Yapay zekanın üretkenlik üzerindeki gerçek etkisi nedir?

Yapay zeka son on yılın hikayesi haline geldi, ancak kamuoyundaki tartışmaların çoğu halihazırda sahada olup bitenleri gözden kaçırıyor.

Etkiler uzak laboratuvarlarda veya teorik tahminlerde gizli değildir. Bunları ekipman siparişleri, kurumsal bütçeler, elektrik şebekeleri gibi ölçümlerde ve hatta stok odaklı tüketici harcamalarında bulabilirsiniz.

Yapay zeka, daha büyük bir şeye dönüşen küçük şekillerde ortaya çıkıyor. Bazı firmalar daha hızlı çalışıyor, bazı işler şekil değiştiriyor ve tüm sektörler üç yıl önce var olmayan yazılımlar etrafında yeniden organize oluyor.

Yapay zekanın henüz bir etki yaratmadığı fikri artık doğru değil. Ancak önemli olan, etkinin nerede görüldüğünü ve resmi üretkenlik rakamlarının neden daha yeni hareket etmeye başladığını anlamaktır.

Yapay zeka şu ana kadar rakamları ne kadar değiştirdi?

En temiz veriler, yapay zekanın etkisini iş unvanları yerine görevlere bölen Penn Wharton Bütçe Modelinden geliyor. Bulguları, ayrıntılı ABD mesleki verilerini kullandıkları için yararlı bir temel oluşturuyor.

Günümüzün işgücü gelirinin yaklaşık %40'ının, üretken yapay zeka tarafından yeniden şekillendirilebilecek işlerle bağlantılı olduğunu tahmin ediyorlar. Her görevin otomatikleştirilmesi karlı değildir, ancak büyük bir pay kârlıdır.

Modelleri, bugünün GSYİH'sının yaklaşık %10'unun etkileneceğini ve yüksek riske sahip sektörler ekonominin geri kalanından daha hızlı büyüdükçe payın önümüzdeki yirmi yılda yaklaşık %15'e çıkabileceğini öne sürüyor.

Gerçek dağıtımlara ilişkin çalışmalar , firmaların içinde neler olduğuna dair net bir resim çiziyor. Yapay zeka asistanlarını kullanan müşteri destek ekipleri daha fazla vakayı tamamlar. Profesyonel yazarlar taslakları yaklaşık %40 daha hızlı tamamlar.

Yazılım mühendisleri, Copilot tarzı araçları kullanırken görevleri daha hızlı tamamlar.

Penn Wharton, bu çalışmaları, günümüzde yapay zeka kullanıldığında yaklaşık %25 işgücü maliyeti tasarrufu olduğunu varsaymak için kullanıyor ve sistemler daha da geliştikçe bu oran %40'a doğru yükseliyor.

Bu maliyet tasarrufları, etkilenen görevlerin payına göre ağırlıklandırıldığında ve benimseme oranlarına göre ayarlandığında, makro etki daha net hale gelir.

ABD'nin toplam faktör verimliliğindeki artış bugün küçük, kabaca yüzde 0.01 puan. Ancak on yıl boyunca yükselmesi ve 2030'ların başında yüzde 0,2 puan civarında zirveye ulaşması ve ardından kaybolması bekleniyor.

Uzun vadeli sonuç, kalıcı olarak daha hızlı bir büyüme oranı değil, daha büyük bir ekonomidir. Temel tahminleri, yapay zekanın GSYİH'yı 2055 yılına kadar yaklaşık %3 oranında artıracağı yönünde.

Bu tür araştırmalardan çıkarılacak sonuç, yapay zekanın erken üretkenlik etkilerinin anlamlı ancak dengesiz olduğu ve belirli görevlerde ve şirketlerde yoğunlaştığıdır.

Toplam rakamlar, kendisini henüz teknoloji etrafında yeniden organize etmemiş bir ekonomiyi yansıtıyor.

İş yatırımları neden ağır yükü kaldırıyor?

Yapay zekanın etkisinin en açık işaretleri ABD ekonomisinin yatırım tarafında ortaya çıkıyor. Bloomberg tarafından yapılan son araştırma , bilgi işleme ekipmanı ve yazılımına yapılan harcamaların bu yıl arttığını gösterdi.

Bu kategorilerin GSYİH büyümesine katkısı son yılların en büyüğüdür.

Veri merkezi inşaatı yıllık yaklaşık 41 milyar dolara ulaştı ve özel inşaatta büyüyen birkaç segmentten biri.

