Meta ve Klarna’dan AI-gerçeklik kontrolü: Otomasyon neden hâlâ insanlara ihtiyaç duyuyor?

Yapay zekâ şirketlerin ekip kurma biçimini değiştiriyor; ancak Meta ve Klarna’nın deneyimleri, AI’ın bir işin parçalarını otomatikleştirmesi ile bütün bir işlevi güvenilir biçimde devralması arasında büyük fark olduğunu gösteriyor. Meta, ilk personel azaltımının ardından Project OT kapsamındaki ikinci yeniden yapılanma dalgasının planlamasını durdurdu. Klarna ise AI odaklı müşteri hizmetleri modelinin kalite sorunları yaratmasının ardından insan destek çalışanı alımına yeniden başladı. 218

Ortak ders ideolojik değil, pratik: AI; standart, tekrarlayan görevleri yüksek hacimde üstlenebilir. Fakat belirsizliği yönetmek, çıktıları denetlemek, istisnaları çözmek ve müşteri deneyimini korumak için insanlara hâlâ ihtiyaç var.

Meta: Daha küçük ekip hedefi, uygulamadaki sınırlara takıldı

Reuters’ın haberine göre Meta’nın Project OT (Organization Transformation / Organizasyon Dönüşümü) adlı girişimi, iki aşamalı bir yeniden yapılanma olarak tasarlanmıştı. Şirket Mayıs 2026’da çalışanlarının yaklaşık %10’unu işten çıkardı; ardından Kasım için öngörülen ikinci dalganın planlamasını iptal etti. Meta, Project OT’nin varlığını doğrulayarak girişimi maliyet düşürme, ekipleri yeniden tasarlama ve çalışanları öncelikli alanlara kaydırmayı kapsayan bir yıllık çalışma olarak tanımladı. 2

Bu geri adımın önemi, planın sıradan bir maliyet kısma programından fazlası olmasında yatıyor. Hedef, AI ajanlarıyla desteklenen çok daha küçük insan ekipleri kurmaktı. Ancak daha çok taslak, kod ya da görev çıktısı üretmek; otomatik olarak güvenilir ürün teslimi anlamına gelmiyor. Karmaşık iş akışlarında hedefleri belirlemek, sistemler arası bağlantıları kurmak, sonuçları test etmek, hataları yakalamak ve sorun çıktığında sorumluluğu üstlenmek hâlâ insan emeği gerektiriyor.

Meta, AI yatırımlarından ya da AI destekli çalışma modelinden vazgeçmiş değil. Değişen şey, ajan yeteneklerinin ikinci geniş çaplı personel azaltımını ilk takvimle haklı çıkaracak düzeyde olduğuna duyulan güven oldu. 2

Klarna: Yüksek otomasyon hacmi, tek başına iyi hizmet demek değil

Klarna’nın deneyimi aynı sorunu müşteri hizmetleri açısından ortaya koyuyor. Şirketin AI asistanı; ödeme, iade ve ürün geri gönderimi gibi standart konulardaki destek görüşmelerinin önemli bölümünü yönetti. Buna rağmen Klarna, yalnızca AI’a dayalı yaklaşımından uzaklaşıp insan destek personeli almaya yeniden başladı. 1720

Şirketin yön değişimini ele alan haberlere göre CEO Sebastian Siemiatkowski, Klarna’nın insan kapasitesini gereğinden fazla azalttığını kabul etti. Sorun, AI’ın hiçbir fayda sağlamaması değildi. Asıl mesele; karmaşık, belirsiz veya duygusal açıdan hassas vakalarda otomatik hizmetin zorlanmasıydı. Bu tür durumlarda deneyimli çalışanlar araştırma yapma, takdir yetkisini kullanma ve empati kurma becerisi getiriyor. Klarna, otomasyonun yanında insan destek kapasitesini yeniden oluşturmaya başladı. 1819

Bu ayrım özellikle müşteri hizmetlerinde kritik. Bir sistem yaygın talepleri hızla sonuçlandırabilir; ancak itirazlı ödemeler, sıra dışı durumlar veya büyüyen sorunlar yaşayan müşteriler yetkin bir insana hızla ulaşamıyorsa güveni zedeleyebilir. Otomasyonun işe yaraması için açık bir eskalasyon, yani nitelikli bir çalışana aktarım yolu ve insan sorumluluğu tasarlanmalı.

