İŞTE YAPAY ZEKÂ

Çalışanlarınız Yapay Zekâ Kullanıyor. Peki Şirketiniz Bundan Ne Kazanıyor?

Doğan Çoban · 11 Ekim 2026

Bir çalışanın raporu daha hızlı hazırlaması değerli. Ama rapor yöneticinin önünde yine iki gün bekliyorsa şirketin işi aynı hızda ilerliyor. Satış ekibi teklif metnini birkaç dakikada yazabiliyor olabilir; doğru fiyatı bulmak, stok bilgisini doğrulamak ve onayı almak hâlâ saatler sürüyorsa müşteriye yanıt süresi pek değişmiyor.

Yapay zekâ kullanımının şirketlerde yarattığı asıl gerilim burada: İnsanlar tek tek hızlanırken işin bütünü aynı yerde kalabiliyor. Daha fazla içerik üretiliyor, daha çok araç deneniyor, çalışanlar yeni beceriler kazanıyor. Yönetimin görmek istediği sonuç ise başka: Aynı ekiple daha fazla işi tamamlamak, müşteriyi daha az bekletmek, hata ve tekrarları azaltmak, büyümeyi taşıyacak kapasite yaratmak.

Bu iki tarafın buluşması kendiliğinden olmuyor. Çalışanın öğrendiği becerinin ortak bir çalışma biçimine dönüşmesi; o çalışma biçiminin de şirketin hedefleriyle, bilgisiyle ve karar süreçleriyle bağlanması gerekiyor. Yapay zekâ yatırımının değeri, kaç kişinin aracı açtığından çok, işin sonunda neyin değiştiğinde ortaya çıkıyor.

Kullanım hızla artıyor; sonuç ayrı bir mesele

TÜİK’in 2 Ekim 2026’da yayımladığı istatistiklere göre, 10 ve daha fazla çalışanı olan girişimlerde yapay zekâ kullanımı 2025’teki %7,5’ten 2026’da %14’e yükseldi. Bireylerde üretken yapay zekâ kullanım oranı ise %19,2’den %37,6’ya çıktı. [1][2]

Bu oranlar farklı grupları ve farklı kullanım tanımlarını ölçüyor; aralarındaki farktan “çalışanlar şirketlerden şu kadar ileride” sonucu çıkaramayız. Ancak iki serinin de gösterdiği yön açık: Yapay zekâ artık hem kişisel hem kurumsal gündemde çok daha geniş yer tutuyor.

İşletme büyüklüğüne göre ayrışma sürüyor:

Kaynak: TÜİK, 2025 ve 2026. Oranlar kullanım beyanını gösteriyor; yatırım getirisini ölçmüyor. [1][2]

Küçük bir ekip için bu gelişmenin karşılığı oldukça somut. Yapay zekâ, yeni bir çalışan almadan önce mevcut ekibin kapasitesini artırma imkânı sunabiliyor. Araştırma, ilk taslak, belge inceleme ve rutin yanıt hazırlama gibi işler hafiflediğinde deneyimli insanların zamanını müşteri ilişkilerine, değerlendirmeye ve karar vermeye ayırmak mümkün oluyor. Bunun ne kadarının gerçekten kazanılacağını ise işin mevcut düzeni belirliyor.

Fayda görmek ile yatırımın karşılığını göstermek aynı şey değil

KPMG’nin 2026 ikinci çeyrek Global AI Pulse araştırması, 20 ülke ve bölgedeki 2.145 üst düzey yöneticinin yanıtlarına dayanıyor. Katılımcıların %76’sı yapay zekânın anlamlı iş değeri yarattığını söylüyor. Buna karşılık, şirket genelinde benimsemeyi yerleştirme aşamasında olduğunu belirten kuruluşların oranı %22. [3]

ISG’nin 2025 araştırmasında da incelenen öncelikli kullanım alanlarının %31’i tam üretime geçmiş durumda. Büyüme için beklenen yatırım getirisini yakalayan girişimlerin payı dörtte bir; beklenen verimlilik kazanımlarına ulaşanların payı ise %50. [4]

Bunlar “yapay zekâ işe yaramıyor” demiyor. Faydanın farklı düzeylerde ortaya çıktığını gösteriyor. Bir ekip daha hızlı çalıştığını hissedebilir. Bir süreç gerçekten daha kısa sürede tamamlanabilir. Fakat bu kazanımın gelir, maliyet veya kapasiteye etkisi ayrıca değerlendirilmediyse yönetimin önünde hâlâ eksik bir resim vardır.