Yalnızca üç şirket, Meta, Microsoft ve Google, bu yılın üçüncü çeyreğinde sermaye ekipmanına 78 milyar dolar harcadı ve bu, bir önceki yılki harcamalarının neredeyse iki katı. Bu, yapay zeka patlamasının fiziksel ayak izidir.

Bloomberg, yapay zeka ile ilgili sermaye harcamalarının 2025'in ilk yarısında ABD GSYİH büyümesine yaklaşık %1 katkıda bulunduğunu tahmin ediyor. Bu, yapay zekanın o dönemdeki %1,6'lık büyüme oranının yarısından fazlasını oluşturduğu anlamına geliyor.

Tek bir teknolojik dalganın ulusal hesaplarda bu kadar büyük bir rol oynaması nadirdir.

Bazı analistler yatırım dürtüsünün gelecek yıl güçlenmesini bekliyor. Diğerleri zirvenin çoktan geçtiğini düşünüyor. Her iki durumda da, katkı bugün ölçülebilir.

Çoğu zaman fark edilmeyen bir komplikasyon vardır. Veri merkezleri için gereken donanımın çoğu ithal edilmektedir. Bu, ticaret açığını genişletir ve brüt büyüme katkısının bir kısmını ortadan kaldırır.

Yine de federal hükümet, başka yerlerdeki ticari gerilimlere rağmen sunucular ve devre kartları için tarife muafiyetlerine izin verdi.

Ekonomistler, donanımın otomobil veya inşaat gibi endüstriler tarafından ödenen vergilerle karşı karşıya kalması durumunda patlamanın zorlanacağını belirtiyor.

Güç sistemi üzerinde de bir baskı var. Veri merkezleri büyük miktarda elektrik talep eder. Mevcut eğilimler devam ederse ABD'nin enerji talebi 2029 yılına kadar yaklaşık %16 artabilir .

Şebeke yükseltmeleri yıllar alır ve transformatör gibi ekipmanlara uygulanan tarifeler nedeniyle daha yüksek maliyetlerle karşı karşıya kalır. Artan elektrik fiyatları, yapay zekanın benimsenmesini yavaşlatabilir veya ölçeklendirmeye çalışan firmalar için marjları sıkıştırabilir.

Şirketlerin içinde zaten değişimi hissediyoruz

Anketler farklı bir bakış açısı sunar. Yapay zeka araçları günlük iş akışlarına girdiğinde ne olacağını gösterirler. IBM'in 2025 EMEA araştırması , on ülkedeki 3.500 yöneticiyi temel alan türünün en büyüklerinden biridir.

Üçte ikisi yapay zekanın halihazırda önemli üretkenlik kazanımları sağladığını söyledi.

Her beş kişiden biri yatırım getirisi hedeflerine çoktan ulaştığını söylüyor. Diğer %42'lik kesim ise genellikle daha hızlı uygulama, daha düşük maliyetler ve iyileştirilmiş hizmet kalitesi yoluyla bir yıl içinde geri dönüş bekliyor.

Rapor, büyük firmaların önde olduğunu vurguluyor. Binden fazla çalışanı olan işletmelerin %72'si kayda değer kazançlar bildiriyor. Küçük ve orta ölçekli firmaların sadece %55'i aynı şeyi söylüyor.

Kamu sektörü kuruluşları, daha küçük firmalara benzer modeller gösterir. Bu, daha büyük kuruluşların ilk önce hareket edecek sermayeye ve teknik kapasiteye sahip olduğu önceki teknoloji döngülerini yansıtıyor.

IBM'in verileri aynı zamanda işin nasıl değiştiğini de gösteriyor. Yöneticiler, yapay zeka tekrarlayan görevleri yerine getirdiğinde çalışanların planlama, yaratıcı çalışma ve fikir geliştirmeye daha fazla zaman harcadığını söylüyor.

Bu model, yapay zekanın daha az deneyimli çalışanların performans boşluklarını kapatmasına yardımcı olduğunu ve deneyimli çalışanların daha yüksek değerli çıktılara odaklanmasına olanak tanıdığını gösteren akademik çalışmalarla uyumludur.

Hem IBM hem de Penn Wharton bulgularında öne çıkan şey, kazanımların meslekler arasında ne kadar eşitsiz olduğudur. En çok açığa çıkan görevler ofis destek rolleri, iş operasyonları, BT, satış ve orta düzey yönetimdir.

Maruz kalma, sekseninci ila doksanıncı ücret yüzdelik dilimleri civarında zirve yapar, ardından muhakeme, müzakere veya nadir uzmanlık gerektiren görevleri yerine getirme eğiliminde olan en yüksek gelirliler için düşer.

