Çalışan değil, değer dönüştürücü olarak yapay zeka: yapay zekayı örgütsel değer akışları içine yerleştirmek

Tam metin

1 Giriş

Yapay zekâ araçlarını benimseyen kuruluşlar bunları genellikle insan kaynağı diliyle tanımlar. Bir destek asistanı taleplerin belirli bir kısmını "karşılar". Bir kodlama asistanı belirli sayıda mühendisin "işini yapar". Bir iş gerekçesi, bir model aboneliğinin maliyetini tam zamanlı bir çalışanın maliyetiyle karşılaştırır. Yapay zekâ sistemi dijital bir çalışan olarak görülür: görev alır, görevleri tamamlar ve katkısı tamamlanan görevler ya da önlenen kadro sayısı olarak sayılır.

Bu makale, çalışan çerçevesinin (frame) bir kategori hatası olduğunu ve bu hatanın zararsız olmadığını savunur. Çerçeve, ölçümü yapay zekânın en güçlü olduğu bir değer akışının üretici tarafına yöneltir ve değerin gerçekten gerçekleştiği alıcı tarafından uzaklaştırır. Ortaya çıkan sonuç tanıdık bir örüntüdür: çıktının arttığını gösteren panolar, buna karşılık müşterilerin, iş arkadaşlarının ve gözden geçirenlerin hiçbir raporda yapay zekâ sistemine atfedilmeyen yeniden işi üstlenmesi.

Burada önerilen alternatif, Değer Yönetimi Teorisi'nden (Value Management Theory, VMT) ve Æilus metodolojisinden gelir. VMT'de dönüştürücü (transformer) bir varlık değil, bir roldür: bu roldeki bir aktör değer tüketir ve başkası için yeni planlanan değer üretir (A7). Yapay zekâ bu role tam olarak uyar. Bir değer akışında dönüştürücü olarak konumlandırıldığında, bir yapay zekâ sisteminin bir maliyeti olan girdileri, bir alıcı tarafından tüketilene kadar hipotez olan çıktıları ve karşı değer olabilecek yan ürünleri vardır. Bu şekilde konumlandırıldığında, benimseme ve ölçüm hakkındaki doğru sorular görünür hale gelir.

Bu, Æilus'un kuruluşlarda uygulanmasına dair sekiz bölümlük serinin dördüncü makalesidir; tanımlar ilk makaleyi, "Value, Anti-Value and Value Flows: A Working Vocabulary for Practitioners", izler. VMT'nin biçimsel aygıtı ve Æ değer para birimi burada yeniden türetilmemiştir; bunlar Bolshakov (2026), "Value Management Theory and Employee-Centric Competitive Advantage: A System-Level Perspective" çalışmasında ortaya konmuştur. Makale kavramsaldır. Ölçülmüş veri içermez ve içindeki tek sayılar, açıkça varsayımsal olarak etiketlenmiş bir senaryoya aittir.

2 Kapsam, değer sistemi ve kuramsal temel

2.1 Kimin değeri ölçülüyor

VMT, değerin yalnızca tanımlı bir değer sistemi içinde var olduğunu (A1) ve aynı olayın farklı sistemlerde farklı okunabileceğini (A2) savunur. Bu nedenle "yapay zekânın değeri" hakkındaki ifadeler, sistem adlandırılana kadar eksiktir. Bu makale boyunca tek bir değer sistemi kullanır: bir teslimat kuruluşu ve onun doğrudan alıcıları. Aktörleri kuruluşun ekipleri ve işlevleri, dönüştürücü rolündeki yapay zekâ sistemi, yapay zekâ çıktısını gözden geçiren ya da düzelten kişiler ve kuruluşun işinin dış alıcılarıdır (müşteriler, kullanıcılar ya da başka bir işlevdeki iç tüketiciler). Akışları, aralarında hareket eden talepler, çıktılar ve kararlardır. Yapay zekâ sağlayıcısı, işgücü piyasası ve genel olarak toplum sınırın dışındadır ve yalnızca dış akışlar üzerinden ele alınır (A10).

Bu seçim önemlidir. Sağlayıcının değer sistemi içinde, üretilen her belirteç (token) gerçekleşmiş gelirdir. Kuruluşun sistemi içinde aynı belirteç, alıcının onunla ne yaptığına bağlı olarak değer, gürültü ya da karşı değer olabilir. T15'in belirttiği gibi, sınırı kaydırmak gerçekliği değiştirmeden sonucu değiştirir. Aşağıdaki analiz yalnızca burada bildirilen sınır için geçerlidir.

