ULUSLARARASI ARAŞTIRMA / HAKEMLİ MAKALE

AI bir ekip arkadaşının
yerini tutabilir mi?

P&G’de 791 profesyonelle yürütülen saha deneyi, AI kullanan bireylerin bazı ürün inovasyonu görevlerinde iki kişilik ekiplere yaklaştığını gösterdi. İnsan seçiminin nerede değerini koruduğunu anlatıyoruz.

Tüm yazarlar ve kurumlar

Kısa açıklamayı oku Üç iş örneğine geç

İngilizce kaynak · Türkçe inceleme: 10 Eylül 2026 · Kaynak tarihi yukarıdaki künyededir.

Yayımlanmış inceleme

Kaynak ve editoryal kontroller tamamlandı. DijitalPi bu çalışma için müşteri deneyi yapmadı.

KISA AÇIKLAMA

Bu Araştırma Size Ne Söylüyor?

AI kullanan bireyler ortalama kalite açısından AI kullanmayan iki kişilik ekiplere yaklaştı ve işlevler arası bilgi farkı azaldı. Çalışma, kalıcı ekiplerin veya bütün görevlerin gereksiz olduğunu göstermiyor.

Bir örnek düşünün: Ticari ekip yeni ürün fikri hazırlarken teknik ekip toplantıya katılamıyor. Yönetici, AI kullanıldığı için ikinci uzman görüşüne artık gerek kalmadığını düşünüyor.
İşinizde ne yapabilirsiniz?: Fikir üretimi, fikir seçimi ve uygulama kararını ayrı aşamalar olarak tasarlayın. AI’ın genişlettiği alanlarla insan uzman doğrulamasının gerekli olduğu alanları kaydedin.

DijitalPi’nin uygulama yorumu. Örnek, konuyu açıklamak için hazırlanmıştır.

ARAŞTIRMAYI BİRLİKTE OKUYALIM

Önce araştırmacıların sorusunu, yöntemini ve bulgularını tanıyalım. Ardından sonuçların nasıl okunabileceğini DijitalPi’nin açıklamalarıyla ele alalım.

01 / ARAŞTIRMACILAR NEYİ ANLAMAK İSTEDİ?

AI, ürün inovasyonunda insan ekip çalışmasının hangi işlevlerini karşılayabilir?

Dell’Acqua ve çalışma arkadaşları, AI’ın performans, uzmanlıkların birleşmesi ve çalışma deneyimi üzerindeki rolünü gerçek bir kurum içinde sınadı.

Konuyu açalım · DijitalPi açıklaması

Ekip çalışması yalnız iki kişinin toplam emeği değildir. Farklı uzmanlıkları birleştirmek, fikirleri seçmek ve sorumluluğu paylaşmak da ekip işidir.

Araştırma AI’ı pasif yazılımdan çok konuşabilen bir iş ortağı gibi ele alıyor; fakat bu benzetmenin sınırlarını gerçek görev sonuçlarıyla inceliyor.

02 / ARAŞTIRMA NASIL YAPILDI?

Soruyu nasıl sınadılar?

P&G’de 791 profesyonel, gerçek ürün inovasyonu sorunları üzerinde dört koşula rastgele atandı: tek başına, iki kişilik ekip, AI ile tek başına veya AI ile ekip. Çalışma bir günlük uzaktan atölye olarak yürütüldü.

Yöntemi anlamak · DijitalPi açıklaması

Ticari ve Ar-Ge çalışanlarının birlikte yer alması, işlevler arası bilgi paylaşımını ölçmeye izin verdi. Çıktılar bağımsız değerlendiriciler tarafından incelendi.

Kısa atölye tasarımı nedensel karşılaştırmayı güçlendirir; uzun süreli ekip ilişkisi, uygulama ve pazar başarısını ölçmez.

03 / ARAŞTIRMANIN BULGULARI

AI kullanan bireyler bazı kalite ölçülerinde iki kişilik ekiplere yaklaştı.

AI kullanan bireylerin çözümleri, AI kullanmayan iki kişilik ekiplerle benzer kalite düzeyine ulaştı. AI, ticari ve teknik uzmanlıklar arasındaki farkı daralttı. AI destekli ekipler en yüksek puanlı sonuçlarda ayrıca güçlüydü; insan yargısı fikir seçiminde değerini korudu.

Profesyonel: 791P&G ticari ve Ar-Ge çalışanları.
Deney koşulu: 4Birey veya ekip, AI ile veya AI olmadan.

Kaynak: Organization Science makalesi ve DOI ↗

04 / DİJİTALPİ’NİN AÇIKLAMASI

Bu bulguları nasıl okuyabiliriz?

