Yapay Zeka ve Yaratıcılık: 'Sıkıcı İşleri' Outsourcing Yaptığımızda Ne Olur?

Yapay zeka, sizin keşfinizi çalıyor.

Yazar ve kaynak: Yuan Zhen Ticari Notları

Geçen iki yıl boyunca, neredeyse tüm AI şirketleri aynı hikayeyi anlatıyordu:

Tekrarlayan işleri AI'ya bırakın, insanlar daha yaratıcı şeylere zaman ayırabilir.

Bu ifade tamamen ikna edici geliyor. AI'nın verileri düzenlemesine, tabloları işlemesine ve toplantı tutanaklarını yazmasına izin verin, insanlar ise strateji, ürün ve yaratıcılık üzerinde düşünün; bu, mükemmel bir toplumsal bölüşümdür.

Ancak gizlice bir ön koşul saklı: tekrarlayan işler ve yaratıcı işler, birbirinden kesinlikle ayrılabilen iki şeydir.

Geçmişte verilen cevaplar bu kadar kesin değildi.

Gerçekten önemli icatlar, tekrarlayan işlerin sonunda değil, tekrar, başarısızlık ve dikkat dağınıklığı arasındaki boşluklarda gerçekleşir. Bir sorunla uzun süre uğraşır, sürekli hesaplar, gözlemlersiniz ve düzenlersiniz, ardından bir gün sıradan bir anla dağılmış parçalar bir araya gelir.

Eğer yapay zekâ bize tüm sıradan işleri devralırsa, serbest bırakabileceği sadece zaman olmayabilir.

Bu, ilhamın ortaya çıktığı sahneyi de alabilir.

Newton ve elma hikayesi, insanlık tarihinin en başarılı "inovasyon mitlerinden" biridir.

Bir elma ağaçtan düşüp Newton'u başından vurdu. Newton, anında yerçekimini keşfetti.

Gerçek sürüm bu kadar kolay değildir.

Newton'un arkadaşı William Stukeley, anılarında, 1726 yılında ikisinin bir elma ağacı altında çay içtiğini kaydetmiştir. Newton, o günlerde derin bir düşünme halindeyken, bir elmanın düşmesini görünce şöyle düşündü: Elma neden her zaman dikey olarak yere doğru düşer, yukarıya veya yana doğru değil? Daha sonra bu kuvveti "adım adım" Dünya, Ay ve diğer gök cisimlerine doğru genişletmiştir. [1]

Şekil 1｜Apple cevabı vermedi, sadece Newton'un uzun süre düşünerek biriktirdiği malzemeyi ateşe verdi.

Elma Newton'u vurmamıştı ve doğrudan bir yasa çıkarmamıştı.

Bu, zaten malzemeyle dolu bir depoya düşen bir kibrit çöpü gibi.

Matematikçi Poincaré'in deneyimi daha tipiktir.

O, bir fonksiyon türü üzerinde sürekli olarak çalıştı, büyük miktarda hesaplama yaptı ve sık sık başarısız oldu. Daha sonra işini geçici olarak bıraktı ve seyahate çıktı. Bir kamyoneta binerken, zihnine bir anahtar bağlantı aniden geldi: çalıştığı dönüşüm, öklid dışı geometrideki dönüşümlerle aynı şeydi.

Bu fikir çok hızlı geldi, hatta o anda çıkarım yapılmadı. Seyahatten sonra Poincaré, masasına döndü ve bunu tamamen doğrulamak için zaman ayırdı.

Daha sonra süreci birkaç aşamaya ayırdı: önce bilinçli ve zorlu hazırlık, ardından görünürde hiçbir şey yapmamış gibi görünmesi, ardından ani bir aydınlanma ve nihayet titiz doğrulamaya geri dönme. [2]

Fermat'ın Son Teoremi'nin kanıtı da öyledir.

Andrew Wiles, yedi yıl boyunca gizli bir şekilde çalıştı ve 1993'te kanıtın başarılı olduğunu duyurdu; ancak birkaç ay sonra bir hata bulunduğu ortaya çıktı. Bir yıl daha hesapladı ve öğrencisi Richard Taylor ile birlikte çözümler aradı; sonunda Eylül 1994'te boşluğu kapatmayı başardı. [3]

İnsanlar son anı hatırlar, ancak matematikçiler binlerce geçersiz hesaplama, başarısız yol ve yeniden başlatma yaşar.

