Üretken bireyler üretken şirketler yaratmaz

• Yapay zeka bireysel üretkenliği 10 kat artırdı, ancak buna paralel olarak değeri 10 kat artan bir şirket olmadı; peki artan üretkenlik nereye gitti?
• 1890'larda elektriğin devreye girdiği dönemde New England tekstil fabrikaları buhar motorlarını elektrik motorlarıyla değiştirdi, ancak 30 yıl boyunca çıktı neredeyse hiç artmadı; kâr ancak 1920'lerde fabrikalar montaj hattı merkezli olarak yeniden tasarlandıktan sonra ortaya çıktı
• Sonuçlar teknolojinin kendisinden değil, teknoloji ve organizasyonun (institution) birlikte yeniden tasarlanmasından doğdu; 2026'da yapay zeka da hâlâ "yalnızca motoru değiştirip fabrikayı yeniden tasarlayamamış" durumda
• Yapay zeka ürünlerinin çoğu yalnızca üretkenlik hissi veriyor, ama gerçek değeri hareket ettiremiyor; üretken organizasyonlar için Institutional Intelligence (kurumsal zeka) gerekli
• Institutional AI ile Individual AI'ı ayıran 7 unsur, önümüzdeki 10 yılda B2B yapay zeka şirketlerinin temelini oluşturacak

---

Kaybolan üretkenlik: temel soru

• Yapay zeka herkesi 10 kat daha üretken hale getirdi, ama bunun sonucu olarak 10 kat daha değerli hale gelen şirket yok
• "Artan üretkenlik nereye gitti?" sorusu, yazının tamamının çıkış noktası
• Bu ilk kez yaşanan bir durum değil; elektriğin benimsenme döneminde aynı şey daha önce de yaşandı

Tarihsel ders: 1890'larda tekstil fabrikalarının elektrifikasyonu

• 1890'larda elektrik muazzam bir üretkenlik artışı vaat ediyordu ve New England'daki, döner gücü buhar motorundan alan tekstil fabrikaları daha hızlı elektrik motorlarını doğrudan mevcut düzenin yerine kurdu
• Ancak 30 yıl boyunca elektriklenen fabrikaların çıktısı neredeyse hiç artmadı; teknoloji çok daha üstündü ama organizasyon öyle değildi
• Ancak 1920'lere gelindiğinde fabrika baştan sona yeniden tasarlanınca anlamlı kâr ortaya çıktı
  • Montaj hattı uygulandı, her ekipmana ayrı motor takıldı, işçilerle makineler tamamen farklı roller üstlendi
• Bu durum Lowell tekstil fabrikasının üç aşamalı evrimiyle açıklanıyor
  • 1890 buhar motorlu fabrika → 1900 elektrik motorlu fabrika → 1920 "unit drive" fabrika (elektrikli montaj hattına tam yeniden inşa)
• Kâr, teknolojinin kendisinden ya da tek tek işçileri ve makineleri hızlandırmaktan değil, ancak organizasyon ile teknolojiyi birlikte yeniden tasarladığınızda ortaya çıktı
• Bu, teknoloji tarihinin en pahalı dersi ve bugün yeniden öğreniyoruz

Institutional Intelligence ihtiyacı

• 2026'da yapay zeka onu kullanmayı bilen bireylerin üretkenliğini 10 kat artırıyor, ama yalnızca motor değişti; fabrika hâlâ yeniden tasarlanmadı
• Piyasadaki yapay zeka ürünlerinin çoğu üretkenlik hissi veriyor ama gerçek değeri hareket ettiremiyor; kamuya açık yapay zeka kullanım örneklerinin büyük kısmı da Twitter veya şirket içi Slack'te sergilenen, kendini tatmin eden bir "productivity-maxxing" pratiğinden ibaret ve gerçek etkisi sıfır
• Son bir yıldır tekrarlanan "services as software" motifi yön olarak doğru olsa da bir plan sunamıyor ve daha büyük resmi kaçırıyor
  • Gerçek dönüşüm, araçtan hizmete geçiş değil; teknolojiyi ve organizasyonu (mevcut ya da yeni) birlikte inşa etmek
• Üretken organizasyonların Institutional Intelligence'a ihtiyacı var; bu da "yarının montaj hattına" denk gelen yeni ürün kategorisi

Institutional Intelligence'ın 7 sütunu

• 1. Coordination (Koordinasyon)

