Konuyu Kaçırmayın: Yapay Zekâ Kullanımının Performans Ölçütüne Dönüşmesini Nasıl Önlersiniz

Nisan 2026'nın başlarında, Meta'dan sızdırılan bir iç gösterge paneli, şirketin yaklaşık 85.000 çalışanını AI token tüketimine göre sıraladığını ortaya çıkardı. 

Token'lar, AI modellerinin işlediği veri birimleridir ve Meta'da biri, bunları saymanın AI'ı gerçekte kimin kullandığını takip etmek için yararlı bir yöntem olduğuna karar vermişti. En üst sıradaki kullanıcı, tek bir ayda 281 milyar token tüketmişti. Gösterge panelinde takip edilen toplam kullanım, panel kaldırılmadan önce 60 trilyon tokenı aşmıştı.

Kısa süre sonra Financial Times, Amazon'da da benzer bir durum yaşandığını bildirdi. Çalışanlar, şirketin AI girişimine katılım gösteriyormuş izlenimi oluşturmak için, özellikle AI kullanım sayılarını şişirmek amacıyla gereksiz görevleri otomatikleştiriyordu. 

Bu davranış o zamandan beri, bir şeyi en üst düzeye çıkarmak anlamında kullanılan Z kuşağı argo ifadesinden ödünç alınan “tokenmaxxing” adını aldı. Burada en üst düzeye çıkarılan şey, AI kullanımının üretmesi gereken sonuçtan ziyade, görünür AI kullanım performansı.

Dünyanın en büyük şirketlerinden ikisi, aynı dinamik ve bunun yayıldığını düşündüren bir isim.

Tokenmaxxing, bir teknoloji sorunundan çok performans yönetimi ve kültür sorunudur; ortaya çıkmasına neden olan ilk kararlar alındığında İK odada olsun ya da olmasın, bu durumun üzerinde İK ve operasyonların izleri vardır. 

Birileri teşviki belirledi. Birileri liderlik tablosunu oluşturdu ya da buna göz yumdu. Birileri tüketimin yetkinlik için makul bir gösterge olduğuna karar verdi. Bu makale, bunun nasıl gerçekleştiğini anlamak ve gerçekleşmeden önce ne yapılması gerektiğini ele alıyor.

Ölçüm Neden Yanlış Yapılır?

Kuruluşlar genellikle liderlik tablosu kültürleri oluşturmak üzere yola çıkmaz. Tokenmaxxing, şirketlerin AI'ın sunmasını gerçekten istediği şey ile şu anda ölçebildikleri şey arasındaki boşlukta ortaya çıkar.

23.000'den fazla ABD'li çalışanla Şubat 2026'da gerçekleştirilen bir Gallup araştırması, çalışan yetişkinlerin yarısının AI'ı yılda en az birkaç kez kullandığını ve AI'ı benimseyen kuruluşlardaki çalışanların, henüz benimsememiş kuruluşlardakilere kıyasla daha fazla değişim ve kadro kaygısı bildirdiğini ortaya koydu. 

Bu arada Gartner verileri, AI yatırımlarının yalnızca 50'de birinin dönüştürücü değer sağladığını ve yalnızca beşte birinin ölçülebilir bir ROI sunduğunu gösteriyor. McKinsey'nin 2025 AI'ın Durumu araştırması, hızlı benimsemeye rağmen çoğu kuruluşun kurumsal düzeyde değer elde etme konusunda hâlâ erken aşamalarda olduğunu ortaya koydu.

McKinsey'ye göre daha yüksek değerli sonuçları daha düşük değerli sonuçlardan ayıran şey, ham kullanım hacmi değil, iş akışının yeniden tasarlanması ve yönetişimdir.

Ancak yönetim kurulları ve CEO'lar bu nüansı hissetmez. Onlar aciliyeti hisseder ve bu aciliyet, benimsemenin görünür kanıtını talep etmeye dönüşür; bu talepler de gösterecek bir şey arayan orta kademe yöneticilere kadar ulaşır. AI'ın sonuçları gerçekten iyileştirip iyileştirmediğini ölçemediğinizde, buna en yakın şeyi, yani faaliyeti ölçersiniz. İşte gösterge paneli böyle ortaya çıkar.

