Yapay zekâ işi bitiriyor mu, iş arkadaşına mı bırakıyor?
Yapay zekâ birkaç saniyede bir rapor hazırlıyor, uzun bir e-postayı toparlıyor ya da toplantı için sunum oluşturuyor. Fakat dosyanın gönderilmiş olması, işin gerçekten tamamlandığı anlamına geliyor mu? Çalışma hayatında tartışılan “workslop” kavramı, tam da bu sorunun etrafında şekilleniyor.

BetterUp Labs ve Stanford Social Media Lab, workslop kavramını, dışarıdan iyi görünen fakat bir görevi ilerletecek içerikten yoksun yapay zekâ çıktıları için kullanıyor. Kuruluşun tanımının Türkçe çevirisiyle:
“İyi görünen, ancak içeriği olmayan yapay zekâ üretimi.”
BetterUp’ın yayımladığı araştırma özetine göre, Eylül 2025’te ABD’de 1.150 tam zamanlı masa başı çalışanıyla yapılan çevrim içi ankette katılımcıların %40’ı, son bir ay içinde bu tür içerik aldığını belirtiyor. Özet, her bir olayın giderilmesi için ortalama yaklaşık iki saat gerektiğini de aktarıyor. Bunlar katılımcı beyanlarına dayanan bulgular; bütün çalışanları veya her yapay zekâ kullanımını temsil eden kesin ölçümler olarak okunmamalı.
Bir kişinin kazandığı zaman, diğerinin kaybı olabilir
Şöyle bir örnek düşünelim: Bir çalışan, müşteriye sunulacak değerlendirme için yapay zekâdan bir metin hazırlamasını istiyor. Başlıklar yerli yerinde, cümleler akıcı ve sonuç bölümü oldukça ikna edici. Dosya, birkaç küçük dokunuşun ardından ekip arkadaşına gönderiliyor. İlk bakışta günün önemli bir işi tamamlanmış görünüyor.
Ancak dosyayı alan kişi metindeki rakamların hangi döneme ait olduğunu bulamıyor. Bir önerinin şirketin koşullarına neden uygun olduğu açıklanmamış; kullanılan kaynağın gerçekten o sonucu destekleyip desteklemediği de belli değil. Bu kez metni okumak yetmiyor. Kaynaklara dönmek, hesapları yeniden yapmak ve konuyu baştan düşünmek gerekiyor.
Bu örnekte gönderenin hızlandığı açık. Ekibin hızlanıp hızlanmadığı ise başka bir mesele. Zaman tasarrufunu yalnızca dosyayı hazırlayan kişinin ekranında ölçmek, işin geri kalanında oluşan yükü görünmez bırakabiliyor. Bu, araştırmanın ölçtüğü belirli bir vaka değil; kavramın günlük ofis hayatında nasıl karşımıza çıkabileceğine ilişkin temsili bir örnek.
Kahve rozetinden dijital üretkenlik görüntüsüne
Daha önce bu bölümde ele aldığımız “kahve rozeti”, ofiste bulunmanın çalışma göstergesine dönüşmesini tartışıyordu. Burada da benzer bir soruyu sormak mümkün: Bir raporun uzunluğu, bir sunumun tasarımı veya bir e-postanın kusursuz dili, yapılan işin değerini ne kadar anlatıyor?
Dijital araçlarla belge üretmek kolaylaştıkça değerlendirme ölçülerimizin de değişmesi gerekebilir. On sayfa yerine yirmi sayfa yazılması, kararın daha iyi verildiğini göstermiyor. Bazen kısa bir paragraf, hangi bilginin eksik olduğunu açıkça söylediği için uzun bir rapordan daha faydalı olabilir. Özellikle birbiri ardına onay bekleyen işlerde, belirsizlikleri düzgün cümlelerin arkasına saklamamak önem kazanıyor.
Dosyayı göndermeden önce
Kendi iş akışımız açısından uygulanabilecek basit bir kontrol var: Bu metni hazırlamak için yapay zekâ kullanmasaydık, ekip arkadaşımıza hangi bilgileri vermemiz gerekecekti? Verilerin kaynağı, yapılan varsayımlar, ulaşılan sonuç ve hâlâ cevap bekleyen sorular dosyada görülebiliyor mu?
Ardından şu soruyu sormak yararlı: Dosyayı alan kişi, açıklama istemeden bir sonraki adıma geçebilir mi? Cevap hayırsa çalışmayı tamamlanmış gibi göndermek yerine, hangi kısmın taslak kaldığını belirtmek daha doğru olur. “Kaynakları kontrol edilmedi”, “bu hesap teyit bekliyor” veya “karşılaştırma için ikinci veri seti eksik” gibi açık notlar, sonraki kişinin nereden başlayacağını gösterir.
Aynı yaklaşım yöneticiler için de geçerli. Yalnızca daha çok belge veya daha hızlı teslim istemek yerine, beklenen çıktıyı tarif etmek gerekir. Bir karar mı verilecek, seçenekler mi karşılaştırılacak, yoksa yalnızca ilk fikirler mi toplanacak? Taslak istenen bir aşamada taslak yeterlidir. Sorun, taslağın tamamlanmış değerlendirme olarak dolaşıma girmesiyle başlar.
Yapay zekâ iş akışının bir parçası olabilir; gönderilen çalışmanın sorumluluğu da onu kullanan kişide kalır. Asıl ölçü, kaç dakikada dosya üretildiği kadar, o dosyanın başkasının işini ne kadar kolaylaştırdığıdır. Belki de yeni dönemde iyi çalışma alışkanlığı, daha fazla içerik göndermeden önce alıcının gerçekten neye ihtiyaç duyduğunu düşünmekle başlayacak.
Kaynak: BetterUp Labs – Workslop araştırma özeti temel alınarak hazırlanmıştır. Kavrama ilişkin ek okuma: Harvard Business Review, 16 Ocak 2026. Tanımın Türkçe çevirisi, temsili örnekler ve değerlendirmeler yazara aittir.






Yorumlar