---
title: "Bir Hatalı Tahminden Sonra: Algoritmik Karar Desteğinin Kurumsal Ömrü"
description: "Algorithm aversion, algoritmik karar desteğinin tek bir gözle görülür hatadan sonra tümüyle terk edilmesi eğilimidir; aynı hatayı yapan insan yargısı ise görevde kalır. Ayrım, doğruluk farkından değil, hatanın kime yazıldığından doğar: model hatası kuruma, insan hatası bağlama atfedilir. Nötrleştirme yolu, modelin beklenen hata bandının kullanım öncesinde yazılı olarak sabitlenmesidir."
url: https://www.beirek.com/tr/blog/algorithm-aversion-in-capital-decisions
canonical: https://www.beirek.com/tr/blog/algorithm-aversion-in-capital-decisions
published: 2025-04-19
modified: 2025-04-19
category: "Örgüt Psikolojisi"
category_url: https://www.beirek.com/tr/blog/category/organisational-psychology
language: tr-TR
reading_time_minutes: 8
publisher: BEIREK LLC
publisher_url: https://www.beirek.com
license: "© BEIREK LLC — citation with attribution and link permitted"
keywords: ["algorithm aversion","algoritmik karar desteği","kurumsal karar mimarisi","karar kaydı","tahmin modeli sapması","due diligence karar süreçleri","hesap verebilirlik asimetrisi"]
topics: ["Algoritmik karar desteğinin kurumsal terk edilme mekaniği","Hata atfının insan yargısı ile model çıktısı arasındaki asimetrisi","Karar süreçlerinin sürekliliğinin değerleme ve kapanış yapısına etkisi","Karar kaydı, hata bandı ve gözden geçirme ritmi tasarımı"]
alternate_language_url: https://www.beirek.com/en/blog/algorithm-aversion-in-capital-decisions
---

# Bir Hatalı Tahminden Sonra: Algoritmik Karar Desteğinin Kurumsal Ömrü

> **Kısaca:** Algorithm aversion, algoritmik karar desteğinin tek bir gözle görülür hatadan sonra tümüyle terk edilmesi eğilimidir; aynı hatayı yapan insan yargısı ise görevde kalır. Ayrım, doğruluk farkından değil, hatanın kime yazıldığından doğar: model hatası kuruma, insan hatası bağlama atfedilir. Nötrleştirme yolu, modelin beklenen hata bandının kullanım öncesinde yazılı olarak sabitlenmesidir.

*Kurumsal karar süreçlerinde modele dayalı tahmin araçları, tek bir görünür sapmadan sonra sessizce devre dışı bırakılır; oysa aynı büyüklükteki insan hatası sistematik olarak tolere edilir. Bu asimetri, bir güven meselesi değil, hesap verebilirlik mimarisinin nasıl kurulduğuna dair yapısal bir sonuçtur.*

---

Bir yatırım komitesi oturumunda, on sekiz ay önce devreye alınmış bir talep tahmin modelinin çıktısı gündemin ilk maddesindedir; altı ay sonra aynı oturumda model artık gündemde yoktur, kimse kaldırılmasına dair bir karar almamış olmasına rağmen. Aradaki dönemde olan tek şey, modelin bir çeyrekte talebi belirgin biçimde yanlış okumuş olması ve bu sapmanın bir bütçe revizyonuna yol açmasıdır. Aynı dönemde satış ekibinin sezgisel öngörüsü de benzer büyüklükte sapmıştır; fakat o öngörü kurumun karar akışında yerini korumuştur. Modelin gündemden düşüşü bir toplantı tutanağına yazılmaz; girdi dosyasının güncellenmesi durur, çıktı ekranı açılmaz olur, ve altı ay sonra araç fiilen ölmüştür.

Bu örüntü tek bir sektöre ya da tek bir araç tipine özgü değildir. Aynı hareket, bir sanayi grubunun bakım planlamasında arıza öngörü sisteminin bir yanlış alarmdan sonra rafa kalkmasında, bir portföy yöneticisinin kredi skorlama çıktısını bir temerrütten sonra 'yalnızca referans' statüsüne indirmesinde, bir işe alım panelinin yapılandırılmış değerlendirme puanını bir başarısız işe alımdan sonra görmezden gelmeye başlamasında gözlenir. Ortak nokta, terk kararının aracın toplam isabet oranına bakılarak değil, tek bir görünür olaya bakılarak alınmasıdır. Terk edilen araç, terk edildiği anda bile çoğu zaman yerine geçen yargıdan daha isabetlidir; ancak bu karşılaştırma hiçbir zaman açıkça yapılmaz.