Örneğin pazarlama ekibinin daha çok içerik hazırlaması, tek başına daha çok satış demek değildir. İçerik sayısı artarken düzenleme yükü de artıyorsa kapasite kazanımı beklenenden düşük kalabilir. Satış ekibinde teklifin yazım süresi kısalırken yanıt süresi değişmiyorsa darboğaz başka bir yerdedir. İşletme açısından önemli olan, çalışanların hangi adımda hızlandığı kadar, bu hızın müşteriye ve iş sonucuna ulaşıp ulaşmadığıdır.

Yapay zekâyı yönetmek, kullanım sayılarıyla iş sonuçları arasındaki bu bağlantıyı kurmayı gerektiriyor.

Eğitim neden gerekli? Çünkü aracı açmak, işi doğru yapmak anlamına gelmiyor

Bir çalışan yapay zekâdan iyi görünen bir yanıt alabilir; fakat o yanıtın eksik varsayımlarını, yanlış kaynağını veya hatalı hesabını fark etmeyebilir. Bir başkası aynı araçtan çok sınırlı fayda görür; çünkü ne istediğini yeterince açık tarif edemiyordur. Ortada aynı yazılım olsa da ortaya çıkan işin kalitesi farklılaşır.

Eğitimin değeri bu farkı azaltmasında. İyi bir eğitim, çalışanı yalnızca birkaç etkileyici örnekle tanıştırmaz. İşi anlaşılır biçimde tarif etmeyi, uygun bağlamı vermeyi, gelen yanıtı sorgulamayı ve çıktıyı kullanıma hazır hâle getirmeyi öğretir. Araştırma yaptırmakla kaynağı doğrulamak; tabloyu yorumlatmakla hesabın doğru olduğunu kontrol etmek arasındaki farkı görünür kılar.

Adobe ve Oxford Economics’in 2026 raporunda, müşteri deneyimi rollerindeki 3.000 yönetici ve uygulayıcı araştırılmış. Katılımcıların yalnızca %45’i yeterli yapay zekâ eğitimi ve beceri geliştirme programına sahip olduğunu, %44’ü çalışanların kendi rollerinde yapay zekâ kullanırken rahat olduğunu belirtiyor. Bu, ağırlıklı olarak büyük şirketlerden oluşan bir örneklem; Türkiye’deki bütün KOBİ’lerin oranı olarak okunmamalı. [5]

İş yükü altında çalışan bir pazarlama uzmanı için beceri kazanmanın karşılığı, daha hızlı metin yazmanın ötesine geçebilir. Kaynaklı rakip araştırması, kampanya için farklı mesaj seçenekleri, toplantı notlarından takip işleri, rapor taslağının hazırlanması ve sonucun eleştirel biçimde incelenmesi aynı çalışma gününün içinde yer alır. Finans çalışanında tablo açıklama ve sapma inceleme; İK’da ilan hazırlama, görüşme soruları ve prosedürleri anlaşılır hâle getirme öne çıkabilir. Bunlar görev türlerini gösteren örneklerdir; her araç ve veri setinde aynı sonucun alınacağı anlamına gelmez.

Burada eğitim türleri arasında da net bir ayrım gerekiyor. Standart eğitim, hazır örneklerle ortak beceriyi geliştirir. Şirkete özel eğitim, önceden belirlenen öğrenme ihtiyaçlarına ve uygun şirket örneklerine göre hazırlanır. Şirketin hangi işe yatırım yapacağı, hangi sürecin öncelikli olduğu ve beklenen getirinin ne olacağı ise eğitimden farklı bir inceleme gerektirir.