2.2 Kullanılan aksiyomlar ve teoremler

Argüman şunlara dayanır: A4 ve T3 (planlanan ve gerçekleşen değer ayrışır), A5 (karşı değer değerden bağımsızdır), A6 (değer tüketimle gerçekleşir), A7 (dönüşüm), A8 ve T7 (katılım koşulları), T4 ve T6 (direnç ve çarpıtma birikir), T5 (yerel iyileştirme küresel iyileşmeyi garanti etmez), T8 (bir dönüşüm rolünün yedekliliği sürdürülebilirliği artırır) ile T16 ve T17 (gerçekleşmeyle doğrulanmamış yorum kararsızdır ve karşı değer biriktirir).

3 "Dijital çalışan" kategori hatası

3.1 Çalışan çerçevesinin saydığı şeyler

Çalışan çerçevesi, insan kaynağından bir ölçüm alışkanlığını devralır. Bir çalışan bir role karşılık işe alınır, bir iş yükü verilir ve verimlilik ile maliyetle değerlendirilir. Yapay zekâ aynı çerçeveye yerleştirildiğinde üç sayı öne çıkar: işlenen iş kalemlerinin hacmi, "devralınan" iş yükü payı ve önlenen tam zamanlı eşdeğer (FTE) maliyeti. Üçü de işin üreticiden çıktığı noktada ölçülür.

İnsan çalışanlar için bu alışkanlık, nadiren dile getirilen bir nedenle tolere edilebilir: bir insan operatör alıcıyı gözlemler. Bir destek temsilcisi müşterinin hâlâ kızgın olduğunu duyar. Planlanan ve gerçekleşen değer arasındaki farkın büyük bölümü, herhangi bir metrik bunu kaydetmeden önce kişinin içinde gayriresmî olarak düzeltilir. Üretici tarafı metriği, üreticinin içine alıcı tarafı bir sensör yerleştirilmiş olduğu için işe yarar.

Bir yapay zekâ sistemi bu sensörü varsayılan olarak taşımaz. Değerin planlanan tarafını çok iyi üretir: büyük miktarda akıcı, hızlı ve kendinden emin çıktı. Açıkça bağlanmadıkça, çıktının alıcının durumunu değiştirip değiştirmediğini gözlemlemez. Bu nedenle çalışan çerçevesi yapay zekâyı en iyi göründüğü yerde ölçer ve plan ile gerçek arasındaki farkın ortaya çıktığı yerde ölçmeyi bırakır.

3.2 Çerçevenin gizledikleri

Çalışan çerçevesi altında dört şey görüş alanından kaybolur.

1. Yapay zekâ dönüştürücüsünün tüketim tarafı. Kadro karşılaştırmaları modelin lisans ya da hesaplama maliyetini sayar; dönüştürücünün ayrıca tükettiği insan dikkatini, gözden geçirme çabasını ve veri hazırlığını yok sayar.
2. Alıcının hükmü. "Tamamlandı" ifadesini üretici ilan eder. Alıcının durumunun iyileşip iyileşmediği kaydedilmez.
3. Yer değiştiren iş. Yapay zekâ çıktısının bitiremediği iş, aşağı akışta alıcıya ya da bir gözden geçirene kayar. Üreticinin raporunda yok olmuştur; sistemde ise hâlâ vardır.
4. Birikim. Yeniden iş, güven kaybı ve beceri aşınması tek seferlik maliyetler değildir. T4 ve T6 uyarınca birikirler ve sistemin gelecekte değer gerçekleştirme yeteneğini azaltırlar.

FTE ikamesi çerçevesi ayrıca insan rolü ile yapay zekâ rolünün aynı çıktıya sahip ikameler olduğunu varsayar. VMT terimleriyle bunlar, farklı girdi ve çıktı profillerine sahip farklı dönüştürücülerdir.

