanlaması ölçüsü; sıradaki beceri bunun tahminini yapmak. Kanıt: sürüm geçmişi ve kontrol listesi dosyası.
Öz değerlendirme paragrafı şablonu
Her köşeli parantezi doldurun ve destekleyemediğiniz her cümleyi silin.
[Dönem] içinde [proje], [paydaş] tarafından sahiplenilen [metrik] ile ölçülen [sonucu] sağladı ve [başlangıç değeri] seviyesinden [sonuç değeri] seviyesine taşıdı. Kilit karar, [gerekçe] nedeniyle [alternatif] yerine [seçim] oldu. Yapay zeka araçları [belirli kısımlar] için kullanıldı; [adı verilen kısımlar] araçlar olmadan yapıldı. Her [rakam ya da iddia], [kaynak] ile kontrol edildi ve bu kontrol [sayı] hata yakaladı; bunlardan biri olan [önemli olan hata], [sonuç] doğuracaktı. Bu çalışma sırasında oluşturulan [şablon ya da iş akışı] artık [kimler] tarafından kullanılıyor. Sıradaki adım [daha zor sorumluluk] ve bu, [beceri] geliştirmeyi gerektiriyor.
Yapay zeka cümlesi kısa, olgusal ve işin belirli kısımlarına bağlı. Değerlendiricinin aksi halde bir varsayımla yanıtlayacağı soruyu yanıtlıyor ve aracı uygun olduğu bir göreve bağlıyor; bu, Reif cezasının ortadan kalktığı koşuldur.
Her başarı için altı soruluk test
En az beşini geçen başarıları tutun.
- Sahip testi. Sonuç, sahibi başka biri olan bir sayı ya da kararla mı ölçülüyor?
- Karşı olgu testi. Aracın ilk çıktısı kabul edilseydi sonuç daha kötü, daha geç ya da yanlış olur muydu?
- Karar testi. Reddedilen seçenek ve gerekçesi adlandırılabiliyor mu?
- Doğrulama testi. Neyin, neye göre kontrol edildiği ve ne bulunduğu açık mı?
- Kanıt testi. Şüpheci bir değerlendiricinin iki dakikada açabileceği bir belge ya da çıktı var mı?
-
Beyan testi. Yapay zekanın dahli, işvereninizin politikasının ve müşteri sözleşmelerinin gerektirdiği düzeyde doğru biçimde tanımlanmış mı?
-
soru iki yönlü keser. Yapay zekanın ürettiği işteki payınızı abartmak bir güvenilirlik riskidir ve çoğu zaman bir politika ihlalidir; işin içinde bir araç olduğu için kendi muhakemenizi küçümsemek ise kendi aleyhinize yapılmış bir ölçüm hatasıdır.
Yapay zeka kullanımını cezayı ödemeden nasıl beyan edersiniz?
Politika rejimine göre beyan kararı CEOtudent’in beyan rehberinde yer alıyor. Değerlendirme belgesi için deneyler üç kural öneriyor. İtiraf değil yöntem beyan edin: Çalışma 2’deki ceza, yapay zeka yardımından çıplak bir şekilde bahsedilmesine bağlıydı; bu yüzden aracın ne yaptığını ve sizin ne yaptığınızı söyleyin. Aracı göreve uygunluğa bağlayın: Çalışma 4’teki ceza, yapay zekanın açıkça faydalı olduğu yerde ortadan kalktı; bu yüzden neden uygun olduğunu söyleyin. Kaynağı gösterin: Earp deneyinde çıktı yazarın kendi çalışmasına dayandığında övgü geri geldi; bu yüzden verilerinize, analizinize, istemlerinize ve kontrol listelerinize işaret edin. Bunların hiçbiri adil bir puanı garanti etmez; yalnızca bir izlenimin kanıtın yerini aldığı alanı daraltır.
