Zaten AI kullanıcılarının en iyi %1'indesin. Evet, seninle sınırda olanlar arasında bir fark var. Her çalıştırmadan sonra kendini yeniden yazan bir bilgi tabanıyla aynı anda 20 terminal çalıştıran o deli çocuklar.
Kötü haber şu ki o insanlara asla yetişemeyeceksin. İyi haber şu ki buna ihtiyacın yok. Önündeki o fark, arkandaki uçurumdan çok daha küçük.
X'te anlık hevesle ajan filoları kuran inekleri gördüğün için en iyi %1'de olduğunu hissetmeyebilirsin ama inan bana, en iyi %1'densin. Muhtemelen her gün bir model kullanıyorsun, onu en iyi nasıl kullanacağına dair fikirlerin var ve hatta ajanlarla ilgileniyor ya da kendi makinene Hermes kurmuş olabilirsin.
Öte yandan, seninle büyük bir kurumsal şirketteki ortalama çalışan arasında bir uçurum var. Muhtemelen ChatGPT'yi 2 yılda 4 kez açmışlardır. 3.5-turbo kullandılar ve AI'ın aptalca olduğuna karar verdiler; GPT-5.6 Sol Ultra'nın 50 yıldır açık olan bir grafik teorisi varsayımının kanıtını az önce ürettiğinin farkında değiller. Her AI stratejisi makalesi veya gönderisi, bu kişinin, bu ortalama çalışanın sonunda yetişeceğini varsayıyor.
Söylüyorum, yetişmeyecekler.
Bağlam için söyleyeyim, @varickagents şirketinin CEO'suyum. Gezegendeki en büyük şirketlerle birlikte organizasyonlarında AI ajanları ve stratejisi uygulamak için çalışıyoruz, dolayısıyla kurumsal AI'ın gerçekleri hakkında bir iki şey biliyoruz.
ŞEKİL 1 - Uçurum
Dünyanın en iyi AI aracı onları daha hızlı yapmadı
Geçtiğimiz günlerde, teknik olmayan bir kurumsal şirketin operasyon biriminin lideriyle konuştum (binlerce kişi). AI olmadan ekibinin makul bir hızla ilerlediğini söyledi. Orada büyük bir şikayet yok.
Sonra Claude Cowork'u devreye aldılar ve ne dersin? Ekip aynı hızda ilerlemeye devam etti. Bana nedenini sordu.
Her organizasyonda aynı dağılımı gördüm. 50 kişi ya da 5000 kişi olması hiç fark etmiyor, her seferinde aynı dağılım: bir barbell. İnsanların %5-10'u güç kullanıcısıydı. Cowork'u her gün kullanıyorlar, skill dosyalarından, Outlook bağlayıcılarından ve daha fazlasından yararlanıyorlardı. Bunlar evangelistlerdi; Claude Cowork'u baştan savunanlardı çünkü iş dışında AI ile oynuyorlar ve ne kadar etkili olabileceğini ilk elden görüyorlardı.
Diğer %90'ın %20'si günde birkaç kez, oldukça kötü bir şekilde kullanıyordu. Ondan biraz değer alıyorlardı ama öncülerin aldığının çok küçük bir kısmı. Geriye kalan %70 ise hiç kullanmıyordu.
ŞEKİL 2 - On tanesinden biri iyi
Birimindeki panolar, dağıtımın benimseme olarak sayıldığını gösteriyordu. Ama ona göre hiçbir şey hızlanmamıştı. Bu ikisi aynı anda doğruydu.
Kullanmak ile iyi kullanmak farklı becerilerdir
AI'ı kullananlar arasında bile beceri uçurumu muazzam. Ne yaptığını bilmeyen AI kullanıcıları, AI'dan önce olduklarından çok daha kötü durumdalar.
Claude'u kurmak, bir repoya yönlendirmek, dört kelimelik bir prompt göndermek ve bir şeylerin olmasını izlemek çok kolaydır (doğru da olabilir, yanlış da).