Bu davranışın adı algorithm aversion — algoritmik karar desteğinin tek bir gözle görülür hatadan sonra bütünüyle reddedilmesi eğilimi — ve mekaniği bir güven eksikliğinden çok, hatanın kurumsal olarak nereye yazıldığından doğar. İnsan yargısı hata yaptığında hata bağlama atfedilir: piyasa beklenmedik davrandı, müşteri sinyal vermedi, tedarikçi haber etmedi. Yargıyı yürüten kişi, hatayı çevreleyen koşulları anlatarak kendini kararın dışına taşıyabilir, ve bu anlatı kurumsal olarak kabul görür. Model hata yaptığında ise anlatacak bir tarafı yoktur; hata doğrudan aracın kendisine, dolayısıyla aracı kuruma sokan kişiye yazılır. Bu asimetri, karar vericiyi öngörülebilir biçimde modelden uzaklaşmaya iter, çünkü modeli kullanmanın hata durumundaki kişisel maliyeti, sezgiyi kullanmanın maliyetinden yapısal olarak daha yüksektir.

İkinci mekanizma, beklentinin kalibrasyon biçimidir. Bir insan uzmanının hata yapacağı kurumsal olarak baştan kabul edilmiştir; kimse bir satış direktöründen çeyrek tahminini tam tutturmasını beklemez, ve sapma bir tolerans bandı içinde normalleşir. Modelin ise örtük olarak farklı bir standarda tabi tutulduğu görülür: sayısal çıktı ürettiği, ondalık basamak taşıdığı ve tekrarlanabilir olduğu için, kesinlik vaadi taşıdığı varsayılır. Bu varsayım hiçbir yerde yazılı değildir, ama ilk sapma anında devreye girer ve sapma bir hata payının gerçekleşmesi olarak değil, vaadin ihlali olarak okunur. Beklenen hata bandı kullanım öncesinde yazılı hâle getirilmediği ölçüde, her sapma aracın çürütülmesi anlamına gelir.

Bu eğilimin işlevsel olduğu koşullar da vardır ve bunları atlamak analizi tek yanlı bırakır. Bir model, üzerine kurulduğu veri rejiminin dışına çıkan bir ortamda çalışmaya devam ediyorsa — talep yapısı kırıldıysa, düzenleyici çerçeve değiştiyse, girdi maliyet eğrisi tarihsel bandın dışına taştıysa — modelin reddedilmesi rasyoneldir ve hızlı olması iyidir. Sorun, kısayolun kendisinde değil, kısayolun ayrım yapmamasındadır: reddetme refleksi rejim kırılması ile normal hata payını birbirinden ayırmaz, ikisine de aynı tepkiyi verir. Bir hata, modelin varsayım setinin geçersizleştiğini mi gösteriyor, yoksa varsayım seti içinde kalan olağan bir sapma mı — bu sorunun cevabı kurumsal olarak sorulmadığında, tepki her iki durumda da aynı olur ve araç ikinci durumda gereksiz yere kaybedilir.

Kurumsal bedel ilk anda bir yazılım lisansının atıl kalması gibi görünür, oysa asıl maliyet karar kalitesinin geriye dönmesinde birikir. Bir bakım öngörü sisteminin terk edilmesi, bakım bütçesinin plansız duruşlara kayması demektir; bu kayma bakım kaleminde değil, kapasite kullanım oranında ve birim başına sabit gider yükünde görünür. Bir kredi skorlama çıktısının referans statüsüne indirilmesi, portföyün risk dağılımını yavaş yavaş ilişki temelli kararların yönüne kaydırır; bu kayma karşılık oranlarında ancak birkaç dönem sonra ortaya çıkar. Talep tahmin modelinin devre dışı kalması ise kendini stok kaleminde değil, stok devir hızının bir önceki yılın seviyesine dönmesinde gösterir; ve o seviye, modelin devreye alınmasını başlangıçta gerekçelendiren seviyedir.