Bu ayrım hem bütçeyi hem beklentiyi korur. Öğrenme ihtiyacı için verilen hizmetle şirketin yatırım kararını destekleyen çalışma birbirine karışmadığında, yönetim ne satın aldığını ve elinde ne kalacağını daha açık görür.

Tüpraş örneği: Lisansın yanında öğrenme ve sahiplenme de var

Microsoft’un 31 Mart 2025 tarihli Tüpraş vaka anlatımında, 1.000’den fazla çalışana eğitim verildiği ve departmanlarda kullanımın benimsenmesini destekleyen dönüşüm ekipleri kurulduğu belirtiliyor. Şirket, çalışanların günlük bir saatten fazla zaman kazandığını ve toplamda aylık yaklaşık 5.000 saat tasarruf sağlandığını tahmin ediyor. Bunlar şirketin sağlayıcı üzerinden yayımlanan tahminleri. [6]

Vakadaki asıl dikkat çekici nokta, kullanımın günlük işlere bağlanması. Finans raporları, İK’da işe başlangıç bilgileri, satın alma belgeleri ve müşteri yanıtları farklı departman ihtiyaçları olarak ele alınmış. Eğitim, çalışanların bu imkânları tanımasını desteklerken departman ekipleri kullanımın işin içine yerleşmesini sahiplenmiş. [6]

Bir KOBİ’nin aynı ölçekte yatırım yapması gerekmiyor. Buradan alınabilecek yönetim fikri, aracın çalışanların zaten kullandığı iş düzenine yerleşmesinin ve kullanımın içeride bir sahibi bulunmasının önemidir. Büyük şirketin tasarruf rakamını küçük işletmeye taşımak yerine, kendi iş yükü içinde benzer bir imkânın nerede bulunduğunu anlamak gerekir.

Ortak çalışma biçimi: Bir kişinin becerisi bütün ekibin kapasitesine dönüşebilir

Bireysel kullanımın en kırılgan tarafı, kazanımın kişiye bağlı kalmasıdır. Bir çalışanın iyi sonuç aldığı yöntem kendi notlarında duruyorsa ekip aynı işi yeniden öğrenir. O kişi izinli olduğunda veya işten ayrıldığında yöntem de kaybolabilir. İki çalışan aynı müşteri sorusuna farklı bilgilerle yanıt veriyorsa hız artışı kaliteyi korumaya yetmez.

Ortak çalışma biçimi, herkesin aynı cümleyi yazması demek değildir. Doğru bilgiye erişim, çıktıların hangi ölçüte göre kontrol edileceği ve hangi noktada onay alınacağı konusunda ortak bir zemin kurulmasıdır. Böylece bireysel beceri, başka çalışanların da kullanabileceği bir kapasiteye dönüşür.

Trendyol’un n8n üzerinden yayımlanan vaka anlatımı bu geçişi büyük ölçekte gösteriyor: Bir geliştiricinin denemesi, bir yıldan kısa sürede 1.000’den fazla aktif kullanıcıya, üretimde çalışan 700 iş akışına ve üç ayda yaklaşık 500.000 çalıştırmaya ulaşmış. Çalışma alanları ve erişim yetkileri ekipler bazında ayrılmış. [7]

Bu sayılar doğrudan yatırım getirisi değildir; kullanım ve operasyon ölçeğini gösterir. Ancak örnek, ortak altyapı ile sınırları belirlenmiş yetkilerin, farklı ekiplerin fikirlerini çalışır süreçlere taşımasına nasıl zemin oluşturabildiğini gösteriyor. Çalışanın aklına gelen iyi fikir, kişisel ekranında kalan bir denemeden çıkıp yönetilebilen bir işe dönüşüyor.

Güvenli kullanım, çalışanı durdurmadan sınırları belirlemekle başlıyor

Yönetimin bilgisi veya onayı dışında yapay zekâ araçlarının kullanılmasına “gölge yapay zekâ” deniyor. Buradaki mesele çalışanların merak etmesi değil; hangi bilginin hangi araca gönderildiğinin ve ortaya çıkan çıktının nasıl kullanıldığının belirsiz kalması.