CEO hamlesi ve öğrenci hamlesi
CEO hamlesi. Değerlendirmeyi bir yönetim kurulu dosyası gibi ele alın: sonuçlar, arkalarındaki kararlar, yakalanan riskler, kurulan yetkinlikler. Haftalık günlüğü tutun, altı soruluk testi geçen üç ila beş başarı seçin, her birine bir kanıt işaretçisi ekleyin ve yöneticinizin en çok hangi metriğe ağırlık verdiğini önceden sorun.
Öğrenci hamlesi. Her ay “yapay zekanın rolü” ve “öğrenme notu” alanlarını birlikte okuyun. “Yapay zeka taslak olarak yazdı” kısmına kayan görevler yapay zeka tarafından üstleniliyor; bunun daha zor işler için zaman açıp açmadığına ya da hala ihtiyaç duyduğunuz bir beceriyi aşındırıp aşındırmadığına karar verin. Model hatalarının tekrar tekrar yakalanması, derinleştirmeye değer bir muhakeme becerisine işaret eder. Bir yıl içinde bu, neyin birikerek büyüdüğünü ve neyin değer kaybettiğini gösteren haritanıza dönüşür.
Bunun anlamı ne değil
- Puanlar rastgele değildir. 0,52 civarındaki güvenirlik hala bilgi taşır; tek bir izlenim yalnızca birkaç bağımsız olgudan daha zayıftır.
- Yapay zeka cezası size mutlaka yansımaz. Deneylerde geçmişi ve bağlamı olan gerçek değerlendirmeler değil, çevrim içi örneklemler, kısa senaryolar ve kısa görevler kullanıldı.
- Federal rakamlar işvereninizi anlatmaz; Gallup’un rakamları ise performans yönetimi hizmetleri satan bir şirketten geliyor.
- Yapay zeka kullanımını gizlemek çözüm değildir. Gizlemenin, deneylerin ölçmediği politika, sözleşme ve güvenilirlik riskleri vardır. İşvereninizin politikasına uyun.
- Bu, yayımlanmış araştırmalar hakkında genel bir bilgidir; hukuki ya da insan kaynakları tavsiyesi değildir. İzleme, beyan ve değerlendirmeye ilişkin kurallar ülkeye, sektöre ve sözleşmeye göre değişir.
Sıkça sorulan sorular
Teslim edilen işin çoğunu yapay zeka taslak olarak yazdıysa kişi bir sonucu sahiplenebilir mi?
Evet, kendisine ait kısımlar için: çerçeveleme, kararlar, doğrulama ve hesabı verilebilir sonuç; yapay zekanın rolü de doğru biçimde tanımlanarak. Earp deneyi, sonuç açıkça kişinin kendi önceki çalışmasına dayandığında değerlendiricilerin tam övgü verdiğini düşündürüyor.
Öz değerlendirmede yapay zekadan hiç bahsedilmeli mi?
Önce işveren politikasına uyun. Politika yoksa aracın ne yaptığına ve kişinin ne yaptığına dair belirli tek bir cümle, sessizlikten ya da belirsiz bir itiraftan genellikle daha güvenlidir.
Bir değerlendirmede kaç başarı yer almalı?
Kanıta dayalı bir sayı yok. Uzun bir listeden çok, iddia başına birkaç kontrol edilebilir olgu önemlidir; altı soruluk testi geçen üç ila beş başarı pratik bir CEOtudent kuralıdır, bir araştırma bulgusu değil.
Yönetici yapay zekaya şüpheyle bakıyorsa ne olacak?
Reif deneylerinde en güçlü cezanın görüldüğü koşul budur. Göreve uygunluğu açıklayın, kontrolleri gösterin ve sahibi başka insanlar olan sonuçlarla başlayın.
Yapay zeka hatalarını yakalamak performans sayılır mı?
Dell’Acqua deneyinde yapay zeka kullanıcılarının, aracın yeteneği dışındaki bir görevde doğru çözüme ulaşma olasılığı %19 daha düşüktü. Bunu önlemek gerçek bir değerdir, ama yalnızca ne bulunduğu ve neye mal olacağıyla birlikte kayda geçirilirse.
