Yapay zekanın iş yükünü azaltacağı vaadiyle gelen beklenmedik sonuç
Yapay zeka araçları üretkenliği artırma vaadiyle sunuluyor; ama son saha raporları ve çalışan tanıklıkları gösteriyor ki bu teknolojiler aynı zamanda çalışma saatlerini, stres düzeyini ve performans baskısını artırabiliyor. OpenAI, Anthropic ve Meta gibi önde gelen şirketlerde haftalık 90 saate varan proje yoğunlukları, sık kriz toplantıları ve hafta sonu mesaileri artık nadir istisnalar değil; pek çok çalışan için yeni norm haline geliyor. Bu yazıda, veriye dayalı örneklerle ve çalışan anlatılarıyla neden böyle olduğunu, hangi mekanizmaların bunu beslediğini ve işyerinde hangi somut etkilere yol açtığını açıklıyorum.
Nasıl oldu da verimlilik aracı çalışanları daha çok çalıştırdı?
Teknoloji şirketleri yapay zekayı araç olarak geliştirirken üç ana mekanizma ortaya çıkıyor: 1) Araçların sunduğu hız beklentisi, 2) Üst yönetimin kısa teslim süreleri dayatması, 3) Çıktıların sürekli insan onayı gerektirmesi. Örneğin Anthropic, bir modelin tek başına yedi saat kesintisiz çalışabildiğini iddia ederken, gerçek hayatta çalışanların yaptığı iş modelin çıktısını sürekli kontrol ve düzelteme çevriliyor. Bu da net bir şekilde çalışan mesaisini uzatıyor.
Somut vaka: OpenAI ve Anthropic’teki proje ritimleri
BBC tarafından doğrulanan içerikler, bu şirketlerde bazı dönemlerde haftalar süren yoğun sprintlerin ve 90 saate ulaşan haftalık çalışma döngülerinin yaşandığını gösteriyor. Bu tür dönemlerde işin doğası şu şekilde değişiyor: planlama yerine yangın söndürme, öngörü yerine ani revizyonlar, ekip içi uzmanlık yerine farklı birimlerden zorunlu personel transferleri. Sonuç: çalışanlar kendilerini askere alındıklarını hissettikleri bir tempoyla karşılaşıyor.
Performans değerlendirmeleri ve “kabul et ya da git” kültürü
Şirket yönetimleri verimliliği artırma çabasıyla sıkı performans değerlendirmeleri uyguluyor. Bu değerlendirmeler acımasız olarak tanımlanıyor çünkü çalışanları ya yeni beklentileri kabul etmeye zorluyor ya da ekipten ayrılmaya itiyor. Meta örneğinde, yapay zekaya geçişin ardından bazı ekiplerin keskin işten çıkarmalarla karşılaşması bunun canlı kanıtı. Bu yaklaşım, çalışanların itiraz etmelerini veya yeni görevlere hayır demelerini fiilen engelliyor.
İşin emosyonel ve fiziksel maliyeti: Tanıklıklar
Eski Google mühendisi Amin Shali gibi çalışanlar, yoğun mesai yükü nedeniyle sağlık ve uyku problemleri yaşadıklarını, ayrıldıktan sonra ise genel sağlıklarının düzeldiğini bildiriyor. Başka bir eski OpenAI çalışanı, haftalık 70 saate kadar çıkan taleplerin yaşam kalitesini bozduğunu belirtiyor. Bu tür kişisel raporlar, yalnızca iş saatlerinin artmadığını; aynı zamanda psikolojik tükenmişlik, uyku bozuklukları ve iş-yaşam çatışmasının da arttığını ortaya koyuyor.
Yapay zeka çıktılarının sürekli denetlenmesi: Neden insan iş yükü artıyor?
Birçok yapay zeka sistemi, özellikle yüksek riskli veya gelir-kritik uygulamalarda, hatasız çalışmıyor. Berkeley ve MIT araştırmaları, şirketlerin çalışanlarına model çıktısını sürekli denetleme ve düzeltme görevi verdiğini gösteriyor. Bu durumun iki etkisi var: birincisi, çalışanların görevleri otomasyondan tamamen kurtulmak yerine yeni bir “kontrol” katmanına dönüşüyor; ikincisi, çıktılardaki hata riskini azaltmak için ek zaman ve uzmanlık yatırımı gerekiyor. Sonuç: otomasyonun vadedilmiş zaman kazancı kısmen veya tamamen yutuluyor.
Şirket stratejileri: Hızlı piyasa payı mı, sürdürülebilir iş gücü mü?
Şirketler kısa vadede rekabet avantajı kazanmak için agresif sürüm takvimleri uyguluyor. Bu strateji mühendisleri, tasarımcıları ve ürün ekiplerini sık sprintlere ve hafta sonu mesailerine iterken, uzun vadede kurumsal bilgi kaybı, çalışan devri ve marka itibarında zayıflama riski oluşuyor. Meta’nın çalışanlarının onda birini işten çıkarma kararı ve Anthropic CEO’sunun daha büyük dalgalar geleceğine dair söylemleri, bu dönüşümün sadece bireysel vakalar olmadığını, sistemik bir adaptasyon olduğunu gösteriyor.
Yöneticiler ve ekipler için uygulanabilir adımlar
Bu trendi tersine çevirmek için şirket içinde uygulanabilecek somut adımlar şunlar:
1. Teslimat sürelerini gerçekçi kılın: Yapay zeka entegrasyonunun test/denetim gerektirdiğini kabul ederek sprint planlarını yeniden düzenleyin.
2. Kontrol sorumluluklarını netleştirin: Model çıktısını kim kontrol edecek, hangi senaryolarda insan devreye girecek açık olsun; aksi halde kontrol işi gizli yük olarak yayılır.
3. İş yükünü ölçümlendirin ve telafi edin: Fazla mesaiyi sadece sözle teşvik etmek yerine maddi/tatil telafisi ile dengeleyin.
4. Esnek çalışma ve gerçek sınırlar: Haftalık sınırlar belirleyin; sprint sonrası