Müşteri listesi, çalışan bilgisi, sözleşme veya henüz açıklanmamış fiyat çalışması sıradan bir metin dosyası gibi görünse de farklı sorumluluklar taşıyabilir. Çalışanın işi kolaylaştırma niyeti, şirketin veri ve erişim sorumluluğunu ortadan kaldırmaz. Şirket içine kurulmuş bir bilgi asistanı da yalnızca adı “kurumsal” olduğu için kendiliğinden güvenli veya mevzuata uygun olmaz; altyapısı, erişimleri ve veri akışı birlikte değerlendirilir.

TÜİK’in 2026 verisinde, yapay zekâ kullanmayı düşünen fakat henüz kullanmayan girişimlerin %72,3’ü uzmanlık eksikliğini, %66,4’ü hukuki sonuçların belirsizliğini, %65,4’ü veri koruma ve gizlilik kaygılarını bildiriyor. [1]

Böyle bir ortamda çalışanların araç kullanabilmesi kadar, kullanırken neye güvenebileceğini bilmesi de değerli. Anlaşılır kurallar, uygun araçlara erişim ve öğrenme desteği birlikte bulunduğunda çalışan her yeni görevde kendi başına sınır tahmin etmek zorunda kalmaz. Yönetim de faydayı büyütürken ortaya çıkan sorumlulukları daha görünür biçimde ele alabilir.

Müşteri hizmetleri örnekleri: Kazanılan zamanın değeri nereye gittiğine bağlı

PınarOnline’ın AWS ve LimonCloud ile yayımlanan vakasında, yapay zekâ asistanından sonra çağrı merkezi hacminin %50–60 azaldığı ve müşteri memnuniyetinin %20–25 arttığı bildiriliyor. Asistan yaklaşık 7.000 farklı aylık kullanıcıya hizmet veriyor; ilk ayında mesai dışındaki taleplerden 25 toplu satın alma elde edilmesine yardımcı olduğu belirtiliyor. [8]

Arçelik’in SESTEK vaka anlatımında ise çağrıların %65’inin yapay zekâ tarafından karşılandığı ve %70’inin insan müdahalesi olmadan çözüldüğü aktarılıyor. Bu iki göstergeyi tek bir oran gibi birleştirmemek gerekiyor. [9]

Bunlar sağlayıcıların yayımladığı müşteri sonuçları; her işletmede aynı oranların oluşacağına dair bir vaat değil. İki örnek de faydanın yalnızca “çalışan daha az uğraştı” cümlesine sığmadığını gösteriyor. Müşterinin yanıt alabilmesi, talebin mesai dışında kaybolmaması ve insan ekibinin daha karmaşık konulara zaman ayırabilmesi işletme açısından farklı değerler taşıyor.

Küçük ekibin kapasite sorunu da burada anlam kazanıyor. Birkaç kişinin aynı anda içerik üretmesi, teklif hazırlaması, müşteri yanıtlaması ve rapor yetiştirmesi bekleniyorsa, yapay zekânın değeri bu işleri yalnızca hızlandırmakta değil, hangi yükün hangi yöntemle hafifletilebileceğini doğru ayırmakta ortaya çıkar. Bazı ihtiyaçlar eğitimle, bazıları ortak bilgiye erişimle, bazıları ise çalışan adına belirli bir işi yapan uygulamayla karşılanabilir. Bunların hepsini tek bir araç aboneliğinden beklemek, farklı sorunlara aynı çözümü vermeye çalışmaktır.

Yönetim için asıl fark: Kazanımın sahibi ve ekonomik karşılığı

KPMG araştırmasında yapay zekâ sonuçlarına ilişkin sorumluluğu açık olan kuruluşların yerleşik yatırım getirisi bildirme oranı %14; sorumluluğu açık olmayanlarda %4. Aynı raporda, yapay zekâ işletme maliyetlerini tam görebilen kuruluşlarla göremeyenlerin oranları %15 ve %3 olarak ayrışıyor. Bunlar araştırmadaki ilişkiler; tek başına neden-sonuç kanıtı değil. [3]