İyi kullanmak farklı bir beceridir. Bağlamı ne zaman temizleyeceğini bilmek. Az önce iki kez yaptığın şeyin, yeniden yazdığın bir prompt yerine modelin her seferinde okuduğu bir skill dosyası olması gerektiğini bilmek. Otomasyon projesinin hangi %15'inin yargı için bir model gerektirdiğini, hangi %85'inin sadece deterministik kod gerektirdiğini bilmek. Ve en önemlisi: kabul etmeden önce bir diff'i doğru okumak.
Aynı ticket'ı iki mühendise verirseniz, bu ayrışma ilk 5 dakikada ortaya çıkar. İlki Jira'daki metni kopyalayıp Claude'a yapıştırır ve gönder düğmesine basar. Düzeltme altı dosyaya dokunur ve bu mühendis şöyle bir göz atar, testlerin hâlâ geçtiğini görür ve PR'ı merge eder. Üç hafta sonra, production'da sorunlar başladığında, biri bu PR'ın bir config değerini sebepsiz yere değiştirdiğini fark eder.
İkinci mühendis aynı şekilde başlar. Jira'daki metni yapıştırır, ancak kodun repoda nerede olduğunu, hangi klasörlere ve dosyalara dokunulacağını, hangilerinin yalnız bırakılacağını belirtir ve Claude tarafından gönderilen her PR'ın ayrıntılı değil minimalist olmasını ve gönderimden önce yeterince test edilmesini sağlayan skill dosyaları zaten vardır. Ardından diff'i okurlar, başıboş bir değişiklik yakalarlar, hızlı bir prompt ile düzeltirler ve ilk mühendisin PR'ının yarısı büyüklüğünde bir PR'ı merge ederler.
ŞEKİL 3 - Aynı araç, aynı koltuk, farklı sonuç
Herhangi bir organizasyonun en az yarısı asla o ikinci versiyona ulaşamayacak. AI'ı iyi kullanmak bir zanaattir. AI'ı kullanmada gerçekten iyi olmak çok büyük bir iterasyon gerektirir ve AI kullanmayan birinin ataleti çoğu kişi için aşılamazdır. Düşük kaliteli AI çıktısı saçan birini rafine bir güç kullanıcısına dönüştürmek de en az o kadar zordur.
Kusursuz bir dağıtım bile barbell üretir
Bariz itiraz şu olacak: "Bunlar sadece bunu kötü yapan şirketler. Ben çok daha iyi yapardım." Hayır. Dağıtımı kusursuz yapsan bile, ne yaparsan yap bir barbell elde edersin.
Konuştuğumuz başka bir yönetici, kurumsal lisansları organizasyonunun önüne koymayı yeni bitirmişti. Yıl için sekiz haneli bir taahhüt. İnsanların kabaca %10'u token'ların %90'ını yakıyor.
Bunu perspektife koyarsak: diğer %90, AI'ı en üstteki %10 gibi kullansaydı, harcama kabaca 10 kata çıkardı. 10 M$'lık taahhüt 100 M$'a dönüşür ve en iyi senaryon artık en kötü senaryon olur.
ŞEKİL 4 - Kullanıcılarınızın %10'u token'ların %90'ını yakıyor
Benimseme ikilidir, beceri bir yelpazedir
McKinsey'in 2025 anketine göre organizasyonların %88'i AI'ı en az bir iş fonksiyonunda kullanıyor. Sadece %6'sı EBIT'lerinin %5'inden fazlasını bundan elde ediyor. MIT NANDA'nın GenAI Divide raporundan bir başka istatistik: entegre pilotların %5'i milyonlarca değer elde ediyor, diğer %95'i ise ölçülebilir bir kâr-zarar etkisi göstermiyor.