Bunun Katkı Merdiveni’nden farkı ne?
Merdiven, metrikleri değer hakkında ne kadar şey ortaya koyduklarına göre sınıflandırır. Bu model ise bir değerlendiricinin o değeri görebilmesi için belgelenecek kanıtı, ayrı bir doğrulama katmanıyla birlikte sınıflandırır.
Kaynaklar
- Scullen, S. E., Mount, M. K., ve Goff, M. (2000). Understanding the latent structure of job performance ratings. Journal of Applied Psychology, 85(6), 956-970 (yalnızca özet, Europe PMC üzerinden).
- Viswesvaran, C., Ones, D. S., ve Schmidt, F. L. (1996). Comparative analysis of the reliability of job performance ratings. Journal of Applied Psychology, 81(5), 557-574 (yalnızca özet, Shanghai University of Finance and Economics Library dizinine göre).
- Jackson, D. J. R., ve diğerleri (2022). Uncertainty about rater variance and small dimension effects impact reliability in supervisor ratings. Human Performance, 35(3-4), 278-301 (kabul edilmiş makale metni).
- Gallup (2019). More Harm Than Good: The Truth About Performance Reviews. Şirket tarafından yayımlanan makale.
- Gallup (2018). Re-Engineering Performance Management. Şirket tarafından yayımlanan makale.
- US Office of Personnel Management (2025). 2024 Federal Employee Viewpoint Survey Results: Governmentwide Management Report, Nisan 2025’te revize edildi.
- US Office of Personnel Management. 2024 FEVS governmentwide all levels, all index, all items report (xlsx).
- Reif, J. A., Larrick, R. P., ve Soll, J. B. (2025). Evidence of a social evaluation penalty for using AI. Proceedings of the National Academy of Sciences, 122(19), e2426766122.
- Porsdam Mann, S., Earp, B. D., ve diğerleri (2023). Generative AI entails a credit-blame asymmetry. Nature Machine Intelligence, yorum yazısı (yalnızca giriş özeti).
- Earp, B. D., Porsdam Mann, S., Liu, P., ve diğerleri (2024). Credit and blame for AI-generated content: Effects of personalization in four countries. Annals of the New York Academy of Sciences, 1542, 51-57.
- Draxler, F., ve diğerleri (2023). The AI Ghostwriter Effect: When Users Do Not Perceive Ownership of AI-Generated Text But Self-Declare as Authors. arXiv 2303.03283v2.
- Dell’Acqua, F., ve diğerleri. Navigating the Jagged Technological Frontier. Harvard Business School Working Paper 24-013; Organization Science, Mart-Nisan 2026 (yalnızca özet).
- Pew Research Center (2025). Workers’ experience with AI chatbots in their jobs. 25 Şubat 2025.
- Pew Research Center (2025). 21% of US workers use AI on the job, up since 2024. 6 Ekim 2025.
- Pew Research Center (2026). Americans and AI 2026: Chatbots, Smart Devices and Views on Impact. 17 Haziran 2026.
Tablo 3 ve 5, her tabloda adı geçen yayımlanmış rakamları yeniden hesaplayan ya da birleştiren CEOtudent analizleridir; Tablo 6 ve 7, öz değerlendirme şablonu ve altı soruluk test, atıf yapılan çalışmaların bulguları değil CEOtudent editoryal çerçeveleridir. Örnek günlük kaydı, örnek amaçlı olarak etiketlenmiş uydurma değerler kullanır. Bilinçli olarak kullanılmayan, yaygın biçimde tekrarlanan rakamlar: şirketlerin belirli bir oranının yıllık değerlendirmeleri bıraktığına dair iddialar ve yöneticilerin değerlendirme yazmak için yapay zeka kullandığına ilişkin tedarikçi anketi yüzdeleri; çünkü bu yazı için bunların birincil metni açılmadı.
Bu içerik, derinlemesine bir araştırmanın ardından yapay zeka desteğiyle derlenmiş ve CEOtudent editör ekibi tarafından yazılıp yayına hazırlanmıştır.