4 Dönüştürücü rolü olarak yapay zekâ

4.1 Varlık değil, dönüştürücü

VMT ve Æilus, bir dönüştürücüyü ne olduğuyla değil, bir akışta ne yaptığıyla tanımlar. Bir kişi, bir ekip, bir hizmet ya da bir araç dönüştürücü rolünü üstlenebilir; Değer Sistemi Şeması'nda (Value System Schema) rol, Æilus'un dönüştürücü düğümü için kullandığı ad olan bir dönüştürücü (converter) olarak çizilir. Bu çerçeve, "yapay zekâ bir işçi mi yoksa bir araç mı?" sorusunu ortadan kaldırır ve yerine daha yararlı bir soru koyar: bu dönüştürücü ne tüketir, ne üretir ve çıktıyı kim alır?

4.2 Bir yapay zekâ dönüştürücüsünün tükettikleri

Bir yapay zekâ dönüştürücüsünün en az dört tür girdisi vardır. Her biri, sistemin bir yerinden tüketilen bir değer unsurudur.

• Veri ve bağlam. İstemler, belgeler, destek kayıtları, kod, müşteri geçmişi. Bunları biri oluşturmuş, düzenlemiş ve sürdürmektedir; kaliteleri çıktının üst sınırını belirler.
• Hesaplama ve lisanslar. Görünen maliyet, genellikle iş gerekçesindeki tek maliyet.
• İnsan dikkati. Talimat yazmak, görevleri çerçevelemek, etkileşimi yönlendirmek. Bu, aksi halde başka işlerle uğraşacak insanlardan tüketilir.
• Gözden geçirme çabası. Çıktıyı okumak, kontrol etmek, düzeltmek ve onaylamak. Birçok kullanımda bu en büyük girdidir ve başkasının bütçesinde yer alır.

4.3 Bir yapay zekâ dönüştürücüsünün ürettikleri

Çıktılar, serideki anlamıyla değer unsurlarıdır: taslaklar, yanıtlar, kod, sınıflandırmalar, özetler, kararlar. Her biri bir değer hipotezi olarak başlar. Üretici tarafından yorumlanan planlanan değeri taşır ve ancak bir sonraki dönüştürücü onu tükettiğinde ölçülebilir hale gelir (A6). Yapay zekâ dönüştürücüsü ayrıca karşı değer de üretebilir: yanlış yanıtlar, yanıltıcı özetler, sonradan kaldırılması gereken kod ve 7. bölümde açıklanan etkiler.

Æilus'un dönüştürücü verimliliği tanımı dengeyi açık hale getirir. Bir dönüştürücünün verimliliği şudur:

E = (produced value - produced anti-value) / (consumed value - consumed anti-value)

tüm terimler bildirilen sistem içinde Æ cinsinden ifade edilir. Bu formülün yapay zekâ için önemli iki özelliği vardır. Birincisi, payda yalnızca hesaplamayı değil, gözden geçirme çabasını ve insan dikkatini de içerir. İkincisi, pay, çalışan çerçevesinin hiç kaydetmediği üretilmiş karşı değeri çıkarır. Etkileyici çıktı hacmine sahip bir yapay zekâ dönüştürücüsü, her iki düzeltme de yapıldığında düşük ya da negatif verimliliğe sahip olabilir. Aynı dönüştürücü bir değer sisteminde verimli, bir başkasında yıkıcı olabilir.

5 Yapay zekâ çıktısının planlanan ve gerçekleşen değeri

5.1 Yapay zekâ planlanan tarafta neden güçlü görünür

A4, planlanan ve gerçekleşen değerin genellikle birbirinden farklı olduğunu belirtir; T3 ise sıfır sapmanın kararsız bir özel durum olduğunu ekler. İnsan emeğinde bu sapma, üreticinin alıcıyı kendi gözlemiyle yumuşatılır. Yapay zekâ çıktısında ise sapmanın yapısal bir yanlılığı vardır. Üretilen çıktı, doğru bir cevap gibi görünmek üzere optimize edilir. Akıcılık ve özgüven planlanan tarafa aittir; doğruluk ve uygulanabilirlik ise gerçekleşen tarafa aittir.

Yapay zekâ planlanan değeri hızlı ve ucuz biçimde artırır. Gerçekleşen değer ayrıca ölçülmediği sürece organizasyon bu artışı ilerleme olarak okur: T16'nın yapısal olarak kararsız dediği örüntü budur.

5.2 Gizli yeniden iş

Gerçekleşen değer planlanan değerin gerisinde kaldığında, aradaki eksiklik ortadan kalkmaz. Akışın başka bir yerinde işe dönüşür. Bir müşteri destek birimiyle yeniden iletişime geçer. Bir yönetici, üretilmiş bir e-postayı baştan yazar. Bir mühendis, üretilmiş kodu düzeltir.