İlham, gökyüzünden düşen bir ödül değildir. Bu, azimle yapılan çabaların birikiminden sonra beynin gecikmeli olarak verdiği bir geri ödeme şeklidir.

Bugün işleri iki kategoriye ayırmayı çok seviyoruz: düşük değerli olanları makinelere, yüksek değerli olanları insanlara bırakıyoruz.

Sorun şu ki, insan beyni danışmanlık raporlarındaki tablolar gibi çalışmaz.

Bir gazeteci onlarca mali raporu düzenlerken, iki grup sayının uyuşmadığını fark edebilir; bir ürün yöneticisi, olumsuz yorumları tek tek incelerken, kullanıcıların aslında fonksiyon değil de başka bir şeyden şikayet ettiğini anlayabilir; bir doktor, tekrar tekrar görüntüleri incelerken yavaş yavaş anormalliklere karşı bir sezgi kazanır.

Bu işler tek başlarına üst düzey görünmüyor, hatta oldukça sıkıcı. Ancak beyinde çok sayıda küçük desen bırakıyorlar.

İntüisyon, çoğu zaman adım adım açıklanamayacak kadar aşina olunmuş bir deneyimdir.

Penisilin'in keşfi tam olarak böyle oldu.

1928 yılında, Fleming tatilinden döndüğünde, stafilokokların yetiştirildiği bir kültürel kabın, bir küf tarafından kirlendiğini ve küfün etrafında bakterilerin büyümediğini gördü. Kirlenme rastlantısaldı, ancak keşif değildi. Uzun süre bakterileri gözlemlememiş biri, sadece atılması gereken kirli bir tabak görmüştü.

Unutulması daha kolay olan, Fleming'in bu keşiften hemen bir ilaç üretmemesidir. Yaklaşık on yıl sonra, Florey, Chain ve bir ekip bu araştırmayı yeniden başlattı. Küfü süt bidonları, gıda kutuları ve hatta banyolarla büyüttüler, ardından ABD'de yüksek verimli küf türleri aradılar ve nihayetinde laboratuvardaki rastlantıyı hayat kurtaran endüstriyel bir ürüne dönüştürdüler. [4]

Şekil 2｜Kirlilik rastlantısaldır, keşif uzun süreli gözlemle mümkündür; ilaçlar ise sonraki on yılın mühendisliğiyle daha çok ortaya çıkar.

Tarih, “尤里卡” (Eureka, Yunanca bir ünlem, “Buldum!” veya “Keşfettim!” anlamında) hikayelerini anlatmayı sever, ancak endüstri,尤里卡’dan sonra gelen uzun, tekrarlayan ve güzel olmayan mühendisliklere dayanır.

Einstein, daha sonra matematikçi Hadamard'a kendi düşünme biçimini anlatırken, ilk olarak genellikle tam cümleler değil, görüntüler, semboller ve hareket duygusu taşıyan unsurların ortaya çıktığını söyledi. Bu unsurları tekrar tekrar birleştirmeye çalışırdı ve dil bunun ardından gelirdi. [5]

Yaratmak, boşluktan üretmek değil, yeniden birleştirmek gibidir.

Ne gördüğünüz, ne yaptığınız, nerede başarısız oldunuz, zihninizde ne tür bağlantılar kurabileceğinizi belirler.

Eğer veriler her zaman AI tarafından özetlenirse, ilk taslak her zaman AI tarafından oluşturulursa ve veriler her zaman AI tarafından temizlenirse, insanlar gerçekten çok daha rahat olur. Ancak zamanla karşılaştığımız şey, ham, çelişkili, gürültülü ham malzeme değil, sadece makine tarafından işlenmiş ürünler olur.

Verimlilik arttı, ancak hissiyat belki de bulanıklaştı.

Walter Isaacson, İcatçılar kitabında şu soruyu sordu: Bilgisayar ve internet kim tarafından icat edildi?

Sonunda, bu sorunun bir kişinin adıyla cevaplanmasının zor olduğunu fark etti.