Benimsemeyi bir metrik olarak takip ediyorsanız, büyük olasılıkla (en fazla) bir evet-hayır sorusunun soyutlamasını soruyorsunuzdur. "Bu kişi bu ay giriş yaptı mı?" "Bu kişi bu yıl giriş yaptı mı?" "Bu kişi günde en az 5 prompt gönderdi mi?" "Hiç açmadı" ile "yeniden biçimlendirmek için e-postaları yapıştırıyor" ile "büyük deftere dokunan üç ajanı production'da çalışıyor" arasında ayrım yapmak istiyorsanız, daha iyi bir ölçüm sistemine ihtiyacınız var. Kurumsal AI benimseme ölçüm sistemlerinin %99,9'u için durum böyle değil. Bu, bariz nedenlerden dolayı aptalca (bkz: yukarıdaki barbell).
ŞEKİL 5 - Benimseme rakamının gizledikleri
Ama rakam teknik olarak gerçek ve insanlar benimseme konusunda yalan söylemiyor. Bunu ölçmek, gerçekten önemsediğiniz şeyden çok daha kolay: her kişi AI'ı kullanmada ne kadar becerikli ve kullanılan token başına ROI'si ne?
Bu yüzden AI benimsemesi bir efsanedir. Bu metriği gerçekten takip etseydiniz, büyük çoğunluğun kurumsal ortamda AI-native hale gelmesi için hiçbir umut olmadığını fark ederdiniz. Bu onların değersiz olduğu anlamına mı geliyor? Elbette hayır. Sadece uygulama ve dağıtım planınızın buna göre ayarlanması gerektiği anlamına geliyor.
Her teşvik uçurumu açık tutuyor
Her AI satıcısının yol haritası, ajanlar için artırılmış yetenekler sunar, ancak ekiplerin bunu etkili kullanma becerisi hakkında hiçbir şey söylemez. Yani onu etkili kullananlar yalnızca en gürültücü kesim olan öncü kullanıcılardır, böylece söz sahibi olurlar. Ayrıca onlar için ürün geliştirmek en gurur verici olanıdır, bu da net bir kazan-kazan. Her özellik sürümü, ürünü iyi kullanmak için gereken asgari beceri eşiğini yükseltiyor ve bu da organizasyondaki öncüler ile çoğunluk arasındaki uçurumu daha da genişletiyor.
Sürekli olarak işletmelerin "çalışanlarınıza prompt yazmayı öğretin!" fikrine kapıldığını görüyorum. Bu işin %10'u. Diğer %90'ı ise "çalışanlarınıza hangi iş akışlarının modele asla dokunmaması gerektiğini, hangi iş akışlarının tamamen otomatikleştirilmesi gerektiğini öğretin." Bunu prompt eğitimi kadar kolay satamamanızın nedeni, cevabın her şirkette farklı olması ve çözmenin sahada birkaç hafta sürmesi.
Ve şirketinizdeki AI ninjalarının bunu düzeltmek için hiçbir teşviki yok. Onların kozu uçurumun ta kendisi. İşlerini %70 daha hızlı yapıyorlar, sonra da rahatça keyiflerine bakıyorlar. Ya da 3 kişinin işini yapıyorlar. Ama herkes o dalgaya bindiği anda avantajlarını kaybediyorlar. Ek bir teşvik olmadan neden düzeltsinler ki?
Peki çözüm ne?
Şey, yine de eğitim vermek zorundasınız. Vermeden kimin üst dilimde, kimin olmadığını bilemezsiniz. Bu anlamda eğitim düzeltici değil, teşhis amaçlıdır. Şirketinizde kesinlikle AI ile ilgilenen ama derinleşmek için zamanı ve esnekliği olmayan insanlar var. Herkesin yeteneğini ve konfor seviyesini ortaya çıkarmak için eğitim vermelisiniz.
Üst diliminiz için, yani güç kullanıcılarınız için, onlara paylaşılan bir veritabanı gibi yayın yapabilecekleri bir yer verin; böylece yaptıkları her skill yayınlansın, sıralansın ve başkaları tarafından kurulsun. Bu, bir kişinin çığır açan keşfini paylaşılabilir bir şeye dönüştüren gördüğüm tek mekanizma. Burada teşvik sıralamadır: güç kullanıcıları avantajlarını organizasyonda statüyle takas ederler. Ama uçurum hâlâ duruyor: bunu herkese duyurabilirsiniz ve yine de insanların %50'si hiçbir skill kullanmayacak.
