Beynin tek bir görevi darboğazın dışına taşıması 30.000'den fazla tekrar aldı. Georgetown'lı sinirbilimciler katılımcıları, dönüştürülmüş otomobil görsellerini iki kategoriye ayırmak üzere eğitti, öncesinde ve sonrasında fMRI ve EEG ile izledi ve işin prefrontal korteksten — aynı anda tek bir şeyi işleyen bölgeden — temporal kortekse ancak beş ila on haftalık günlük pratikten sonra göç ettiğini buldu (Georgetown University Medical Center, 2026). O noktaya kadar görev yönetsel kapasite tüketiyordu. Sonrasında aynı görev neredeyse bedava çalışıyordu.
Bu bulgunun, orta ölçekli bir işletmede yapay zekâ aracı benimsemesini yürüten herkes için rahatsız edici bir sonucu var. Yeni bir araç, tanımı gereği otomatik değildir. Prefrontal darboğaza yerleşir ve tam olarak serbest bırakmak için devreye aldığınız bilişsel kapasiteyi harcar — üstelik haftalarca orada kalır. Ekibinizin ilk ay bildirdiği verimlilik düşüşü direnç değildir ve aracın yanlış seçim olduğunun işareti de değildir. Henüz yeniden yönlendirilmemiş bir becerinin öngörülebilir maliyetidir.
Georgetown Gerçekte Neyi Ölçtü
Journal of Cognitive Neuroscience dergisinde yayımlanan, ilk yazarlığını Patrick Cox'un, kıdemli yazarlığını Maximilian Riesenhuber'in yaptığı çalışma, boylamsal olduğu için sıra dışı. Öğrenme araştırmalarının çoğu ya beceri edinmenin ilk saatlerini ya da tamamlanmış uzmanı yakalar. Bu çalışma ise aynı beyinleri uzun bir eğitim bloğunun öncesinde ve sonrasında ölçtü; katılımcılar bir telefon uygulaması sayesinde beş ila on hafta içinde 30.000'den fazla deneme biriktirdi (Georgetown University Medical Center, 2026).
Sonuç: öğrenmenin erken evresinde kategorilendirme prefrontal korteksi aydınlatıyordu. Uzun pratikten sonra aynı kategorilendirme temporal kortekste gerçekleşiyordu ve kategori sinyali prefrontal korteksi tamamen atlayarak doğrudan çıktı bölgelerine bağlanıyordu (Neuroscience News, 2026). Cox'un ifadesiyle, yoğun eğitim "temporal lobda daha önce orada olmayan, kategoriye seçici bir alanı esasen yerleştirdi".
Riesenhuber'in örneği, her operasyon yöneticisinin kendi hayatından tanıdığı örnek: araba kullanmak. İlk öğrendiğinizde tüm dikkatinizi ister. Yıllar sonra, sürerken sohbet edebilir, bir problemi düşünebilirsiniz. Beyin, sürüş üzerine düşünmekte hızlanmadı. Sürüşü, düşünmenin gerçekleştiği yerden çıkardı.
Bu mimarinin iki özelliği operasyonel olarak belirleyici. Birincisi, prefrontal korteks gerçek bir darboğazdır — tipik olarak aynı anda yalnızca bir zorlu görevi işleyebilir. İkincisi, bu darboğazdan çıkış anlama, motivasyon ya da eğitim gününün kalitesi meselesi değildir. Haftalarla ölçülen bir tekrar hacmi meselesidir.
Otomatik Olmayan Araç, Vaat Ettiği Kapasiteyi Harcar
Şimdi bunu, yapay zekâ araçlarının orta ölçekli bir iş akışına gerçekte nasıl girdiğine uygulayın. Bir süreç çok fazla saat yediği için bir araç lisanslarsınız. İş gerekçesi kapasite serbest bırakacağını söyler. Sonra onu, hiç kullanmamış bir ekibe teslim edersiniz.
O ekip için yeni araçla her etkileşim bir prefrontal korteks görevidir. Ona ne devredileceğine karar vermek, isteği kurgulamak, çıktının doğru olup olmadığını yargılamak, nerede ince biçimde yanlış olduğunu yakalamak, kabul mü etmek yoksa yeniden mi yapmak — hepsi, aracın rahatlatması beklenen aynı tek şeritli yönetsel kaynaktan geçer. Eski iş akışı, deneyimli bir kullanıcı için büyük ölçüde otomatikti. Georgetown'ın ölçtüğü göçü çoktan tamamlamıştı. Yenisi tamamlamadı.