Sayısal devrim, bir uzmanın garajında aniden ortaya çıkan bir fikir değildir. İlk bilgisayarlar, transistörler, çipler, yazılımlar ve internet, nesiller boyu yapılan iyileştirmelerin sonucudur. Kimi kavramı ortaya atmış, kimi devreleri kaynaklamış, kimi programları yazmış, kimi de pahalı prototipleri sıradan insanların kullanabileceği ürünler haline getirmiştir.

Kitapta Harvard Mark I bilgisayarı hakkında Grace Hopper, Howard Aiken'e odaklanırken, IBM versiyonu isimleri unutulan mühendislerine, sayaçlara, kart okuyuculara ve benzeri birçok küçük iyileştirmeye vurgu yapar; bu iyileştirmeler, son cihazı oluşturur. [6]

Şekil 3｜Yenilikçiler: Dijital devrim, çok sayıda kişi, çok sayıda döngü ve artımlı iş birliği sonucu ortaya çıkar.

Bu, yeteneği inkar etmek değil, yeniliklerin gerçek yapısını ortaya koymaktır.

Bir öncü olay, genellikle az sayıdaki insanların yaratıcı fikirleri ve çoğunluğun çaba göstermesini gerektirir. İlkiler yönü değiştirmekten, ikinciler ise yeni yöne gerçeklik kazandırmaktan sorumludur. Bunlar birbirinin yerini almak için değil, birbirini tamamlamak için vardır.

Yapay zekânın en çekici yanı, aynı anda hem fikir sunan hem de uygulayan iki rolü de üstlenebiliyor gibi görünmesidir.

Ancak burada yeni sorunlar da ortaya çıktı.

2024 yılında, Bilimsel İlerleme dergisi, üretken AI ve yazım üzerine bir deney yayınladı. AI fikirlerinden yararlananlar, ortalama olarak daha yaratıcı ve tamamlanmış hikâyeler yazdı; özellikle orijinal yaratıcılığı daha düşük olanlar için bu destek belirgin oldu; ancak tüm eserler bir araya getirildiğinde, AI ile desteklenen hikâyeler birbirine daha benzer oldu. [7]

Yapay zeka, bireysel alt sınırı yükseltti ve gruplar arasındaki farkları daralttı.

Bu, bugünün içerik platformuna çok benziyor: herkes daha öncekinden daha akıcı yazıyor, başlık, yapı, altın cümleler eksik değil; on makaleyi okudunuz ama sanki sadece birini okumuşsunuz.

Tümü aynı modele "ilk fikri" isterken, boş sayfaları atlıyoruz ve belki de en kolay tahmin edilebilir cevaba doğru birlikte ilerliyoruz.

Bu, insanların AI'yi reddetmesi ve kopyalama-yapıştırma ile mekanik düzenlemeye zaman harcaması gerektiği anlamına gelmez.

Hesap makinesi matematiği yok etmedi, arama motoru da bilgiyi yok etmedi. Araçlar, insanın hangi seviyedeki yeteneği koruması gerektiğini gerçekten değiştirdi.

Yapay zeka bize taş taşımakta yardımcı olabilir, ancak insanlar duvarın neden buraya yapıldığını unutmamalıdır.

Bu endişe artık sadece bir felsefi tartışma değil. 2025'te Microsoft Research gibi kurumlar, 319 bilgi çalışanından 936 gerçek AI kullanım senaryosu topladı. Sonuçlar, insanların AI'ye ne kadar inanıyorsa, görevdeki eleştirel düşünme (mantıklı ve yansıtmalı bir düşünme biçimi) o kadar azaldığını; kendi profesyonel yargılarına ne kadar güveniyorsa, eleştirel düşünme o kadar arttığını gösterdi. AI, düşünmeyi ortadan kaldırmadı, ancak düşünmeyi “kendiniz üretmek”ten “doğrulamak, entegre etmek ve gözlemlemek”e doğru itti. Sorun şu: eğer insanlar yalnızca akıcı bir ürün görüyorsa, doğrulama kolayca başını sallamaya dönüşebilir. [8]