Değerleme masasında bu bedel daha keskin bir yüzeyle karşılaşır. Bir alıcı ya da bir kredi komitesi, şirketin karar süreçlerine baktığında aradığı şey aracın varlığı değil, aracın süreklilikle kullanıldığının kanıtıdır: girdi güncelleme sıklığı, çıktının hangi toplantıda hangi kararı hangi tarihte etkilediği, ve sapma durumunda ne yapıldığına dair kayıt. Bu kaydın kesintiye uğradığı tarih, inceleme yürütenin gözünde tek bir bilgi taşır — kurumun karar disiplini bir dış şoka değil, tek bir kötü çeyreğe dayanamamıştır. Bu bulgunun tipik karşılığı, çarpanın kendisinden çok kapanış yapısında görünür: kurucu ya da kilit yöneticinin devamlılığına bağlı earn-out ağırlığının artması, temsil ve tekeffül kapsamında öngörü kalemlerine ilişkin daha dar bir taahhüt bandı, ve kapanış öncesi koşullar listesinde karar süreçlerinin belgelenmesine dair ek madde.

Bu tabloda örtük olan tez şudur: bir şirketin karar altyapısının değeri, altyapının teknik niteliğinden çok, kurucunun ya da kilit yöneticinin sezgisinden bağımsız biçimde tekrarlanabilir olduğunun gösterilebilmesinden gelir. Terk edilmiş bir model, sezgiye geri dönüşün belgesidir; ve sezgiye geri dönüş, sezgiyi taşıyan kişinin şirketten ayrılması durumunda ne olacağı sorusunu doğrudan açar. İnceleme yürüten taraf bu soruyu sorduğunda, cevabın kişide toplanması değerlemeyi aşağı çeker, çünkü satın alınan şey performans değil, performansın devredilebilirliğidir.

Yapısal müdahale, bireysel ikna ya da farkındalık eğitimi ile kurulmaz; algorithm aversion kişisel bir zaafiyet değil, hesap verebilirlik mimarisinin ürettiği bir denge olduğu için, mimarinin kendisi değiştirilmedikçe tekrar eder. Bu eğilimi nötrleyen düzenlemenin dört ayrılabilir bileşeni vardır. Birincisi, modelin kabul edilebilir hata bandının devreye alma anında yazılı olarak sabitlenmesi ve bu bandın kimin onayıyla belirlendiğinin kayda geçirilmesidir; band önceden yazılmadığında her sapma ihlal sayılır. İkincisi, insan yargısının da aynı bandla ölçülmesi — yani sezgisel tahminin de aynı sıklıkla, aynı formatta ve aynı kayıtta gerçekleşenle karşılaştırılmasıdır; karşılaştırma tek taraflı yapıldığı sürece model kaybeder. Üçüncüsü, sapma anında zorunlu bir teşhis adımıdır: sapmanın varsayım setinin geçersizleşmesinden mi yoksa band içi bir hatadan mı doğduğu, aracı kullanan kişi dışında birinin imzasıyla tespit edilir. Dördüncüsü, aracın devreden çıkarılmasının ancak açık bir kararla mümkün olması, kullanım kesintisinin ise otomatik olarak bir gözden geçirme tetiklemesidir.

BEIREK'in sermaye-yoğun projelerde bu katmana müdahalesi, karar destek araçlarının kendisini kurmak değil, araçların etrafındaki kayıt ve ritim düzenini kurmaktır. Tahmin, öngörü ve modelleme çıktılarının kullanıldığı her hatta — maliyet tahmini, program riski, talep ve fiyat senaryoları, bakım ve kullanılabilirlik öngörüsü — çıktının ne olduğu kadar, çıktının hangi bandla üretildiği, sapma durumunda hangi eşiğin hangi eylemi tetiklediği ve bu eşiklerin kim tarafından onaylandığı bir karar kaydına bağlanır. Bu kayıt, onay anında değil öneri anında tutulur; çünkü sapma sonrası tartışmada belirleyici olan, kararın alındığı andaki beklentinin ne olduğudur, sonradan hatırlananın ne olduğu değil.

Aynı disiplin, proje yönetim ritminin içine gömülür: dönemsel gözden geçirmelerde model çıktısı ile gerçekleşen yan yana konulurken, aynı dönemde sezgisel olarak verilmiş tahminler de aynı tabloda yer alır, ve iki kaynağın hata dağılımı ayrı ayrı izlenir. Bir aracın devreden çıkarılması önerildiğinde, öneriyi taşıyanın karşısına o aracın toplam performans kaydı konur; karar tek bir olaya değil, birikmiş bir seriye bakılarak alınır. Bu düzenin kurumsal etkisi, doğru aracı korumaktan ibaret değildir — yanlış aracın da açık bir kararla, gerekçesiyle ve tarihiyle kaldırılmasını sağlar, ki bu kayıt sonraki inceleme süreçlerinde en az aracın kendisi kadar değerlidir.