En az maruz kalan gruplar arasında inşaat, ulaşım, yemek hizmetleri ve yüz yüze bakım çalışmaları yer alıyor. Bu, kısa vadeli işgücü etkisinin manuel işlerde değil, orta ila yüksek ücretli beyaz yakalı rollerde yoğunlaştığı anlamına geliyor.

CEO'lar yönetim kurulu odalarında gerçekte ne söylüyor?

Kurumsal liderler, önceki döngülerden daha hızlı bir değişimi tanımlar. Goldman Sachs CEO'su David Solomon , otomasyon etrafında süreçleri yeniden tasarlamaya çalışmayan bir CEO bulamadığını söyledi.

Şirketlerin personel sayısını artırmadan üretimi artırmak istediklerini ve yapay zekanın artık bu çabaların merkezinde yer aldığını söyledi.

Microsoft'tan Satya Nadella da bu anı "yapay zeka platformu değişimi" olarak nitelendirerek benzer yorumlarda bulundu. Bunu yeni bir sanayi devrimine benzeten Nvidia'dan Jensen Huang.

Görüşleri, mevcut yapay zeka liderlerinin kendi operasyonlarında ve müşterileri arasında ne gördüklerini açıklıyor.

Veriler bu düşünceyi destekliyor. Giderek artan sayıda firma, mevcut iş akışlarına yalnızca yapay zeka araçları eklemiyor. Araçlar etrafında iş akışlarını yeniden inşa ediyorlar.

Bazıları değer zincirlerini yapay zekayı göz önünde bulundurarak sıfırdan tasarlar. Diğerleri ise periyodik planlama döngülerinden yapay zeka sistemleri tarafından yönlendirilen sürekli karar alma sürecine geçiyor.

Bu değişikliklerin resmi üretkenlik rakamlarına filtrelenmesi zaman alıyor ve bu da firmaların şirket içinde rapor ettikleri ile ulusal istatistiklerde ortaya çıkanlar arasındaki boşluğu açıklamaya yardımcı oluyor.

Anketlerde bir diğer önemli nokta daha ortaya çıkıyor. Şirketler açık ve birlikte çalışabilir yapay zeka sistemleri istiyor. IBM'in yanıt verenlerinin yaklaşık %85'i şeffaflığın, birlikte çalışabilirliğin ve sağlayıcı esnekliğinin gerekli olduğunu söyledi.

Bütün bunlar bize gerçek yapay zeka üretkenlik etkisi hakkında ne söylüyor?

Yapay zeka bugün ekonomide üç yerde karşımıza çıkıyor. Görünüşe göre firmalar tarafından artan sermaye harcamaları, bilgi işlem kapasitesi oluşturmak için yarışıyor. Daha hızlı uygulama ve daha yüksek çıktı bildiren erken benimseyenlerin günlük çalışmalarında görülür.

Ayrıca, yapay zeka liderliğindeki şirketlerin trilyonlarca dolarlık yeni öz sermaye zenginliği ürettiği ve varlıklı haneler arasında daha yüksek tüketimi körüklediği ve bir "yapay zeka balonu" endişelerini ateşlediği varlık piyasalarında da görülüyor.

Henüz görünmeyen şey, üretkenlikte ekonomi çapında geniş bir artıştır. Bu alışılmadık bir durum değil.

Elektrifikasyon ve internet gibi önceki genel amaçlı teknolojiler, ancak firmalar üretimi yeniden düzenledikten sonra verilerde ortaya çıktı.

Aynı model tekrar oynanıyor. Yapay zeka çoğu şirket için hâlâ yatırım ve deneme aşamasındadır. Yeniden yapılanma tamamlandığında, kazanımların daha net bir şekilde ortaya çıkması muhtemeldir.

En dikkatli tahminler, yapay zekanın üretkenlik artışını zirvede yüzde puanının onda biri kadar artırdığını ve ekonomiyi kalıcı olarak yüzde birkaç oranında büyüttüğünü gösteriyor.

Daha iddialı tahminler, yapay zekanın inovasyonu hızlandırması durumunda daha yüksek kazanımlar elde edileceğini gösteriyor.

Bu görüşler arasındaki uçurum, firmaların işi ne kadar hızlı yeniden yapılandırdığına, yapay zeka araçlarının daha küçük şirketlere ve kamu sektörüne ne kadar geniş bir alana yayıldığına ve elektrik şebekesi gibi altyapının talebi karşılayacak şekilde ölçeklenip ölçeklenemeyeceğine bağlıdır.