Zekâ Ucuzladığında, Kararın Bedeli Artar
Boş bir salonda arka arkaya üçlük atabilirsiniz.
Ama maçın son iki saniyesinde; skor, süre, savunma, yorgunluk, takım arkadaşları ve tribün baskısı aynı anda üzerinize gelir. O anda mesele topu potaya gönderebilmek değildir.
Mesele, şut atmanın doğru karar olup olmadığını anlayabilmektir.
Yapay zekâ çağında iş dünyasının yaklaştığı yer tam olarak burası.
Bilgi kaybolmuyor. Uzmanlık da değersizleşmiyor. Ancak bilgiye ulaşmak, seçenek üretmek ve ilk analizi hazırlamak hızla ucuzluyor. Böyle bir ortamda rekabet avantajı, yalnızca daha çok bilmekten; bildiğini doğru anda, doğru bağlamda ve doğru karara dönüştürebilmeye kayıyor.
Şirketler birer NBA takımına mı dönüşecek?
OpenAI araştırma ekipleri ve teknoloji
yöneticileriyle çalışan Joe Hudson, yapay zekânın şirketleri giderek NBA takımlarına benzeteceğini öngörüyor: Daha yatay yapılar, daha küçük kadrolar ve her çalışanın aldığı karar üzerinde daha yüksek ekonomik kaldıraç.
Hudson’ın benzetmesinde değerli oyuncu, en fazla oyun ezberleyen ya da antrenmanda en çok üçlük atan kişi değildir. Son iki saniyede doğru tercihi yapan, baskı yükseldiğinde sakin kalabilen; takım arkadaşını, rakibini ve oyunun havasını okuyabilen kişidir.
Yapay zekâ bir kişinin üretim gücünü artırdığında yalnızca iyi kararlar büyümez. Tereddütler, yanlış öncelikler ve ekip içindeki sürtünmeler de büyür. Hudson bu nedenle geleceğin ayırt edici yeteneklerini muhakeme, zor konuşmaları yapabilme, başarısızlığı öğrenmeye dönüştürme ve baskı altında zihinsel açıklığı koruma çevresinde topluyor. Bu yaklaşımını Haziran 2026’da yayımlanan “The New Inner Game” başlıklı yazısında anlatıyor.
NBA benzetmesindeki asıl mesele herkesin süperstar olması değil.
Topun hangi oyuncunun elinde olduğundan çok, takımın topu neden o yöne taşıdığını bilmesi.
Finans dünyasında bunun karşılığı oldukça somut.
Bir sistem nakit akışı hesaplayabilir, kur senaryoları üretebilir, borç ödeme kapasitesini ölçebilir veya şirket değerini modelleyebilir. Bunlar üçlük atabilmektir.
Fakat hangi varsayımın gerçekten kritik olduğu, hangi riskin geçici değil yapısal olduğu, bir müdahalenin başka bir noktada nasıl sonuç doğuracağı ve yönetimin hâlâ neyi değiştirebileceği maçın içindeki okumadır.
Bilançoda görünmeyen iki hesap: Tempo ve patinaj
Hudson ekiplerin çalışma biçimini iki kavramla izliyor: pace ve spin.
Pace, bir fikrin ne kadar hızlı gerçeğe temas ettiğini; denenip yeni bilgiye dönüştüğünü gösteriyor.
Spin ise çok fazla hareket olmasına rağmen ilerleme sağlanamayan alanı tarif ediyor: Tereddütler, tekrarlar, korkudan kaynaklanan gecikmeler ve enerjinin sürtünmeye gitmesi.
Hudson’ın kendi ekibinde kullandığı tanıma göre pace, işlerin ilerleme hızını ve mevcut kapasitenin ne ölçüde kullanıldığını; spin ise insanların boşa harcandığını düşündükleri çabayı ifade ediyor. Bu iki göstergenin ekip içindeki sorunları görünür kılmak amacıyla nasıl kullanıldığını kendi açıklamasında aktarıyor.
Bu iki kavramı finans diline çevirdiğimizde ilginç bir tablo ortaya çıkıyor.
Finansal tempo, bir sinyalin kurumsal veriden senaryoya, senaryodan sorgulanmış bir karara ve karardan ölçülebilir sonuca ulaşma hızıdır.
Finansal patinaj ise farklı dosyaları tekrar tekrar uzlaştırmak, aynı veriyi yeniden hazırlamak, kaynağı belirsiz varsayımları savunmak, onay beklemek ve sonunda hiçbir kararı değiştirmeyen raporlar üretmek için harcanan enerjidir.
Bu nedenle çok hızlı çalışan bir finans ekibinin karar temposu düşük olabilir.