  • Individual AI kaos, Institutional AI ise koordinasyon yaratır
  • Düşünce deneyi: Yarın en iyi çalışanlarınızı klonlayıp organizasyondaki kişi sayısını ikiye çıkardığınızı varsayın
    • Her biri küçük farklar, eğilimler ve bakış açıları taşır; özellikle de en iyi çalışanlar. Yönetim, iletişim ve roller (swim lane, OKR, R&R) yeterince tanımlı değilse kaos oluşur
    • Bireysel açıdan daha üretken olabilirler ama binlerce ajan (veya insan) ters yönlere kürek çekerse en iyi ihtimalle yerinde sayılır, en kötü ihtimalle organizasyonun uyumunu bozarlar
  • Bu bir hipotez değil; koordinasyon katmanı olmadan yapay zekayı devreye alan her organizasyonda şu anda olan şey bu
    • Her çalışanın kendine ait ChatGPT alışkanlıkları, prompt stili ve çıktıları var; ama bu çıktılar birbirine bağlanmıyor
  • Institutional Intelligence, ajanların rol ve sorumluluklarını, ajanlar arası ve ajan-insan iletişimini, ajan değerinin nasıl ölçüleceğini kapsayan bir "Agentic Management" endüstrisine evrilecek
    • Yalnızca tüketime dayalı fiyatlama yeterli olmayacak

• 2. Signal (Sinyal)

  • Individual AI gürültü, Institutional AI ise sinyal bulur
  • İnsanlar artık makale, sunum, elektronik tablo, fotoğraf, video, şarkı, web sitesi, yazılım ve hayal edilebilecek neredeyse her şeyi üretebiliyor
  • Sorun, yapay zekanın ürettiği neredeyse her şeyin slop (çöp çıktı) olması; bazı organizasyonlar buna aşırı tepki verip AI çıktısını tamamen yasaklıyor
    • Yazarın kendisi de bir AI şirketi işletmesine rağmen, yöneticilerinden nihai yazımlarda AI kullanmamalarını istiyor
  • PE (özel sermaye) örneği: Geçen yıl masaya 10 fırsat geliyorsa, bu yıl çeyrek başına 50 fırsat geliyor ve her biri AI ile kusursuz cilalanmış halde ulaşıyor; ama gerçekten değerli tek işlemi bulmak için ayrılan süre aynı
  • Artık bir şey üretmek sorun değil; gerçek sorun doğru şeyi üretmek ve ayıklamak
    • Önümüzdeki 10 yılın temel ekonomik itici gücü, geometrik olarak artan slop içinde sinyali bulmak olacak
  • Kurumsal düzeyde zeka sinyali bulmalı, gürültüyü yapılandırmalı ve tanımlı, deterministik ve denetlenebilir (auditable) olmalı
    • Individual AI, 7/24 çalışan deterministik olmayan ajanların ("Clawdbot") "always on" üretkenliğini öne çıkarıyorsa, Institutional AI öngörülebilir kontrol noktaları, aşamalar ve süreçleri olan deterministik ajanlara dayanır
  • Matrix, üretici teknolojinin gücüyle gürültüyü filtreleyen bir araç olarak sunuluyor

• 3. Bias (Önyargı)

  • Individual AI önyargıyı güçlendirir, Institutional AI ise nesnellik üretir
  • Sosyopolitik önyargı tartışması yıllarca yapay zeka söylemini domine etti, ancak foundation model laboratuvarları yeterli RLHF ile modelleri fiilen dalkavuk (sycophant) hale getirerek bunu baypas etti
    • Bugün ChatGPT, Claude vb. araçlar Overton penceresi içindeki neredeyse her konuda kullanıcıya katılacak kadar aşırı hizalanmış durumda
  • Bu aşırı hizalanma o kadar gülünç hale geldi ki meme oldu; ne söylerseniz söyleyin refleks olarak gelen Claude'un "you're absolutely right!" cevabı bunun tipik örneği
  • Zararsız gibi görünse de aslında değil
    • Organizasyondaki en yüksek sesli AI savunucusu, aslında tarihsel olarak en düşük performanslı çalışan olabilir
    • Normalde neredeyse hiç olumlu pekiştirme almayan en kötü çalışan, ASI'dan onay alınca kendi kendine "en zeki zeka benimle aynı fikirde, demek ki yöneticim haksız" demeye başlar → bağımlılık yapıcı ama kurumsal olarak zehirli
  • Bireysel üretkenlik araçları kullanıcıyı güçlendirir; oysa asıl güçlendirilmesi gereken en önemli şey gerçek (truth)
  • Organizasyonlar bu sorunu dengeleyen sistemleri binlerce yıl içinde geliştirdi
    • yatırım komitesi toplantıları, üçüncü taraf durum tespiti, yönetim kurulları, ABD'de yürütme-yasama-yargı, temsili demokrasi ve demokrasinin geneli
  • Organizasyonlar insanların özgüvensizliğinden değil, kimsenin "hayır" diyememesinden ötürü başarısız olur
  • Institutional AI bu rolü üstlenmeli; kullanıcıyı pohpohlamak için RLHF ile ayarlanmak yerine önyargıya meydan okumalı
    • En önemli ajanlar "yes-men" değil; akıl yürütmeyi sorgulayan, riskleri ortaya çıkaran ve standartları uygulayan disiplinli "no-men" olmalı
    • Gelecekteki uygulamalar: AI yönetim kurulu üyesi, AI denetçisi, AI üçüncü taraf doğrulama, AI compliance vb.