Dolayısıyla ilk haftalar "eski çaba çıkar, yeni verimlilik girer" biçiminde adil bir takas değildir. Otomatik işin, bilinçli işle takasıdır — araç nesnel olarak iyi ve çıktı nesnel olarak daha hızlı olsa bile yönetsel yükte net bir artış. Düşüşün ardındaki mekanizma budur. Direnç değil. Karakter özelliği olarak değişim yorgunluğu değil. Mimari.
Davranışsal veriler bununla tutarlı. ActivTrak'in 2026 analizi — 163.638 çalışanın 443 milyon saatlik etkinliği — yapay zekâ benimsemesinden sonra kesintisiz odak seanslarının yaklaşık %9 düştüğünü (14 dakika 23 saniyeden yaklaşık 13 dakikaya), buna karşılık e-posta etkinliğinin %104, iş araçları kullanımının %94 arttığını buldu (ActivTrak, 2026). İş hızlandı ve yoğunlaştı. İçinde çalıştığı dikkat kabı ise küçüldü. Geçiş dönemi dışarıdan böyle görünür.
Üç Aracı Üst Üste Koymak Neden Yükü Üçe Katlar, Çıktıyı Değil
Sinirbilimin fiyat etiketli bir bütçe hatasına dönüştüğü yer burası.
Darboğazı tek bir otomatik olmayan araç işgal ediyorsa, üç otomatik olmayan araç onu zarifçe paylaşmaz. Prefrontal korteks paralelleştirmez; Georgetown'ın bulgusu tam olarak şudur: gerçek paralel işleme, ancak görevlerden biri oradan yeniden yönlendirildikten sonra mümkün hâle gelir. Aynı çeyrekte üç aracı devreye alırsanız kaldıracınızı üçe katlamış olmazsınız. Bölünemeyen tek kaynağa olan talebi üçe katlamış, aynı zamanda üçünden herhangi birinin otomatikliğe ulaşma süresini uzatmış olursunuz — çünkü üç acemi eğrisine yayılan dikkat, her birinde tekrarları daha yavaş biriktirir.
Orta ölçek bunu şimdiden yaşıyor. Freshworks'ün 2026 Global Cost of Complexity çalışması — 12.021 BT karar vericisi, 9.000'den fazlası orta ölçekli kuruluşlarda — şirketlerin ortalama 4,2 yapay zekâ aracı kullandığını, %9'unun yedi veya daha fazlasını çalıştırdığını ve tek bir getiri görmeden önce yapay zekâ bütçesinin ortalama %25'ini karmaşıklığa kaptırdığını buldu (Freshworks, 2026). Aynı çalışmada BT liderlerinin %86'sı, yapay zekâ karmaşıklığını yönetmenin ekiplerinin iş yükünü artırdığını söyledi.
Bu %25 genellikle bir entegrasyon ve yapılandırma sorunu olarak açıklanır. Kısmen öyledir. Ancak Georgetown'ın sonucu, hiçbir entegrasyon bütçesinin yakalayamadığı ikinci bir maliyeti adlandırıyor: aynı anda birden fazla otomatik olmayan aracı çalıştırmanın insan darboğazı vergisi. Yapılandırma yükü bir faturada görünür. Prefrontal doygunluk ise yalnızca şu şekilde görünür: zaman kazandıran yazılımı verdikten sonra nedense daha meşgul hâle gelmiş bir ekip.
Bunu yalnızca yavaş değil, pahalı yapan şey bileşik etkidir. Otomatikliğe ulaşan bir araç yönetsel kapasiteden çekmeyi bırakır ve geri vermeye başlar — geri verilen bu kapasite, bir sonraki benimsemeyi finanse eden şeydir. Hepsi otomatikliğin biraz altında kalan bir araç portföyü bu temettüyü hiç üretmez; dolayısıyla sonraki her devreye alma aynı tükenmiş hesaptan finanse edilir. 4,2 araç, satın alma anlamında bir yayılma sorunu değildir. Tersine çalışan bir bileşik getiri sorunudur.
Yapay Zekâ Aracı Benimsemesini Kapsama Göre Değil, Otomatikliğe Göre Sıralayın
Çoğu yapay zekâ yaygınlaştırma planı kapsamaya göre sıralanır: pilot bütçe süresi dolduğu için, satın almanın izin verdiği hızda araçları mümkün olduğunca çok ekibin önüne koymak. Georgetown mekanizması ise otomatikliğe göre sıralamayı savunuyor ve bu üç somut kararı değiştiriyor.