Bir karar destek aracının kurumdaki ömrü, isabet oranıyla değil, ilk hatasının nasıl karşılandığıyla belirlenir; ve o karşılamanın biçimi, aracı savunacak kişinin cesaretine bırakıldığı ölçüde tek bir kötü çeyreğe dayanmaz. Asıl soru, kurumun hangi araçları kullandığı değil, hata anında hangi kaydın açılacağının önceden yazılmış olup olmadığıdır.

## Ana Noktalar

- Algoritmik araçlar doğrulukları düştüğü için değil, hataları insan hatalarından daha görünür ve daha kolay atfedilebilir olduğu için terk edilir.
- Modelin kabul edilebilir hata bandı kullanım öncesinde yazılı olarak sabitlenmediğinde, ilk sapma bandın ihlali değil, aracın çürütülmesi olarak okunur.
- Karar destek aracının devre dışı bırakılması çoğu zaman formel bir kararla değil, girdi güncellemesinin sessizce durmasıyla gerçekleşir.
- Due diligence sürecinde model kullanımının kesintiye uğradığı tarih, kurumsal karar disiplininin dayanıklılığı hakkında performans verisinden daha fazla bilgi taşır.
- Yapısal çözüm bireysel ikna değil, modelin ve insanın aynı gözden geçirme ritmine ve aynı hata kaydına tabi tutulmasıdır.

## Sorular

### Algorithm aversion nedir ve kurumlarda nasıl görünür?

Algoritmik ya da modele dayalı bir karar destek aracının, tek bir gözle görülür hatadan sonra bütünüyle terk edilmesi eğilimidir. Kurumlarda genellikle formel bir kararla değil, sessiz bir kesintiyle ortaya çıkar: girdi güncellemesi durur, çıktı gündemden düşer, araç birkaç dönem içinde fiilen kullanılmaz hâle gelir. Aynı büyüklükte hata yapan insan yargısı ise karar akışındaki yerini korur.

### Neden model hatası insan hatasından daha sert cezalandırılıyor?

Çünkü hata farklı yerlere yazılıyor. İnsan hata yaptığında hatayı çevreleyen koşullar anlatılabilir ve bu anlatı kurumsal olarak kabul görür; model hata yaptığında anlatacak bir taraf yoktur ve hata doğrudan araca, dolayısıyla aracı savunan kişiye atfedilir. Bu asimetri, modeli kullanmanın kişisel maliyetini sezgiyi kullanmanın maliyetinden yapısal olarak yüksek hâle getirir.

### Bir tahmin modelini ne zaman devre dışı bırakmak doğrudur?

Model, üzerine kurulduğu veri rejiminin dışına çıkan bir ortamda çalışıyorsa devre dışı bırakılması rasyoneldir: talep yapısı kırıldığında, düzenleyici çerçeve değiştiğinde ya da girdi maliyetleri tarihsel bandın dışına taştığında. Ayrım, sapmanın varsayım setinin geçersizleşmesinden mi yoksa önceden kabul edilmiş hata bandı içinden mi geldiğinin tespit edilmesiyle yapılır; bu tespit yapılmadan alınan terk kararı çoğu zaman erkendir.

### Karar destek araçlarının terk edilmesi şirket değerlemesini nasıl etkiler?

İnceleme yürüten taraf aracın varlığından çok kullanım sürekliliğine bakar: girdi güncelleme sıklığı, çıktının hangi kararı ne zaman etkilediği ve sapma durumunda ne yapıldığına dair kayıt. Kesinti tarihi, karar disiplininin tek bir kötü döneme dayanamadığını gösterir. Tipik karşılığı çarpandan çok kapanış yapısında görünür: kilit kişiye bağlı earn-out ağırlığının artması, öngörü kalemlerinde daha dar taahhüt bandı ve ek kapanış öncesi koşullar.

---

Kaynak: https://www.beirek.com/tr/blog/algorithm-aversion-in-capital-decisions
Yayımlayan: BEIREK LLC — https://www.beirek.com