• 4. Edge (Avantaj)

  • Individual AI kullanımı (usage) optimize eder, Institutional AI ise avantajı (edge) optimize eder
  • Yapay zekada hedef direkleri haftalık, bazen günlük kayıyor; foundation model şirketleri yeteneklerini hızla yinelemeli biçimde geliştiriyor
  • Ancak klasik innovator's dilemma örneğinde olduğu gibi, belirli uygulamalarda her seferinde genişlikten (breadth) çok derinlik (depth) kazanıyor
    • Midjourney tasarım görsellerinde biraz önde olma rolünü oynuyor
    • ElevenLabs ses modellerinde biraz önde olma rolünü oynuyor
    • Decagon full-stack müşteri hizmetleri deneyiminde sürekli önde olma rolünü oynuyor
  • Foundation modeller yaklaşsa bile, uzmanlar için gerçek avantaj önemlidir; en iyi tasarımcıların çoğu Midjourney, en iyi ses AI şirketleri de ElevenLabs kullanıyor
    • Amaca özel ürünlerin kendi avantajlarına odaklanıp bundan sapmaması, o avantajın kendisini tanımlar
  • Finans, şu anda LLM geliştirmedeki en sıcak alan olarak gösteriliyor
    • Bir yetenek yaygınlaştığında tanımı gereği piyasayı yenmeye yardımcı olmaz; ama frontier teknoloji geçici bir %1'lik niş avantaj yaratırsa, o %1 milyarlarca dolarlık sonuca kaldıraç olabilir
  • Kullanıcılar her zaman frontier'ın önünde gitti; LLM bağlam pencereleri 4 yılda 4K'dan 1M token'a çıktı
    • Bazı kullanıcılar tek bir görevde 30B token işliyor; bu yıl 100B token görevleri de ufukta (Hebbia)
  • Gelecek ChatGPT/Claude "veya" alan-özel çözümler değil, ChatGPT/Claude "ve" alan-özel çözümler olacak
  • Temel soru: "AGI olsaydı kestirme yol olarak hangi ajanı kullanırdı? Süperzeka bile belirli alanlarda amaca özel araçlar isteyecektir"

• 5. Outcomes (Sonuçlar)

  • Individual AI zamandan tasarruf sağlar, Institutional AI ise geliri büyütür
  • MaVolpi'nin sözü: Bir CEO'ya maliyet düşürme ile gelir büyütme arasında birinci önceliğinin ne olduğu sorulduğunda, neredeyse hepsi gelir der
    • Ancak bugünkü piyasadaki neredeyse tüm AI ürünleri zaman tasarrufu, personel ikamesi gibi maliyet düşürme vaatleri sunuyor
  • Institutional AI yukarı yönlü değer (upside) sunmalı; bunu metalaştırmak, tasarruf edilen zamandan çok daha zordur
  • Ajan tabanlı yazılım geliştirme örneği
    • Kodlama IDE'leri en iyi bireysel AI üretkenlik araçları arasında, ancak başka bir bireysel araç olan Claude Code tarafından ciddi ters rüzgâr görüyor
    • Cognition araç değil, transformation (dönüşüm) satan bir teknoloji kuruyor ve tamamen farklı bir oyun oynuyor
  • Naval alıntısı: "Saf yazılım hızla yatırım yapılamaz (un-investable) hale geliyor"
    • Saf hizmet ölçeklenmez; kalıcı değer, teknoloji ile sonucu birleştiren solution layer (çözüm katmanı) üzerinde birikir
  • M&A örneği: Individual AI analistlerin modeli daha hızlı kurmasına yardım eder; Institutional AI ise 100 aday arasından takip etmeye değer tek karşı tarafı belirler ve bu evreni 1.000'e çıkarır → biri zaman kazandırır, diğeri gelir yaratır
  • Piyasadaki doğal çekim kuvveti "yukarı akışa (upstream)" hareket
    • Foundation modeller uygulama katmanına, uygulama katmanı şirketleri de çözüm katmanına kayıyor
  • Institutional Intelligence işte bu çözüm katmanı; sonuçların bulunduğu bu katman kalıcı değeri ve en büyük yukarı yönlü potansiyeli yakalar

• 6. Enablement (Uygulamaya geçirme)

