Yapay Zekâ ve Bilişsel Teslimiyet: Sistem 3
Wharton araştırması, yapay zekânın kararlarımızı nasıl etkilediğini gösteriyor. Yöneticiler bilişsel teslimiyeti nasıl azaltabilir?
Yapay zekâdan destek aldığımızda daha iyi mi düşünüyoruz, yoksa düşünme işini fark etmeden araca mı devrediyoruz?
Steven D. Shaw ve Gideon Nave’in yeni çalışması, bu soruyu “Üç Sistem Teorisi” üzerinden ele alıyor. Araştırmacılar, hızlı ve sezgisel düşünmeyi ifade eden Sistem 1 ile yavaş ve analitik düşünmeyi ifade eden Sistem 2’nin yanına üçüncü bir aktör ekliyor: Sistem 3, yani zihnin dışında çalışan yapay biliş.
Sistem 3 bilgiye erişimi hızlandırabilir, seçenek üretebilir ve muhakemeyi destekleyebilir. Ancak aynı sistem, verdiği yanıt eleştirel biçimde değerlendirilmeden benimsendiğinde insan muhakemesinin yerini de alabilir. Araştırmacılar bu durumu “bilişsel teslimiyet” olarak adlandırıyor.
Yapay zekâ artık yalnızca bir araç değil
Hesap makinesi kullanmak belirli bir işlemi dışarıya devretmektir. Kişi problemi tanımlar, işlemi seçer ve sonucun ne anlama geldiğine karar verir. Bu, bilişsel yükü bilinçli biçimde azaltan stratejik bir iş bölümüdür.
Bilişsel teslimiyet ise daha farklıdır. Kullanıcı yalnızca bir işlemi değil; değerlendirmeyi, gerekçelendirmeyi ve kimi zaman kararın kendisini yapay zekâya bırakır. Modelin yanıtı, yeterince sınanmadan kişinin kendi yargısına dönüşür.
Buradaki risk yapay zekâ kullanmak değildir. Risk, aracın süreçteki rolünün belirsizleşmesidir:
- Yapay zekâ seçenek mi üretiyor?
- Kanıt mı topluyor?
- Bir öneri mi geliştiriyor?
- Yoksa fiilen kararı mı veriyor?
Bu roller birbirinden ayrılmadığında, yardım almakla muhakemeyi devretmek arasındaki sınır kolayca kaybolabilir.
Araştırma bize ne söylüyor?
Çalışma, toplam 1.372 katılımcı ve 9.593 gözlem içeren üç ön kayıtlı deneye dayanıyor. Katılımcılar, sezgisel fakat yanlış bir ilk yanıtı tetiklemek üzere tasarlanan muhakeme problemlerini çözerken bir yapay zekâ asistanına danışıp danışmamayı seçti.
İlk deneyde katılımcılar, yapay zekâya erişebildikleri soruların yarısından fazlasında asistanı kullandı. Asistan doğru yanıt verdiğinde, ona danışanların yüzde 92,7’si öneriyi izledi. Daha dikkat çekici olan ise asistan yanlış fakat kendinden emin bir yanıt verdiğinde de önerinin yüzde 79,8 oranında izlenmesiydi.
Sonuçlar performansa da yansıdı. Yapay zekâ doğru olduğunda başarı, yalnızca insan muhakemesine dayanan gruba göre 25 puan yükseldi. Yapay zekâ yanlış olduğunda ise 15 puan düştü.
Başka bir ifadeyle, yapay zekâ doğru çalıştığında katılımcıları güçlendirdi; yanlış çalıştığında ise onları kendi başlarına ulaşabilecekleri sonucun gerisine taşıdı.
Üstelik yapay zekâya erişim, verilen yanıtların yaklaşık yarısı hatalı olsa bile katılımcıların güven düzeyini artırdı. Akıcı ve ikna edici bir yanıt, doğruluğu garanti etmeden bir kesinlik hissi üretebiliyordu.
Zaman baskısı ve teşvikler neden önemli?
İkinci deney, zaman baskısının yapay zekâya dayanma biçimini nasıl etkilediğini inceledi. Yapay zekâ doğru olduğunda zaman baskısının olumsuz etkisini azaltabiliyordu. Yanlış olduğunda ise performans yine aracın hatasını takip ediyordu.
Üçüncü deney daha umut verici bir bulgu sundu. Doğru yanıtlar için teşvik alan ve her sorudan sonra geri bildirim gören katılımcılar, yanlış yapay zekâ önerilerini daha sık reddetti. Hatalı öneriyi geçersiz kılma oranı kontrol grubundaki yüzde 20’den yüzde 42,3’e çıktı.