Ortaya çıkan model: AI, her rolün ikamesi değil; ekiplerin kaldıraç gücü

İki örnek birlikte daha dayanıklı bir çalışma modeline işaret ediyor:

• Öngörülebilir görevleri otomatikleştirin. AI; girdilerin standartlaştığı, sonucun kolay doğrulandığı ve hatanın düşük maliyetle düzeltilebildiği işlerde en faydalı araç.
• Karar noktalarında insanı koruyun. Sistemler arası bağlam, ödünleşim, muhakeme, hesap verebilirlik veya ilişki yönetimi gereken işlerde insanlar vazgeçilmez kalıyor.
• İş akışına eskalasyon ekleyin. Müşteri desteği ve yüksek riskli diğer süreçlerde otomatik döngü içinde çıkmaz yaratmak yerine, yetkin personele net bir devir mekanizması bulunmalı.
• Faaliyeti değil sonucu ölçün. Daha fazla üretilen kod, daha hızlı ilk yanıt ya da daha yüksek görev sayısı; kalite, çözüm oranı, güvenlik ve müşteri güveni geriliyorsa yeterli başarı ölçütleri değildir.

Bu, işlerin hiç etkilenmeyeceği anlamına gelmiyor. Dönüşüm; ekiplerin yeniden tasarlanması, beceri beklentilerinin değişmesi ve rutin işe ayrılmış rollerin azalması yoluyla gelebilir. Ancak bu tablo, insan emeğinin yakın zamanda bütünüyle ortadan kalkacağı anlamına da gelmiyor.

İşe alım verileri teknik yetkinliğe doğru kayışı gösteriyor

Geniş teknoloji iş gücü piyasası da bu yorumu destekliyor. SignalFire’a göre büyük teknoloji şirketlerinde işe alım, 2019 baz seviyesinin %25 altında. Yazılım mühendisliği işe alımı ise %11 geriledi. Böylece yazılım mühendislerinin bu şirketlerdeki tüm işe alımlar içindeki payı 2019’daki %46’dan %55’e çıktı. 49

Bu veriler, her işe alım değişiminin nedeninin AI olduğunu kanıtlamıyor; teknoloji sektöründeki istihdam, ekonomik döngülerden ve pandemi sonrası kadro düzenlemelerinden de etkileniyor. Yine de daha yalın organizasyonların teknik yeteneğe ihtiyacını ortadan kaldırmadığını gösteriyor. Talep, giderek otomatikleşen sistemleri kurabilecek, devreye alabilecek, değerlendirebilecek, güvenliğini sağlayabilecek ve denetleyebilecek kişilere doğru kayıyor.

Kısa vadede en büyük risk: Giriş seviyesi kariyer basamağı

Stanford Digital Economy Lab araştırmacıları, Haziran 2026’ya kadarki idari bordro verilerinde ekonomi geneline yayılmış bir iş kaybına dair kanıt bulmadı. Ancak AI’a yüksek ölçüde açık mesleklerde 22-25 yaşındaki çalışanların istihdamı, AI’a daha az açık akranlarıyla aynı hızda ilerlemiş olsaydı ulaşacağı seviyenin %19 altında kaldı. Deneyimli çalışanlarda benzer bir fark görülmedi; ayarlama daha çok işten çıkarmalardan değil, daha düşük işe alımdan kaynaklandı. 35

Bu %19, AI’ın doğrudan ortadan kaldırdığı işlerin sayısı değil; iki farklı istihdam eğilimi arasındaki göreli “aynı tempoda ilerleme” açığı. Yine de önemli bir soruna dikkat çekiyor: AI rutin başlangıç seviyesi işlerin bir bölümünü üstlendikçe şirketler, çalışanların deneyim kazanıp daha kıdemli pozisyonlara ilerlemesini sağlayan fırsatları daha az sunabilir.

Şirketlerin Meta ve Klarna’dan çıkarması gereken ders

Artık esas soru AI kullanılıp kullanılmayacağı değil. Soru, AI’ın bir süreci güvenilir kılan insan yeteneklerini ortadan kaldırmadan nerede iyileştirme sağlayabileceği.

Meta’nın durdurduğu ikinci dalga ve Klarna’nın destek personeli için yeniden işe alıma başlaması, şirketlerin otomasyonu nihai sonuçlarla sınaması gerektiğini gösteriyor: başarılı ürün teslimi, doğru kararlar, çözülen vakalar, müşteri güveni ve yönetilebilir telafi maliyetleri. AI’ın iyi çalıştığı yerde küçük bir ekibin kapasitesini artırabilir. Belirsizliğin veya hatanın sonuçlarının yüksek olduğu yerde ise doğru tasarım çoğu zaman insan artı AI modelidir; insansız model değil.

Dolayısıyla AI, ekiplerin bileşimini ve üretkenlik kaldıraçlarını yeniden şekillendiriyor. En çok faydayı, otomasyonu karmaşık ürünler ve müşteri ilişkilerinin hâlâ gerektirdiği insan emeğinin etrafından dolaşan kısa yol olarak değil, insan işini daha iyi hâle getiren bir araç olarak gören şirketler sağlayacak.