AI bir kişinin başka işlevlerin sorularını düşünmesine yardım edebilir. Bu, o işlevin sorumluluğunu veya uzman onayını otomatik olarak devraldığı anlamına gelmez.

Fikir üretmek ile doğru fikri seçmek farklı becerilerdir. AI ham maddeyi iyileştirirken insan değerlendirmesi portföy kararında kritik kalabilir.

Ekip büyüklüğü kararını yalnız ortalama kaliteye bağlamak risklidir. Uygulama, hesap verebilirlik ve uzun dönem öğrenme ayrıca incelenmelidir.

05 / SONUÇ VE AÇIK SORULAR

Neyi öğrendik, neyi henüz bilmiyoruz?

Çalışma, belirli ürün inovasyonu görevlerinde AI’ın insan ekip çalışmasının bazı performans ve bilgi birleştirme faydalarını sağlayabildiğini gösteriyor. Bir günlük uzaktan atölye, kalıcı ekiplerin genel olarak gereksiz olduğunu kanıtlamıyor.

AI destekli fikirler gerçek ürün hunisinde uygulamaya geçtiğinde kalite, hız ve pazar sonucu nasıl değişiyor? Makale bu uzun dönem sonucunu ölçmüyor.

Araştırmacıların özgün yayınına dönün

Organization Science makalesi ve DOI

DİJİTALPİ’NİN UYGULAMA YORUMU

Sizin işinizde nasıl görünür?

Bu üç senaryoyu konuyu birlikte düşünmek için hazırladık. Araştırmadan alınmış vaka veya ölçülmüş müşteri sonucu değildir.

ÖRNEK 01

Tek kişi iki uzmanlık alanına giriyor

Pazarlama çalışanı AI yardımıyla teknik yönü güçlü bir ürün fikri yazıyor.

Bu, teknik onayın da tamamlandığı anlamına gelir mi?

Örnek 01 için öneriyi aç

Fikir genişliğini uzman doğrulamasından ayırın.

AI farklı işlevlerin dilini bir araya getirebilir. Güvenlik, maliyet ve uygulanabilirlik kararını ilgili uzmanların incelemesine bırakın.

ÖRNEK 02

Çok fikir var, seçim zayıf

AI destekli ekip daha iyi fikirler üretiyor fakat hangisinin uygulanacağını seçmekte zorlanıyor.

Üretim kalitesi seçim kalitesini garanti eder mi?

Örnek 02 için öneriyi aç

Seçim ölçütlerini önceden yazın.

Müşteri ihtiyacı, teknik risk, maliyet ve uygulama süresini ayrı puanlayın. AI önerisini nihai karar yerine aday havuzu olarak kullanın.

ÖRNEK 03

Bir günlük atölye kalıcı ekibe genelleniyor

Yönetim saha deneyini görüp uzun süreli ürün ekibinin küçültülmesini planlıyor.

Kısa deney kalıcı ekip tasarımını kanıtlar mı?

Örnek 03 için öneriyi aç

Süre ve ilişki sınırını koruyun.

Çalışma bir günlük, uzaktan ve belirli ürün sorunlarıyla yapıldı. Uzun dönem öğrenme, sorumluluk ve uygulama başarısını ayrıca ölçmeden kalıcı yapı kararı vermeyin.

EKİBİNİZLE DENEYİN

Ekip işini üç aşamada yeniden çizin.

Bir inovasyon sürecinde fikir üretimi, seçim ve uygulama adımlarını ayırın. Her adımda AI’ın rolünü, insan sorumlusunu ve geçiş ölçütünü yazın.

Stratejik pazarlama danışmanlığımızı inceleyin

Kaynak ve emeğin sahibi

Fabrizio Dell’Acqua, Charles Ayoubi, Hila Lifshitz, Raffaella Sadun, Ethan Mollick, Lilach Mollick, Yi Han, Jeff Goldman, Hari Nair, Stew Taub and Karim R. Lakhani.
Harvard Business School; HBS AI Institute; ESSEC Business School; Warwick Business School; The Wharton School; Procter & Gamble.

Organization Science · 12 Haziran 2026 · 37(4):1217–1242 · Hakemli saha deneyi. Orijinal yayını aç · Google Scholar’da ara

Akademik çalışma yukarıdaki araştırmacılara aittir. Bu sayfa, DijitalPi’nin AI desteğiyle hazırladığı açıklamalı inceleme ve özgün iş örneklerini içerir; makalenin tam çevirisi değildir.

← Tüm araştırma yazılarına dön