Profesyonel ağ platformu Intch'in CEO'su Yakov Filippenko, bu durumu ofise dönüş zorunluluklarıyla paralel görüyor. Ona göre şirketler, kısmen hissedarlar pahalı ve boş binalara sahip olduğu için çalışanları ofislere geri gönderdi.

Şimdi de kuruluşlar, yatırımcılara AI devrimini kaçırmadıklarını göstermek için token yakıyor. Her iki durumda da meşru bir temel baskı — hissedar görünürlüğü, rekabetçi konumlanma — operasyonlardan ziyade görüntüyü destekleyen bir ölçüm üretti.

Meta CTO'su Andrew Bosworth, bu mantığı açıkça ortaya koyarak en iyi mühendisinin maaşına denk miktarda AI tokenı harcadığını ve bunun sonucunda "5 ila 10 kat daha üretken" olduğunu kamuoyuna açıkladı. "Yani, bu kolay para. Devam edin. Sınır yok." 

Dünyanın en etkili şirketlerinden birinde üst düzey bir teknoloji liderinden gelen, token harcamasını üretkenlik göstergesi olarak çerçeveleyen bu yaklaşım münferit bir görüş değildir. Bu yaklaşım, korelasyon ile nedensellik arasındaki farkı ayırt etmedeki daha geniş bir başarısızlığı yansıtır. Yüksek performans gösteren kişi tesadüfen çok sayıda token kullanır; böylece token'lar, yüksek performansın yan ürünü olmaktan ziyade nedeni gibi görünmeye başlar.

Bu hata hızla büyür. Üst yönetimden gelen bu çerçevenin desteklendiğini gören yöneticilerin mesajı içselleştirmesi için resmî bir liderlik tablosuna ihtiyacı yoktur. Hiç kimse sinyalin gönderilmesini amaçlamamış olsa bile davranış, sinyali takip eder.

Bunun Bedeli

Kullanım gösterge panelleri, insanlar bunları manipüle etmeye başlamadan önce bile AI üretkenliğini ölçmek için zaten güvenilmez bir yöntemdi.

Yasser Drif, Roman AI'ın kurucusu, müşteri tabanından elde ettiği ve faaliyet ile çıktı arasındaki farkın çoğu kuruluşun varsaydığından daha büyük olduğunu gösteren verileri paylaştı. İnsanlar tarafından başlatılan AI çalıştırmalarının yalnızca yaklaşık %24'ü yararlı bir çıktı üretiyor. Geri kalanı, hacim ölçümlerinin üretkenlik görüntüsüne dönüştürdüğü yineleme ve devam eden çalışmalardan oluşuyor. Temel durum bu. Tokenmaxxing ise bunu daha da kötüleştiriyor.

İlk maliyet, sinyal bozulmasıdır. Kullanım ölçüt hâline geldiğinde kullanım verileri güvenilmez olur. Artık en fazla yapay zekâ kullanan kişilere bakıp kimin iyi performans gösterdiği, öğrendiği veya değer kattığı konusunda güvenilir sonuçlara varamazsınız. 

Veriler manipüle edilmiştir ve bunu kimin yaptığını her zaman bilemezsiniz. Bunların üzerine kurulan her iş gücü analitiği bu kirlenmeyi miras alır.

İkinci maliyet daha derinlere iner. Çalışanlar yapay zekâ yetkinliğini geliştirmek yerine yapay zekâ konusundaki yeterlilik görüntüsünü optimize ettiğinde, gerçekten ihtiyaç duyduğunuz öğrenme koşullarını tersine çevirmiş olursunuz. Gerçek yapay zekâ yetkinliği geliştirme; başarısız deneyler de dâhil olmak üzere denemeler yapmayı ve neyin işe yaradığı konusunda dürüstçe rapor vermeyi gerektirir. 