Yapay zekâ dönüştürücüsünün raporu tamamlanmış bir kalem gösterir, maliyeti ise alıcı dönüştürücü üstlenir: bu, T5'in bir örneğidir: bir dönüştürücünün veri işleme hızındaki yerel bir iyileşme, sistemin iyileşeceğini garanti etmez. Bu durum, akış temelli yönetimden gelen genel gözlemle de örtüşür: kuyruklarda ve yeniden işte gizlenen iş, faaliyet metriklerinde görünmez (Reinertsen, 2009). VMT okuması bir noktayı daha ekler: gizli iş tarafsız bir gecikme değil, karşı değerdir ve T4 uyarınca yapay zekâ dönüştürücüsü ile alıcısı arasındaki arayüzde akış direnci olarak birikir.

6 Alıcı tarafı metriği

Değer tüketim anında gerçekleşiyorsa (A6), onu doğrulayan üretici değil, alıcıdır. Bu, makalenin merkezi ölçüm kuralıdır: yapay zekâ çıktısının değeri, onu üreten yapay zekâ dönüştürücüsünde değil, onu tüketen dönüştürücüde ölçülür. Yalın düşünce, değeri nihai müşterinin bakış açısından tanımlarken ilgili bir noktaya değinir (Womack ve Jones, 1996); VMT bunu bir akıştaki her iç alıcıya genelleştirir.

Alıcı tarafı metriği, üretici tarafındaki her sayımı, sonrasında ne olduğuna dair bir gözlemle eşleştirir. Bazı örnekler:

İki sütun arasındaki fark, bir yapay zekâ programının izleyebileceği en bilgilendirici sayıdır. Yer değiştiren işi ve arayüzde üretilen karşı değeri tahmin eder. Genişleyen bir fark, programın yorumu gerçekleşmeden daha hızlı ölçeklendirdiğini gösterir.

Alıcı tarafı metrikleri, öngörülebilir bir başarısızlığa karşı da koruma sağlar. Hedefe dönüşen bir üretici tarafı metriği, saydığı şeyden daha fazla üretilerek karşılanır; bu dinamik genellikle Goodhart (1975) ile ilişkilendirilir. Yapay zekâ bunu ucuzlatır. "Kapatılan talepler" üzerinden hedeflenen bir asistan talepleri kapatacaktır. Hedefi alıcının durumuna dayandırmak, değer sunmadan karşılanmasını zorlaştırır.

7 Yapay zekâya özgü karşı değer

A5, karşı değeri değerden bağımsız ele alır: bir yapay zekâ dönüştürücüsü aynı dönemde gerçek değer ve gerçek karşı değer üretebilir ve ikisi alıcının deneyiminde birbirini götürmez. Aşağıdaki karşı değer türleri yapay zekâ dönüştürücülerinin karakteristik özelliğidir. Ölçülmüş sıklıklar olarak değil, gözlemlenecek kategoriler olarak listelenmiştir.

• Özgüvenli hatalar. Yanlış çıktının doğru çıktıyla aynı akıcılıkla sunulması. Alıcı, ikisini ayırt etmek için üslubu kullanamaz; bu nedenle her çıktı kontrol edilmelidir, aksi halde hata aşağı akışa geçer.
• İnceleme yükü. Çıktıyı doğrulamak için gereken çaba. Çıktı kalitesiyle değil, çıktı hacmiyle büyür.
• Becerilerin aşınması. Yapay zekâ dönüştürücüsü işin ilk taslağını devraldığında, onu eskiden üreten kişiler kendilerini iyi birer incelemeci yapan uygulamayı kaybedebilir. T6 uyarınca, bu birikmiş bozulma sistemin gelecekte değeri gerçekleştirme yeteneğini, yapay zekâ hatalarını tespit etme yeteneği dahil, azaltır.
• Güven kaybı. Başarısız her etkileşim, alıcının kanala olan güvenini düşürür. A8 ve T7 uyarınca, bir katılım koşulu ihlal edildiğinde aktör ayrılır veya katılım biçimini değiştirir.
• Yorum enflasyonu. Yapay zekâ çıktısı, kontrol edilmesinden daha hızlı alıntılanabilir, özetlenebilir ve aktarılabilir. T17 uyarınca, gerçekleşmeyle doğrulanmamış etkili yorumlar karşı değer biriktirir: üç kararda alıntılanan üretilmiş bir özet, hatalarını üç kez yayar.