Daha doğrudan sinyaller yazma ve programlama alanından geliyor. MIT Medya Laboratuvarı'nın 54 kişilik bir beyin dalgası yazma deneyinde, sürekli büyük modellerle yazan katılımcıların beyin ağ bağlantıları en zayıf bulunmuş; metin içeriğini hatırlama ve "bu benim eserim" hissi de daha düşük düzeyde olmuş; ancak bu araştırma hâlâ küçük örneklemli bir ön baskı çalışmasıdır ve AI'nın insanları kalıcı olarak aptallaştıracağını bu verilerle iddia etmek mümkün değildir. [9] METR, 16 deneyimli açık kaynak geliştirici ve 246 gerçek görev üzerinde rastgele bir deney yaparken, 2025 başı AI araçlarını kullanan geliştiricilerin görevleri tamamlama süresinin %19 daha uzun sürdüğünü tespit etti. Daha ilginç olanı, katılımcıların AI'nın kendilerini daha hızlı yapacağını önceden tahmin etmeleriydi. [10] METR, 2026'da yaptığı izlemelerde, yeni nesil araçların muhtemelen hızlanmayı getirdiğini belirledi; ancak katılımcı ve görevlerde belirgin bir seçim yanlılığı olduğu için, hızlanma miktarının güvenilir bir şekilde tahmin edilmesi mümkün değildir. [11] AI'nın ilk olarak zayıflatabileceği, muhtemelen yetenek değil, insanların hâlâ düşündüklerine dair kendi yargılarıdır.

Bireysel olarak, en az üç şey kolayca dışa aktarılmamalıdır.

Birinci, soru nereden geliyor.

Hemen AI’ye “Ne yazmalıyım?” ya da “Ne araştırmalıyım?” diye sormayın. Önce müşteri sahasına gidin, önce orijinal materyalleri okuyun, önce kendinizde nerede bir sorun olduğunu hissedin. İyi bir soru, genellikle başkalarının sıkıldıkları ve geçiştirdikleri detaylardan doğar.

İkinci olarak, ilk turun kararı nereden geliyor.

AI ile genişletebilir, çürütüp bilgi ekleyebilirsiniz, ancak önce modelin işlemiş hali olmayan bir ham versiyon bırakın. Sadece birkaç cümle olsa bile, kendi görüşünüzün ne olduğunu bilin. Aksi takdirde insan ile AI arasındaki iş birliği, insanın AI için düzeltme yapma haline gelebilir.

Üçüncü olarak, sonuç kimin sorumluluğundadır.

Alt yapı üzerinde çalışmış olanlar, AI'nın nerede hata yaptığını anlar. Kod yazmamış biri, kodun sadece çalışıp çalışmadığını mı yoksa üretime uygun mu olduğunu ayırt etmekte zorlanır; mali tabloları okumamış biri, güzel bir analizde gizlenmiş ölçümlerden fark edemaz.

Peki, AI'ya ne verilebilir?

Kriterler “yaratıcı mı değil mi” ya da “tekrarlı mı tekrarlı değil mi” değil, üç şey: kabul kriterleri net mi, süreç izlenebilir mi, hata durumunda geri alınıp alınamıyor? Veri transkripsiyonu, biçimlendirme, bilinen kurallar altında veri temizleme, kod şablonları ve test senaryoları, aynı konu üzerindeki çoklu metin ve taslak tasarımlar, AI’ya verilmeye uygun. Stratejik tercihler, gerçeklik ölçütları, marka estetiği, sistem mimarisi ve nihai onay ise, AI’nın hızlı olması nedeniyle birlikte dışarı verilemez.

Gönderdikten sonra insan, AI ile “sol-sağ çatışma” yapmaya devam etmelidir. Eyleme geçmeden önce kendi yargılarınızı ve kabul kriterlerinizi yazın; üretirken AI’ya aynı anda karşı görüşleri, başarısızlık koşullarını ve kanıt kaynaklarını sunmasını isteyin; üretimi tamamladıktan sonra insan, orijinal malzemeye dönerek gerçekleri kontrol edin, kritik sayıları yeniden hesaplayın ve kritik testleri tekrar çalıştırın; bir süre sonra AI kullanmadan “el becerisi eğitimi” düzenleyin. Yazarlar, bağımsız röportajları ve ilk taslakları korumalı, programcılar, kod incelemelerini ve arıza gidermeyi, tasarımcılar ise kavram seçimlerini ve nihai görsel kararları korumalıdır. Sadece kontrol edebilen, reddedebilen ve devralabilmeyi bilenler, işi AI’ya bırakma hakkına sahiptir.