Token kullanımını azamiye çıkarma kültürü, dürüstçe rapor vermeyi riskli hissettirirken yetkinliği kamuya açık biçimde sergileme baskısı yaratır. Bu koşullar birbiriyle bağdaşmaz.

Üçüncü maliyet, hiçbir şeyi manipüle etmeyen çalışanların başına gelenlerdir. Token tüketiminin görünür ve değerli hâle geldiği bir ortamda, güçlü sonuçlar üreten ancak manşetlere çıkacak rakamlar ortaya koymayan, dikkatli ve kapsamı iyi belirlenmiş yapay zekâ çalışmaları yapan kişi kendini geride kalmış hissetmeye başlar. 

Bu his, güvence verilerek ortadan kaldırılamaz. Gerçek yapay zekâ yetkinliği gelişimini güvensiz hissettirmenin en hızlı yolu, rakamlarını şişirmeyen kişilerin anlamadıkları bir yarışta kaybettiklerine inanmalarına izin vermektir.

Amazon, hakkını teslim etmek gerekirse, yarattığı soruna kullanım istatistiklerinin ekip genelinde görünürlüğünü kısıtlayarak yanıt verdi; böylece bu istatistikleri yalnızca kişiler ve doğrudan yöneticileri görebiliyordu. Bu, düzeltici bir önlemdir. Önleme ise sürecin daha erken bir aşamasında farklı türde bir eylem gerektirir.

Bunu Nasıl Önleyebilirsiniz?

Bir İK Direktörü veya Operasyon Direktörü için pratik soru, nereden başlanacağıdır. "Girdileri değil, sonuçları ölçün" sözü doğrudur ancak kimseye pazartesi sabahı neyi değiştirmesi gerektiğini söylemez.

Şu anda nelerin takip edildiğini ve bunları kimin gördüğünü denetleyerek başlayın. Filippenko, doğrudan ücretlendirmeye bağlı her yapay zekâ benimseme KPI'ının acil bir uyarı işareti olduğunu belirtiyor.

Şirketi kuruluşlar genelinde kullanılan yapay zekâ araçları geliştiren Roman AI'ın kurucusu Yasser Drif, pratik bir başlangıç noktası öneriyor.

Ekibinin dikkat ettiği uyarı işaretleri arasında, kendisine bağlı herhangi bir teslim çıktısı olmayan yüksek harcama yapan kullanıcılar, bir görevin durum değişikliği olmadan on veya daha fazla yapay zekâ etkileşimi biriktirdiği kullanım şişirmesi ve kullanım kredilerinin orantısız bir bölümünü tüketirken çok az tamamlanmış iş üreten tek bir yapay zekâ öncüsü bulunuyor. Gösterge tablolarınız "neyin kullanıma sunulduğu" sorusunu yanıtlayamıyorsa, bu düzeltilmesi gereken ilk sorundur.

Kuruluşunuzda çalışanlar arası görünürlüğe sahip yapay zekâ kullanım gösterge tabloları varsa veya kullanım hacmi performans değerlendirmesinde, hedef belirleme döngüsünde ya da yönetici raporlama sürecinde herhangi bir yerde yer alıyorsa, token kullanımını azamiye çıkarma riskinin mevcut olduğu yerler bunlardır. Soru, verilerin toplanıp toplanmadığı değil; hacim yerine kalite etrafında rekabet baskısı yaratacak biçimlerde görünür olup olmadığıdır.

Sonuç odaklı yapay zekâ ölçümü, işlev alanına göre farklı görünür. Satış bağlamında, bir satış temsilcisinin kaç istem gönderdiğini değil, yapay zekâ destekli erişimin dönüşüm oranlarını iyileştirip iyileştirmediğini takip edebilir. Operasyonlarda ise sistem kullanım günlükleri yerine yapay zekâ destekli süreçlerdeki çevrim süresi azalmasını veya hata oranını takip edebilir. 

Tasarım ilkesi hepsi için aynıdır. Kullanımın kendisini değil, yapay zekâ kullanımının ardından aşağı akışta neyin değiştiğini ölçün. Bunun için işlev liderleri ile İK'nın ölçüm çerçeveleri oluşturulmadan önce, sonrasında değil, "daha iyi"nin gerçekte neye benzediği konusunda iş birliği yapması gerekir.