Yine de bilişsel teslimiyet tamamen ortadan kalkmadı. Teşvik ve geri bildirim insan muhakemesini yeniden devreye soktu, fakat yapay zekânın etkisini sıfırlamadı.
Bu bulgu yöneticiler için önemlidir: “Dikkatli olun” demek tek başına yeterli olmayabilir. İnsanların verilen yanıtı sınamasını sağlayacak iş akışlarına, geri bildirim döngülerine ve hesap verebilirlik mekanizmalarına ihtiyaç vardır.
Yöneticiler Sistem 3 ile nasıl çalışmalı?
Araştırmanın bulgularından hareketle kurumlar beş çalışma ilkesi geliştirebilir.
1. Kararın sahibini araç kullanılmadan önce belirleyin
Bir model öneri hazırlayabilir; ancak öneriyi kabul eden, uygulayan ve sonuçlarından sorumlu olan kişi açıkça tanımlanmalıdır. İnsan onayı yalnızca sürecin sonundaki bir imza olmamalıdır.
2. Önce bağımsız görüşü, sonra yapay zekâ yanıtını alın
Özellikle önemli kararlarda ekip üyelerinin ilk değerlendirmelerini modeli görmeden yazmaları faydalı olabilir. Böylece yapay zekâ yanıtı başlangıç noktası değil, karşılaştırılacak ayrı bir görüş haline gelir.
3. Yanıtla birlikte belirsizliği de görünür kılın
Her öneride şu sorular sorulabilir:
- Hangi kanıta dayanıyor?
- Hangi varsayımlar doğrulanmadı?
- Hangi koşullarda öneri geçersiz olur?
- Hangi alternatifler değerlendirme dışında kaldı?
4. Doğru sonucun yanında doğru süreci de ödüllendirin
Yalnızca hız, hacim veya çıktı sayısı ölçülürse ekipler yapay zekânın önerisini hızla kabul etmeye yönelir. Doğrulama, kaynak kontrolü, alternatif üretimi ve gerekçenin kaydedilmesi de performansın parçası olmalıdır.
5. Sonuçlardan araca ve ekibe geri bildirim üretin
Hangi öneriler kabul edildi? Hangileri reddedildi? Model nerede yanıldı? İnsan değerlendirmesi nerede değer kattı? Bu sorular düzenli olarak incelenmediğinde kurum, kullandığı sistemin gerçek güvenilirliğini öğrenemez.
Araştırmanın sınırlarını unutmamak gerekiyor
Çalışma kontrollü deneylerde ve belirli türde muhakeme sorularıyla yürütüldü. Gerçek yönetim kararları ise daha uzun zaman dilimlerine, çok sayıda paydaşa, kurumsal teşviklere ve alan bilgisine dayanır. Araştırmacılar da bulguların saha deneyleri ve farklı karar türleriyle sınanması gerektiğini belirtiyor.
Bu nedenle çalışmayı “yapay zekâ yöneticileri mutlaka daha kötü karar vermeye götürür” şeklinde okumamak gerekir. Daha isabetli sonuç şudur: Yapay zekâ, muhakemeyi hem güçlendirebilir hem de zayıflatabilir; farkı yaratan, aracın karar sürecine nasıl yerleştirildiğidir.
Amaç daha az yapay zekâ değil, daha iyi muhakeme
Sistem 3’ün yükselişi, yapay zekâdan uzak durmamız gerektiği anlamına gelmiyor. Asıl ihtiyaç, hangi düşünme görevlerini araca devrettiğimizi ve hangilerinde insan muhakemesini korumamız gerektiğini bilinçli biçimde tasarlamak.
Stratify’de yapay zekâ ve veriyi yalnızca verimlilik araçları olarak değil, karar sisteminin parçaları olarak ele alıyoruz. Uygulamalarla Yapay Zeka Yöneticiliği programında ekipler, yapay zekâ çıktısını sınamayı, belirsizliği görünür kılmayı ve karar sahipliğini koruyan iş akışları tasarlamayı gerçekçi iş problemleri üzerinden çalışıyor.
Çünkü yapay zekâ çağında yöneticinin en değerli yetkinliği her yanıtı kendisinin üretmesi değil; hangi yanıta, hangi kanıtla ve hangi koşullarda güvenebileceğini bilmesidir.
Kaynak: Steven D. Shaw ve Gideon Nave, “Thinking—Fast, Slow, and Artificial: How AI is Reshaping Human Reasoning and the Rise of Cognitive Surrender”, Wharton School Working Paper, 2026. Çalışma ön baskı niteliğindedir.