Şirketler için gerçekten dikkat edilmesi gereken, çalışanların ne kadar AI kullandığı değil, organizasyonun hala birinci el deneyim üretip üretmediğidir.

Gençler temel analiz yapmazsa, müşteriyle ihtiyaçları üzerinde çalışmayacaksa ve ilk taslaklarda başarısızlık yaşamazsa, şirket kısa sürede daha hızlı teslimatlar elde edecektir, ancak uzun vadede yargı yeteneği geliştirmenin yolunu kaybedebilir.

Daha önce, bir yeni başlayan üç yıl boyunca zorlu çabalarla yavaş yavaş sezgisel bir uzmana dönüşüyordu. Şimdi, AI yeni başlayanlara ilk gün yedişer puanlık cevaplar vermesini sağlıyor.

Ancak yetmişten dokuzoya ulaşmak için hâlâ kendi sorunlarını görmesi, hatalar yapması ve sonuçlar için maliyet ödemesi gerekiyor.

Yapay zeka yaratıcılığı artırıyor mu, yoksa azaltıyor mu?

Cevap, bunu nereye koyduğumuza bağlıdır.

Tekrarlayan işlemleri düşünmüş olduğunuzda AI ile işleyin, bu bir kaldırdır; AI'nın gerçeklikle temas kurmasını, sorunları oluşturmasını ve ilk kararları vermesine izin verirseniz, yavaş yavaş bir baston haline gelir.

Gerçek yaratıcılık asla sadece "bir fikir çıkarmak" değildir.

Malzemeye aşinalık, anormalliklere duyarlılık, uzun süre cevapsız kalma ve ışık tuttuğunda bunu tekrar tekrar sağlamlaştırmayı içerir.

Bu bölümler çok yavaş ve saygısızdır, hatta performans tablosuna yazmak bile zordur. Ancak tarihteki büyük teoremler, bilimsel keşifler ve endüstriyel yeniliklerin neredeyse hepsi buradan çıkmıştır.

AI bize elma toplamada yardımcı olabilir.

Ancak ağaç altındaki o kişi, kütleçekimini düşünebilir mi, elma düşmeden önce ne kadar长时间 düşündüğüne bağlıdır.

Kaynaklar

[1] William Stukeley, Sir Isaac Newton'un Yaşamı Hakkında Hatıralar, Newton Projesi (Oxford Üniversitesi).

[2] Henri Poincaré, “L'invention mathématique”, 1908.

[3] Oxford Üniversitesi Matematik Enstitüsü ve Bristol Üniversitesi'nden Andrew Wiles ve Fermat'ın Son Teoremi ile ilgili kaynaklar.

[4] Bilim Müzesi Grubu, “Penisilin nasıl geliştirildi?”

[5] Jacques Hadamard, Matematikçinin Zihni: Matematik Alanında Keşfin Psikolojisi.

[6] Walter Isaacson, Yenilikçiler: Bir Hacker, Zekâ ve Teknofil Grubunun Dijital Devrimi Nasıl Oluşturduğu

[7] Anil R. Doshi ve Oliver P. Hauser, “Üretken Yapay Zeka bireysel yaratıcılığı artırır ancak yenilikçi içeriklerin kolektif çeşitliliğini azaltır,” Science Advances, 2024.

[8] Hao-Ping Lee ve diğerleri, “Yaratıcı Yapay Zekânın Eleştirel Düşünme Üzerindeki Etkisi”, CHI 2025.

[9] Nataliya Kosmyna ve diğerleri, “ChatGPT’de Beyniniz: Yapay Zeka Asistanını Makale Yazma Görevinde Kullanırken Bilişsel Borç Birikimi”, 2025 ön baskı.

[10] Joel Becker ve diğerleri, “Erken-2025 Yapay Zekânın Deneyimli Açık Kaynak Geliştirici Verimliliği Üzerine Etkisini Ölçmek”, METR, 2025.

[11] Joel Becker ve diğerleri, “Geliştirici Verimliliği Deney Tasarımımızı Değiştiriyoruz”, METR, 2026.