Bunların hiçbiri bir FTE karşılaştırmasında görünmez. Akışın alıcı tarafı araçlarla izleniyorsa hepsi gözlemlenebilir.

8 Yapay zekâ rolünü adlandırma ve konumlandırma

8.1 Rolü çıktısı ve alıcısıyla adlandırın

"Yapay zekâ analisti değiştirdi" ifadesi akışı gizler. "Yapay zekâ haftalık raporun ilk taslağını üretir; analist sonuçları doğrular" ifadesi ise bir dönüştürücüyü, çıktısını, alıcısını ve inceleme adımını adlandırır. Yararlı bir adlandırma kuralının üç bölümü vardır:

1. yapay zekânın ürettiği değer öğesi (taslak, cevap, sınıflandırma, kod değişikliği);
2. onu tüketen alıcı (müşteri, incelemeci, sonraki ekip);
3. alıcının onu kabul ettiği koşul (doğrulanmış, onaylanmış, yeniden iş olmadan kullanılmış).

8.2 Sahiplik

Bir yapay zekâ sistemi değer için hesap verebilirliği üstlenemez, çünkü kendi durumundaki değişiklikleri değer veya karşı değer olarak yorumlamaz. Æilus terimleriyle, bir dönüştürücü rolünü üstlenir ancak sahip rolünü üstlenmez. Yapay zekâyı içeren dönüştürücünün Değer Dönüştürücü Sahibi (VTO), onun gerçekleşen ve geriye dönük olarak yeniden değerlendirilen değerinden, yarattığı karşı değerden ve sistemi bozmadan katılmayı sürdürme yeteneğinden sorumludur. Değer Sistemi Sahibi (VSO), yapay zekâ dönüştürücüsünün eklenmesinin sistemi bir bütün olarak sürdürülebilir tutup tutmadığından ve yükünü artırdığı incelemeciler dahil diğer aktörlerin katılım koşullarını bozulmadan koruyup korumadığından sorumludur.

Yapay zekâ dönüştürücüsü ile alıcısı arasındaki arayüz kalıcı bir direnç kaynağı haline geldiğinde, Akış Sahibi rolü devreye girer.

8.3 Eşleştirilmiş roller ve yedeklilik

T8 uyarınca, bir dönüşüm rolünün yedekliliği sürdürülebilirliği artırır. Bir rolde yapay zekâyı ve bir kişiyi eşleştirmek, böylece her birinin diğerinin hatalarını yakalaması, böyle bir yedekliliktir. Eşleştirme şemada görünür olmalıdır; böylece insan yarısı bir girdi olarak sayılır ve bedava kabul edilmez.

8.4 Bir Değer Sistemi Şemasında konumlandırma

Bir Değer Sistemi Şemasında (VSS) yapay zekâ rolü, açık girdileri ve çıktıları olan bir dönüştürücü olarak çizilir. Asgari bir konumlandırma şunları içerir:

• gelen akışlar: veri ve bağlam, hesaplama gücü, insan talimat çabası, inceleme çabası;
• giden akışlar: üretilen değer öğeleri, her biri adı belirtilmiş bir alıcı dönüştürücüye giden;
• bir karşı değer akışı: özgüvenli hatalar ve geri gönderilen veya aşağı akışa geçirilen yeniden iş;
• her giden akışta Æ cinsinden planlanan ve gerçekleşen değerler, gerçekleşen değer alıcıda kaydedilerek.

Bu şekilde çizildiğinde şema, çoğu zaman iş gerekçesinin atladığı bir akışı, genellikle inceleme çabasını, ortaya çıkarır. T9 uyarınca, yapı gözlemlenen maliyetleri açıklamıyorsa gizli akışlar vardır veya sınır yanlıştır.

9 Benimseme ve yapay zekâ programlarının ölçümü için çıkarımlar

9.1 Benimseme kararları

Dönüştürücü bakışı, benimseme sorusunu "yapay zekâ hangi işleri yapabilir?" sorusundan, "hangi akışlarda bir yapay zekâ dönüştürücüsü, eklediği karşı değer ve inceleme çabası düşüldükten sonra alıcıdaki gerçekleşen değeri artırır?" sorusuna değiştirir.