Lansmanları değil, haftaları finanse edin
Yeniden yönlendirme beş ila on haftalık yoğun tekrar gerektiriyorsa, bir yapay zekâ devreye alımının anlamlı birimi lansman tarihi değildir — onu izleyen tekrar penceresidir. Bir ekibi salı günü eğitip çarşamba günü değişim yönetimi ilgisini başka yere kaydıran bir yaygınlaştırma, eğrinin en pahalı kısmını finanse edip getirinin yaşadığı kısmı terk etmiştir. Devamını bütçeleyin: korunmuş kullanım zamanı, adı konmuş bir sahip ve tekrarların haftalık değil günlük birikmesini sağlayacak kadar gerçek iş hacmi.
Bilinçli olarak, bir seferde tek bir iş akışı
Bir sonraki cepheyi açmadan önce tek bir aracı tek bir iş akışında otomatikliğe kadar götürün. Bu daha yavaş hissettirir ve daha hızlıdır. Her biri otomatikliğe ulaşan iki ardışık devreye alma, hepsi darboğazda kalan üç eşzamanlı devreye almayı yener — ve ilki, bir kez yeniden yönlendirildiğinde, ikincisinin ihtiyaç duyacağı yönetsel kapasiteyi gerçekten serbest bırakır. Georgetown'ın pratik vaadi şudur: kapasite geri gelir. Yalnızca tekrarın diğer tarafından gelir, bir eğitim sunumunun diğer tarafından değil.
İlk haftanın düşüşünü bir hüküm gibi okumayı bırakın
Yapay zekâ aracı benimsemesindeki en pahalı yanlış okuma, erken düşüşü araç ya da ekip hakkında bir kanıt saymaktır. Bunu görüp "insanlarımız direniyor" sonucuna varan liderler daha fazla zorunlulukla karşılık verir. "Bu araç işe yaramıyor" sonucuna varanlar yeni bir tedarikçiye geçer — bu da saati sıfırlar ve ekibi birinci denemeye geri götürür. Her iki tepki de aynı hatadır: bir geçiş maliyetini hükümle karıştırmak. Üçüncü haftada anlamlı soru "daha hızlı mıyız" değil, "tekrarlar birikiyor mu"dur. Kullanım derinliğini ve sıklığını erken ölçün; kazanılan saatleri pencere kapandıktan sonra ölçün.
Adlandırmaya değer bir hedefleme katmanı var. Yeniden yönlendirme tekrarla ilerler, ama bilinçli çaba evresine tahammül bir ekip içinde eşit dağılmaz. Kimileri beş haftalık çukuru gözünü kırpmadan geçer; kimileri ikinci haftada sessizce eski iş akışına döner ve tekrar eğrisini de yanında götürür. Pilot grubu seçmeden önce kimin hangisi olduğunu bilmek, otomatikliğe ulaşan bir devreye alma ile %40 benimsemede takılıp "araç başarısızlığı" diye kayda geçen bir devreye alma arasındaki farktır.
Bu Çeyreğin Tek Kararı
Ekibinizin son doksan günde öğrenmesi istenen yapay zekâ araçlarını sayın. Sayı iş akışı başına birden fazlaysa, bir benimseme sorunu ölçmüyorsunuz — insanlardan daha çok çabalamalarını isteyerek genişletilemeyecek, tek şeritli bir kaynağın önündeki kuyruğu ölçüyorsunuz.
O hâlde birini seçin. En yüksek değerli iş akışını alın, ona tek bir araç adayın, tekrarı beş ila on hafta koruyun ve ilki düşünmeden çalışır hâle gelene kadar diğer tüm yapay zekâ aracı benimsemelerini o çizginin arkasında tutun. Bu tek sıralama kararı hiçbir şeye mal olmaz, yeni tedarikçi gerektirmez ve bu yazıdaki, darboğazın etrafından dolaşmak yerine doğrudan darboğaza etki eden tek müdahaledir. Size vaat edilen kapasite gerçektir ve Georgetown onu üreten fiziksel mekanizmayı henüz gösterdi. O kapasite tekrarın diğer tarafında gelir — ve yalnızca bitirmesine izin verilen ekiplere.
