Stanford Üniversitesi Dijital Ekonomi Laboratuvarı Direktörü ve Workhelix kurucu ortağı Erik Brynjolfsson, Financial Times için kaleme aldığı makalede yapay zekanın verimlilik üzerindeki etkilerini değerlendirdi.
Ekonomistler on yılı aşkın bir süredir Solow Paradoksu'nun* modern bir versiyonuyla boğuşuyor. Yapay zekayı her yerde görüyoruz ancak verimlilik istatistiklerinde göremiyoruz. Şüpheciler bunun nedenini, makine öğrenimi ve üretken yapay zekadaki modern inovasyonların geçmişteki büyük icatların yanında sönük kalmasıyla açıklıyor.
Ancak İşgücü İstatistikleri Bürosu'ndan gelen en son revizyonlar, istatistiksel sisin nihayet dağılmakta olabileceğini gösteriyor.
Solow Paradoksu nedir?
Solow Paradoksu, bilgisayar ve bilgi teknolojileri çağının hayatın her alanında görülmesine rağmen, bu teknolojik yaygınlığın verimlilik istatistiklerine beklenen düzeyde yansımaması çelişkisidir.
İş gücü ve büyüme arasındaki ayrışma
Bu hafta açıklanan veriler, yapay zekanın henüz ABD ekonomisi üzerinde bir etkisi olmadığı anlatısına çarpıcı bir düzeltme sunuyor. İlk raporlar ABD'de istikrarlı bir iş gücü genişlemesi olduğunu öne sürerken, yeni rakamlar toplam istihdam artışının aşağı yönlü yaklaşık 403 bin istihdam seviyesinde revize edildiğini ortaya koydu.
Daha da önemlisi, bu aşağı yönlü revizyon gerçekleşirken reel GSYH, dördüncü çeyrekteki yüzde 3,7'lik büyüme oranı da dahil olmak üzere güçlü kalmaya devam etti. Yüksek çıktının, önemli ölçüde daha düşük iş gücü girdisiyle korunması anlamına gelen bu ayrışma, verimlilik artışının en belirgin işaretidir.
Brynjolfsson, kendi güncel analizine göre 2025 yılı için ABD verimlilik artışının kabaca yüzde 2,7 seviyesinde gerçekleşeceğini öngördü. Bu oran, geçtiğimiz on yılı karakterize eden durgun yüzde 1,4'lük yıllık ortalamanın neredeyse iki katına işaret ediyor.
Yatırım aşamasından hasat dönemine geçiş
Bu değişim, daha önceki araştırmalarda ele alınan verimlilik "J-eğrisi" ile örtüşüyor. Buhar makinesinden bilgisayara kadar genel amaçlı teknolojiler anında kazanım sağlamaz. Bunun yerine, iş süreçlerinin yeniden düzenlenmesi, iş gücünün yeniden eğitilmesi ve yeni iş modellerinin geliştirilmesi gibi ölçülemeyen yatırımların yapıldığı bir dönem gerektirir.
Bu aşamada kaynaklar yatırımlara yönlendirildiği için ölçülen verimlilik baskılanır. Güncellenen 2025 ABD verileri, artık bu yatırım aşamasından çıktığımızı gösteriyor. Daha önceki çabaların ölçülebilir çıktı olarak tezahür etmeye başladığı bir hasat aşamasına geçiliyor.
Mikro düzeydeki kanıtlar da bu yapısal değişimi destekler nitelikte. Geçen yıl Bharat Chandar ve Ruyu Chen ile yapılan çalışmada, yapay zekaya maruz kalan sektörlerde giriş seviyesi işe alımlarda bir soğuma tespit edildi.
Giriş seviyesi istihdamda düşüş
Genç roller için işe alımlar kabaca yüzde 16 azalırken, becerilerini artırmak için yapay zeka kullananların istihdamında artış görüldü. Bu durum, şirketlerin yapay zekayı bazı kurallı ve giriş seviyesi görevler için kullanmaya başladığını gösteriyor.
Eğilimler fikir verici olsa da bir dereceye kadar temkinli olmak gerekiyor. Verimlilik ölçümleri değişkenliğiyle bilinir ve yeni bir uzun vadeli eğilimi teyit etmek için birkaç dönem daha sürdürülebilir büyüme gerekir. Ayrıca jeopolitik ticaret savaşlarından mali veya parasal kötü yönetime kadar uzanan güçlü makroekonomik rüzgarlar bu verimlilik kazanımlarını tersine çevirebilir.
Yine de potansiyel ve gerçekleşen kazanımlar arasında ayrım yapıldığında daha fazla iyimserlik için neden bulunuyor. Birçok işletme üretken yapay zekayı görevlerin yalnızca küçük bir kısmı için kullanıyor. Bazıları yapay zekayı sadece çeviri veya özetleme için, yani "yüceltilmiş bir sözlük" gibi kullanıyor.
Potansiyel ve gerçekleşen kazanımlar
Buna karşılık, yazarın şirketi küçük bir "güçlü kullanıcı" grubunun, uçtan uca iş akışlarını otomatikleştirmek için yapay zeka ajanlarıyla etkileşimli konuşmalar yaptığını tespit etti. Bu kullanıcılar, örneğin eksiksiz pazarlama planları oluşturarak haftalar sürecek çabayı saatlere sığdırabiliyor.
İşletmeler için asıl zorluk sadece teknolojiyi edinmek değil, onu ortalama bir çalışanın seviyesini yükseltmek için kullanmaktır. Bu sadece kendi karlarını değil, ekonomi genelindeki verimlilik kazanımlarını da artıracaktır.
Yapay zeka deneyleri çağından yapısal fayda çağına geçiliyor. Artık odak noktası bu teknolojinin hassas mekaniklerini anlamak olmalı. Verimlilikteki canlanma sadece yapay zekanın gücünün bir göstergesi değil. Bu durum, yaklaşmakta olan ekonomik dönüşüme odaklanmak için bir uyarı niteliği taşıyor.