  • Individual AI araç verir, Institutional AI ise o aracın nasıl kullanılacağını gösterir
  • İnsanlar tüm yaratıcılıklarına rağmen değişimden hoşlanmaz
    • New York'ta, kendilerine zarar verdiğini bilmelerine rağmen hâlâ kredi kartı kabul etmeyen başarılı işletmeler var; benzer şekilde bazı organizasyon çalışanları AI kullanımını süresiz reddedecek
  • Tamamen insanlardan oluşan organizasyonlardan AI öncelikli hibrit organizasyonlara geçiş, önümüzdeki 10 yılın kalıcı ve belirleyici görevi
    • Çoğu durumda en kıdemli ve en önemli katman, dönüşümü en yavaş benimseyen katman oluyor
  • Palantir, son iki ayda 1 trilyon dolarlık teknoloji hissesi satışına rağmen olağanüstü çarpanlarla işlem gören tek "yazılım" şirketi olarak sunuluyor
    • Palantir, ilk gerçek "process engineering (süreç mühendisliği)" şirketlerinden biri
    • İster "process engineering" deyin ister "Claude skills dosyası yazmak", geleceğin Institutional AI'ı şirket süreçlerini ajanlara kodlayan ve gerekli değişim yönetimini gerçekleştiren bir endüstri oluşturacak
  • Süreç mühendisliği kısa vadede en önemli "teknoloji (technology)" olacak
    • Burada yazılım uzmanlığından çok iş ve sektör uzmanlığı önemli; alan-özel çözümler, forward deployed mühendislik, dağıtım ve değişim yönetimi yapan uzmanların uzmanlığını büyütecek
  • İlk 3'te yer alan bir bulge bracket bankanın şirket genelinde dağıtım için Hebbia'yı seçmesi örneği
    • Büyük model laboratuvarlarıyla çalışırken "ekibe CIM'in ne olduğunu açıklamak zorunda kalmaları" ilgilerini kaybetmelerine neden oldu
    • Claude ya da GPT alanı elbette biliyordu, ama laboratuvarın rollout tasarım ekibi bilmiyordu; belirleyici fark buydu

• 7. Unprompted (Tetiklenmeden çalışan)

  • Individual AI insan promptlarına tepki verir, Institutional AI ise prompt olmadan proaktif biçimde çalışır
  • Ajanlar arası iletişim ve geleceğin şirketleri, yazılımları ve kurumlarında insana ihtiyaç olup olmayacağı çok tartışılıyor
    • Daha iyi soru şu: Geleceğin AI ajanları başta prompt'a ihtiyaç duyacak mı
  • AGI'ye prompt vermek, elektrik motorunu motorlu dokuma tezgâhına bağlamak gibidir; sistem temel olarak tedarik zincirinin en zayıf halkası (= insan) ile sınırlanır
    • İnsanlar ne sorması gerektiğini bile çoğu zaman bilmez; ne zaman sorması gerektiğini ise hiç bilmez
  • En değerli iş, kimsenin istemeyi bile akıl edemediği iştir
    • AI, kimsenin işaret etmediği riskleri, kimsenin düşünemediği karşı tarafları, kimsenin fark etmediği satış hattını bulmalıdır
  • Proaktif (unprompted) sistem örneği
    • Portföy genelindeki giriş verilerini sürekli izlerken bir şirketin işletme sermayesi döngüsünün 3 ay üst üste kötüleştiğini tespit eder
    • Bunu kredi sözleşmesindeki covenant eşikleriyle karşılaştırır ve biri daha PDF'i açmadan operasyon ortağına önleyici uyarı gönderir
  • İnsanların AI'ya prompt vermesine gerek kalmadığında yeni arayüzler ve yeni çalışma biçimleri ortaya çıkacak; Hebbia'nın bu konuda güçlü görüşleri ise şimdilik "to be continued"

Sonuç

• Buradaki hiçbir nokta, chatbot'lara, ajanlara ya da genel olarak Individual AI'a ihtiyaç olmadığını söylemiyor
• Individual AI, dünyadaki çoğu şirketin AI'ın dönüştürücü sihrini ilk kez deneyimlediği kapı; kullanım ve evrensel kullanım kolaylığı peşinde koşmak, AI öncelikli ekonomiye geçişte değişim yönetiminin kritik ilk adımı
• Aynı anda Institutional Intelligence için açık ve acil bir talep de var
  • Gelecekteki her organizasyon, büyük laboratuvarların chatbot'larına sahip olacak; ayrıca alan-özel problemler için amaca göre tasarlanmış Institutional AI'a da sahip olacak ve Individual AI bunu temel aracı olarak kullanacak
• Institutional AI ile Individual AI için "better together" anlatısı kaçınılmaz
• 1890'lardaki tekstil fabrikalarının dersinde olduğu gibi, önce elektriğe geçen fabrika, zemini (fabrikayı) yeniden tasarlayan fabrikaya yenildi
  • "Artık elektriğimiz var; şimdi fabrikayı yeniden tasarlama zamanı"

[master6559]

Sonuç şu ki, şu anda para kazanamıyorsan, bu şekilde devam edersen gelecekte de kazanamayacaksın.