BCG’nin Mayıs 2026’da Kuzey Amerika ve Avrupa’da 423 yöneticiyle yürüttüğü araştırmada, üretken yapay zekâ ve yapay zekâ ajanları için bildirilen ortalama ölçülmüş yatırım getirisi %13,8. Yapay zekâ olgunluğu yüksek şirketlerde yaklaşık %19, düşük olgunlukta %8–9 bildiriliyor. Bu sonuçlar orta ve büyük ölçekli işletmelerden geliyor; bir KOBİ projesinin beklenen getirisi yerine kullanılamaz. [10]

Araştırmaları birlikte okuduğumda öne çıkan yönetim ihtiyacı şu: İşin nasıl değişeceği, kazanımın kim tarafından sahiplenileceği ve maliyetin nasıl değerlendirileceği aynı resimde bulunmalı.

“Haftada on saat kazandık” ifadesi iyi bir başlangıçtır. Fakat ücretler aynı kaldığı için bu on saati doğrudan kasaya giren para saymak doğru olmaz. Kazanım, daha çok müşteriye yanıt vermekte, bekleyen işi azaltmakta veya yeni personel ihtiyacını ertelemekte kullanılabilir. Benzer biçimde, satıştaki her artışı yapay zekâya bağlamak da fiyat değişimini, sezonu veya kampanyayı görmezden gelir.

Bu yüzden ekonomik değerlendirmede zaman kazanımı, doğrudan maliyet azalması ve gelir etkisi ayrı anlam taşır. Lisans, hazırlık, eğitim, bağlantı, bakım ve kontrol yükü de toplam maliyetin parçasıdır. Düşük, orta ve yüksek fayda senaryolarıyla ele alınan bir yatırım kararı, tek bir parlak tasarruf tahmininden daha sağlam bir zemine oturur.

Çalışan kullanımını şirket faydasına dönüştüren çalışma, teknoloji ile işletme arasında bu bağı kurar. Çalışanın nerede zorlandığını anlar; yöneticinin beklediği sonucu somutlaştırır; öğrenme, iş düzeni ve uygulamanın birbirini tamamlamasını sağlar. Değer, bu parçaların aynı hedefe bağlanmasında oluşur.

Bireysel merak, şirketin daha güçlü çalışmasının başlangıcı olabilir

Çalışanların yapay zekâyı denemesi, şirketin değerlendirebileceği bir birikim yaratıyor. İnsanlar hangi işlerde zorlandıklarını, nerede zaman kaybettiklerini ve yeni araçların neyi kolaylaştırdığını günlük çalışma içinde görüyor. Yönetimin bu birikimi anlaması, daha isabetli bir yatırımın başlangıcı olabilir.

Ancak şirketin kazanacağı şey, herkesin biraz daha hızlı yazmasından büyük olmalı. Aynı ekibin daha nitelikli iş üretmesi, müşteriye daha iyi yanıt vermesi ve büyürken iş yükünün altında ezilmemesi mümkün bir hedef. Bunun yolu, çalışan becerisiyle şirketin işleyişini birlikte değerlendirmekten geçiyor.

Yapay zekâ kullanımı artık giderek daha yaygın. Rekabet açısından fark yaratacak olan, bu kullanımı şirketin tekrar edebildiği, güvenle yürütebildiği ve sonucunu görebildiği bir çalışma kapasitesine dönüştürmek.

Kaynaklar

[1] TÜİK — Yapay Zeka İstatistikleri, 2026; 2 Ekim 2026

[2] TÜİK — Yapay Zeka İstatistikleri, 2025; 1 Ekim 2025

[3] KPMG — Global AI Pulse, Q2 2026

[4] ISG — State of Enterprise AI Adoption Report, 2025

[5] Adobe / Oxford Economics — AI and Digital Trends, 2026; araştırma yöntemi ve bulgular

[6] Microsoft — Tüpraş ve Microsoft 365 Copilot; 31 Mart 2025

[7] n8n — Trendyol: 1.000’den fazla kullanıcı ve 700 aktif iş akışı

[8] AWS — PınarOnline ve LimonCloud müşteri örneği

[9] SESTEK — Arçelik müşteri örneği

[10] BCG — IT Spending Pulse: AI Takes Priority as Confidence Returns; 17 Eylül 2026