• Alıcının düşük maliyetle doğrulayabildiği akışları tercih edin. Bir çıktıyı kontrol etmek onu üretmek kadar pahalıysa, yapay zekâ dönüştürücüsü (transformer) çok az katkı sağlar. Alıcı kaliteyi hızlıca doğrulayabiliyorsa, dönüştürücü çok şey katabilir.
• Hataların sessiz kaldığı yerlerde dikkatli olun. Yanlış bir çıktı çok daha sonrasına kadar fark edilmediğinde, retrospektif değer, program başarılı ilan edildikten çok sonra bile negatife dönebilir.
• Devreye almadan önce gözden geçirme bütçesini hesaplayın. Çıktıyı gözden geçirecek kişiler, kendi katılım koşulları olan aktörlerdir. Bu koşulları ihlal eden bir dağıtım (A8), bu kişileri kaybeder ya da katılım biçimlerini değiştirir (T7).
• Büyümeyi yalnızca teslimat doğrulandığında planlayın. Æilus, VTO'lardan planlanan değeri yalnızca talep, girdi akışı ve teslimat kabiliyeti doğrulandığında artırmalarını ister (T16).

9.2 Yapay zekâ programlarının ölçülmesi

Bir program incelemesi için bu makale, tamamı beyan edilmiş değer sistemi içinde olmak üzere dört ölçüm önerir:

1. Alıcıdaki gerçekleşen değer, akış başına, Æ cinsinden ya da belirtilmiş bir vekil ölçüt cinsinden, alıcı dönüştürücü tarafından kaydedilir.
2. Plan-gerçekleşme farkı: üretici tarafındaki sayım eksi alıcı tarafındaki doğrulama, zaman içinde izlenir.
3. Tam tüketim: hesaplama gücü ve lisanslar ile tahmini gözden geçirme çabası ve insan dikkati.
4. Karşı değer göstergeleri: tekrar eden başvurular, geri alınan değişiklikler, düzeltilen çıktılar, şikâyetler ve beceri aşınması ya da azalan güven belirtileri.

Yalnızca hacmi ve FTE tasarruflarını raporlayan bir program, planlanan değeri raporlamaktadır. Bu doğru olabilir, ancak henüz doğrulanmış değildir.

10 Örnekleyici senaryo

Aşağıdaki senaryo varsayımsaldır. Sayılar aritmetik kolaylık için seçilmiştir ve herhangi bir kuruluşu ya da ölçümü tanımlamaz.

Bir ürün kuruluşu, destek akışına bir yapay zekâ asistanı getirir. Varsayımsal bir ayda akışa 1.000 talep gelir. Asistan bunların 700'ünü kapalı olarak işaretler ve iç rapor, asistanın "desteğin yüzde 70'ini yürüttüğünü" belirtir. Çalışan çerçevesi (frame) altında bu, bir operatör ekibinin iş yükünün onda yedisinin ortadan kalktığı şeklinde okunur.

Şimdi asistanı bir dönüştürücü olarak konumlandırın ve alıcı tarafına bakın. Kapatılan 700 talepten 250'sinin bir hafta içinde aynı konuda tekrar eden başvurular olarak geri geldiğini, artık insan operatörler tarafından ele alındığını ve öncekinden daha hayal kırıklığına uğramış müşterilerden geldiğini varsayın. Ayrıca operatörlerin her tekrar eden başvuruyu yanıtlamadan önce asistanın yazışma kaydını okumak için zaman harcadığını varsayın.

Alıcı tarafı görünümü asistanın başarısız olduğunu söylemez. Bu varsayımsal durumda 450 müşterinin sorunu hızla çözülmüştür ve bu gerçek bir gerçekleşen değerdir. Görünüm, 700 kapatmanın planlanan değerinin, alıcıların reddettiği 250 hipotez içerdiğini gösterir. Bu 250, üç tür karşı değere dönüşmüştür: ortalamadan daha zor vakalarda ek operatör işi, yazışma kaydını gözden geçirme çabası ve müşterinin kanala olan güveninin azalması. Operatör iş yükü raporun ima ettiğinden daha az azalmış, geriye kalan iş yükü ise daha zor hale gelmiştir.