Raporlar yetişiyor, tablolar güncelleniyor, toplantılar yapılıyor olabilir. Fakat yeni bilgi senaryoyu değiştirmiyor, senaryo alternatife dönüşmüyor ve alternatif zamanında karara ulaşmıyorsa tekerlek dönüyor; şirket ilerlemiyordur.
Patinajın bir bölümü sistemlerden, bir bölümü insan davranışından kaynaklanır.
Bir çalışan kötü haberi zamanında söylemekten, yerleşik varsayımı sorgulamaktan veya yöneticisinin desteklediği projeye itiraz etmekten çekiniyorsa kritik bilgi modelin dışında kalabilir. Amy Edmondson’ın 51 üretim ekibini kapsayan araştırması, psikolojik güvenliğin öğrenme davranışıyla ilişkili olduğunu ve öğrenme davranışının ekip performansında aracı rol oynadığını gösteriyor. Buradaki güvenlik, düşük standartlar veya sürekli uzlaşma değil; hatanın, şüphenin ve itirazın zamanında görünür olabilmesidir. Araştırmanın bulguları burada yer alıyor.
Finansta kötü haberin geç söylenmesi, çoğu zaman kötü haberin kendisinden daha pahalıdır.
Başarı bazen daha zeki olmaktan değil, erken sevinmemekten gelir.
Benzer bir ders, bu kez yapay zekâ modellerinin çalışma biçiminden geliyor.
Poolside CEO’su Eiso Kant, Laguna S modelindeki ilerlemelerin yalnızca daha fazla ham kapasiteden kaynaklanmadığını anlatıyor. Araştırma ekibinin gözlemine göre modelin fark yaratan özellikleri arasında daha fazla doğrulama yapması, bazı sonuçları verili kabul etmemesi, erken başarı ilan etmemesi, gerektiğinde geri dönmesi ve çözüm aramayı sürdürmesi bulunuyor. Kant’ın bu değerlendirmeleri aktardığı söyleşide, kalıcı performansın yalnızca model büyüklüğüyle açıklanamayacağı görülüyor.
Burada insanla makineyi birbirine karıştırmamak gerekir.
Yapay zekâ kaygılanmaz, cesaret göstermez veya başarısızlıktan utanmaz. Ancak bir model; ilk cevabı kabul edecek, doğrulayacak, geri izleyecek ya da başka bir yol deneyecek biçimde geliştirilebilir.
İnsanlarla modellerin yolları aynı duygulara sahip oldukları için değil, ham kapasitenin ötesinde bir çalışma disiplinine ihtiyaç duydukları için kesişiyor.
En bilgili insan her zaman en doğru kararı vermez.
En büyük model de her zaman en güvenilir sonucu üretmez.
Bazen farkı yaratan, cevabı bulma hızı değil; cevabı bulduktan sonra ona ne yaptığınızdır.
Ainsideme’nin oyundaki yeri
Ainsideme açısından temel mesele daha fazla finansal çıktı üretmek değil, finansal patinajı azaltarak karar temposunu artırmaktır.
Nakit akışı ve riskten değerlemeye, ticaret ve proje finansmanından ihracat işlemleri ile sınır ötesi yapılara kadar beş dijital uygulamanın ortak noktası burada bulunuyor:
Veriyi yalnızca işlemek değil, finansal olarak anlamlı bir soruya dönüştürmek.
Tek bir sonuç vermek değil, sonucu taşıyan varsayımları ve alternatifleri görünür kılmak.
İlk cevabı kesinleştirmek değil, değişen koşullar altında hâlâ geçerli olup olmadığını sınamak.
Bir nakit tahmini matematiksel olarak dengeli olabilir ama tahsilat davranışını yanlış okuyabilir.
Bir değerleme modeli teknik olarak kusursuz çalışabilir ama değeri taşıyan asıl ekonomik sürücüyü gözden kaçırabilir.
Bir finansman alternatifi daha ucuz görünebilir ama kur, vade ve borç-servis etkileri birlikte değerlendirildiğinde şirketi daha kırılgan hale getirebilir.
Dolayısıyla asıl soru modelin kaç puan aldığı değildir.
O modelin, şirket sahaya çıktığında oyunu ne kadar doğru okuyabildiğidir.
Geleceğin güçlü finans ekipleri en fazla tabloyu hazırlayanlar ya da en hızlı cevabı verenler olmayacak.
Daha az patinajla daha yüksek karar temposu üreten; ilk sonucu nihai sonuç sanmayan ve kritik anda oyunu yeniden okuyabilen ekipler olacak.
Çünkü zekâ sahaya daha eşit dağıldığında üstünlüğü hâlâ aynı şey yaratır:
Topu nereye vereceğini bilmek değil, neden oraya verdiğini açıklayabilmek.
Yorumlar