Diğer herkes için iş, onların çalışma şeklini değiştirmesine gerek kalmadan yapılmalı; bu da AI'ın arka plana geçmesi demek. Zaten AI'ın bir insan tarafından prompt edilmesine neden gerek duyasınız ki? En tekrarlayan süreçlerin neler olduğunu belirleyin, çalışanların alışık olduğu mevcut kayıt sistemlerinize (Salesforce, NetSuite, Dynamics vb.) ajanlar kurun ve insanları yalnızca ikinci bir bakış gerektiğinde dahil edin.
Örneğin: bütün gün faturaları işleyen düzinelerce AP analistiniz var. Bunun %90'ı otomatikleştirilebilir. Onların ajanlar kurmasını ya da production'da sorun çıkarmadan bunu güvenilir şekilde prompt'larla halletmesini bekleyemezsiniz. O yüzden her gün çalışan ajanları kurun ve artık bu analistler sadece ajanların yaptığı işi onaylasın, reddetsin ya da düzenlesin.
Hatırlamanız gereken bir şey var: insanlar işlerini yapmalarına yardımcı olacak bir araç peşinde değil. Sadece işin yapılmasını istiyorlar.
ŞEKİL 6 - Gerçekte kimin üzerinde olduğuna göre boyutlandırılmış iki yol
O yüzden yönetim kuruluna "benimseme" raporlamayı bırakın. Bugünkü işin ne kadarının manuel, ne kadarının hibrit ve ne kadarının tam otomatik olduğunu raporlayın. Önemli olan tek raporlama ve konuşma bu.
Bu arka plan ajanlarını nasıl kurar ve devreye alırsınız? Bu tamamen ayrı bir makale. Ama biraz daha renk vermek gerekirse, Varick'te tam olarak bunu yapıyoruz ve AI'ı devreye aldığımız müşteriler için işe yarayan tek şey bu. Bunlar binlerce kişilik inanılmaz büyük şirketler ve oyun kitabı aynı:
İşin bir organizasyonda gerçekte nerede yapıldığını denetliyoruz, ardından mevcut kayıt sistemlerinize ajanlar kuruyoruz; böylece beş bin kişiden talip olmadıkları bir zanaatta iyi olmalarını istemeden iş yapılıyor.
Finans, satış, satın alma, operasyon, İK ve daha fazlasında 500 M$'ın üzerinde geliri olan şirketlerle çalışıyoruz. Bize varickagents.com adresinden göz atın. Ve bunun gibi daha fazla içerik istiyorsanız, varickagents.com/newsletter adresinden bültenimize abone olun.
Kısa Özet
- Muhtemelen en iyi %1'densin ve önünde hâlâ bir fark olsa da arkanda bir uçurum var. Şirketindeki ortalama çalışan senden kilometrelerce geride ve bu fark her sürümle daha da artıyor.
- Ortalama bir Claude Cowork veya benzeri dağıtım şöyle işler: %5-10'u güç kullanıcısı olur, %20'si kötü kullanır, %70'i neredeyse hiç kullanmaz ve hiçbir şey hızlanmaz, ama kesinlikle milyonlarca dolar yakarsınız.
- Bir aracı kullanmak ile iyi kullanmak ayrı becerilerdir ve herhangi bir organizasyonun en az yarısı onu asla iyi kullanmaz.
- Harika bir dağıtım bunu düzeltmez. AI'ı binlerce kişinin önüne koyabilirsiniz, ancak organizasyonunuzun %10'u yine de token'larınızın %90'ını yakacaktır.
- Benimseme metrikleri koca bir yelpazeyi ikili bir evet-hayıra indirger; %88 benimseme oranına ulaşıp gerçek EBIT etkisini yalnızca %6'nın görmesinin nedeni budur.
- Üst dilimi eğitmeniz ve ürettiklerini yayınlamanız gerekiyor. Diğer herkes için AI'ı zaten çalıştıkları sistemlerin arka planına koyun.