Destek dönüştürücüsüne sahip olan bir VTO, yüzde 70'e göre değil, bu farka göre hareket eder. Seçenekler arasında asistanı alıcıların çözümü doğruladığı talep türleriyle sınırlamak, belirsiz vakaları insanlara daha erken yönlendirmek ve bir talep kapalı sayılmadan önce alıcı tarafında bir kontrol eklemek ("bu sorununuzu çözdü mü?") yer alır. Bunlardan herhangi birinin net gerçekleşen değeri artırıp artırmadığı ampirik bir sorudur; senaryo yalnızca bu soruyu yanıtlamak için hangi sayılara ihtiyaç duyulduğunu gösterir.

11 Sınırlılıklar

Bu makale, VMT aksiyomlarından ve teoremlerinden ve Æilus metodoloji materyalinden türetilmiş kavramsal bir analizdir. Hiçbir ampirik veri bildirmez. 7. bölümdeki karşı değer kategorileri gözlemlenebilir kategoriler olarak önerilmiştir; bunların gerçek kuruluşlardaki sıklığı ve büyüklüğü bu çalışmadan bilinmemektedir.

Alıcı tarafı ölçümü pahalı olabilir ve bazı alıcılar durumlarını bildiremez. Gözden geçirme çabasının, güvenin ve beceri aşınmasının Æ'ye dönüştürülmesi, VSO tarafından tanımlanan bir toplulaştırma politikası gerektirir ve bu tür değerler yalnızca kısmen ortak ölçülebilirdir (A13). Farklı bir sınır, örneğin yapay zekâ tedarikçisini de içeren bir sınır, farklı sonuçlar üretirdi (T15). Makale ayrıca yapay zekâ sistemini sabit bir dönüştürücü olarak ele alır; oysa alıcı geri bildiriminden öğrenen sistemler plan-gerçekleşme farklarını zaman içinde değiştirebilir.

Doğrulama, birkaç değer sisteminde yapay zekâ dönüştürücülerinin uzunlamasına gözlemini gerektirir; planlanan değer, alıcı tarafındaki gerçekleşen değer, gözden geçirme çabası ve karşı değer göstergeleri aynı akışlar üzerinde zaman içinde kaydedilmelidir.

12 Sonuç

Yapay zekâyı dijital bir çalışan olarak ele almak, onu bir akışın en güçlü olduğu üretici tarafında ölçer ve değerin gerçekleştiği alıcı tarafını ölçülmemiş bırakır. Yapay zekâyı bir dönüştürücü rolü olarak ele almak (A7) tüm alışverişi görünür kılar: veri, hesaplama gücü, insan dikkati ve gözden geçirme çabası tüketir; alıcı onları tüketene kadar hipotez olarak kalan değer öğeleri üretir (A6). Yapay zekâ çıktısının planlanan ve gerçekleşen değeri birbirinden ayrışır (A4, T3) ve bu ayrışma, gizli yeniden işe ve birikerek büyüyen karşı değere dönüşür (A5, T4, T6).

Pratik sonuçlar şunlardır: kimin değerinin ölçüldüğünü beyan edin. Yapay zekâ rolünü çıktısı ve alıcısı ile adlandırın. Onu, gözden geçirme dahil tüm girdileriyle Değer Sistemi Şeması'nda çizin. Değeri çıktının tüketildiği yerde ölçün ve üretici tarafı sayımları ile alıcı tarafı doğrulaması arasındaki farkı izleyin. Sahipliği sistemin kendisine değil, bir VTO'ya atayın. Yalnızca alıcıların doğruladığı şeyi ölçeklendirin. Bu şekilde ölçülen bir yapay zekâ programı ilk raporunda daha az etkileyici görünebilir, ancak sonraki raporlarında çok daha yararlı olabilir.

Kaynakça

• Bolshakov, V. Value Management Theory and Employee-Centric Competitive Advantage: A System-Level Perspective. ÆVRI, 2026.
• Bolshakov, V. Value, Anti-Value and Value Flows: A Working Vocabulary for Practitioners. ÆVRI, 2026.
• Bolshakov, V. Æilus Methodology v2.0. aeilus.tech, 2026.
• Bolshakov, V. Rethinking Efficiency: Value Systems, Flows, Converters, and Elements. aeilus.tech, 2026.
• Bolshakov, V. Value Elements: What We Actually Produce and Consume. aeilus.tech, 2026.
• Goodhart, C. A. E. Problems of Monetary Management: The U.K. Experience. 1975.
• Reinertsen, D. G. The Principles of Product Development Flow. 2009.
• Womack, J. P. ve Jones, D. T. Lean Thinking. 1996.