Hangi mesajı veriyorsunuz?

Liderlik iletişiminin de ölçütlerle birlikte yeniden ayarlanması gerekiyor. Çalışanların yapay zekâ hakkında duyduğu tek mesaj benimseme oranları ve kullanım kilometre taşlarıyla ilgiliyse, verilen örtük sinyal izlenen şeyin tüketim olduğudur. 

Gerçek yapay zekâ yetkinliği geliştirmek isteyen liderlerin belirli sonuçlar hakkında konuşması gerekir: yapay zekânın bir ekibin çalışma biçimini nasıl değiştirdiği, belirli bir deneyin kuruluşa ne öğrettiği, bir uygulamanın nerede başarısız olduğu ve bunun neleri ortaya çıkardığı. Bu tür bir hikâye anlatımı, kuruluşun öğrenme performansına değil, öğrenmeye değer verdiğini gösterir.

Token kullanımını azamiye çıkarma davranışının zaten görüldüğü bir ekipte rotayı düzeltmek özen gerektirir. Bir ölçütü kendi çıkarına kullanan çalışanlar genellikle liderliğin oluşturduğu bir sinyale karşılık veriyordu. Bunu bireysel bir davranış sorunu olarak ele almak bu gerçeği gözden kaçırır ve dürüstçe raporlama yapmanın güvensiz hissettirdiği koşulları tam olarak yaratır.

Filippenko, "Çalışanlarınız yalnızca bir kutuyu işaretlemek için anlamsız işler yapmaya razıysa, bu bir ölçüt sorunu değildir," diyor. Bu, operasyonel çürümedir.

Bunu düzeltmek, çalışanlardan davranışlarını değiştirmelerini istemeden önce liderliğin gönderdiği sinyali kabul etmesi anlamına gelir.

Yöneticiler için daha verimli yaklaşım, kuruluşun gerçekte neye önem verdiğine ilişkin beklentileri yeniden belirlemek ve ardından insanlara gerçek yetkinliklerini göstermeleri için bir yol sunmaktır. Bu, yalnızca eski ölçütün kaldırılması değil, sonuç odaklı başarının takdir edildiğine dair görünür örnekler sunulması anlamına gelir.

Drif'in önerdiği müdahale açık ve dikkate değer: ölçütün adını kamuya açık biçimde "yapay zekâ kullanımı" yerine "yapay zekâ ile tamamlanan işler" olarak değiştirmek. Bu yeniden adlandırma, eski ölçütün yarattığı davranış nedeniyle hiç kimseyi hedef göstermeye gerek kalmadan kuruluşun gerçekte neye değer verdiğini insanlara iletir.

Belirsizlikte Yol Almak

Buradaki daha derin disiplin, belirsizliğe karşı sabırlı olmaktır. Çoğu kuruluş henüz yapay zekânın iş sonuçlarına katkısını kesin biçimde ölçebilecek durumda değil ve bu arada bir şeyler gösterme baskısı gerçek. Gösterge panoları ve liderlik tabloları bu boşluğu doldurur, çünkü sayılar üretirler ve sayılar hesap verebilirlik hissi verir. 

Sorun, ürettikleri hesap verebilirliğin yanlış şeye yönelik olmasıdır. İnsanları sonuçlardan sorumlu tutan ölçüm sistemleri oluşturmak daha uzun sürer ve daha fazla işlevler arası tasarım çalışması gerektirir; ayrıca sonunda daha iyi kararlar almak için ihtiyaç duyacağınız verileri bozmayan tek yaklaşım budur.

Token kullanımını azamiye çıkarma davranışı bir erken uyarıdır, varılacak nokta değil. Bunu şimdi ciddiye alınması gereken bir kültür sinyali olarak ele alın; böylece ileride çok daha temiz performans verilerine ve çok daha sağlıklı bir yapay zekâ benimsemesine sahip olursunuz.