Yapay zekâ ile Etki Ölçümü Mümkün mü?
SROI Perspektifinden Bir Analiz
Sosyal etkiyi ölçmek, yalnızca nicel verileri toplamak ve analiz etmekle sınırlı kalmaz; bir faaliyetin paydaşlar üzerinde yarattığı değişimi her yönüyle (olumlu/olumsuz/amaçlanan/amaçlanmayan) anlamaya çalışır. Ancak bu sosyal değişim doğrusal bir şekilde ortaya çıkmaz. Etkiler uzun vadede görünür hale gelebilir, dolaylı olabilir ya da farklı paydaş grupları bu değişimleri farklı şekillerde deneyimleyebilir (Nicholls et al., 2012). Bu nedenle etki ölçümü, hem analitik hem de normatif boyutları olan çok katmanlı ve uzmanlık gerektiren bir süreçtir. Son yıllarda yapay zekâ teknolojilerinin hızlı gelişimi ve hayatımızın birçok alanına girmesiyle, etki ölçümü alanında da önemli bir soru gündeme gelmiştir: Yapay zekâ sosyal etkiyi ölçebilir mi? Bu soruya yanıt ararken, Yatırımın Sosyal Getirisi (SROI) çerçevesi bizlere güçlü bir analitik temel sunmaktadır.
SROI: Verinin Ötesinde Bir Sosyal Değer Analizi
SROI, bir faaliyetin yarattığı sosyal değeri para diline tercüme etmeyi amaçlayan bir etki ölçümü çerçevesidir. Ancak bu ölçüm süreci yalnızca matematiksel bir hesaplamadan ibaret değildir. Etki ölçümünde SROI çerçevesi, değişim teorisinin oluşturulması, paydaş analizi, çıktı ve sonuçların belirlenmesi, karşıolgusallık, değişimin süresi, azalma oranı ve yer değiştirme oranlarının hesaplanması gibi birçok temel adımı içerir. Bu adımların her biri normatif değerlendirmeler yapmayı gerektirmektedir. Ortaya çıkan hangi sonucun anlamlı bir etki olarak değerlendirileceği, bir değişimin değerinin nasıl parasal dilde ifade edilebileceği ya da ortaya çıkan değişimin ne ölçüde projeye atfedileceği gibi kararlar yalnızca veri analizi yapılarak belirlenmez ve bu da etki ölçümünü çok katmanlı bir süreç haline getirir. Bağlamsal değerlendirme ve etki alanında uzmanlaşmış kişilerin analizlerinin bu noktada devreye girmesi gereklidir. Dolayısıyla SROI, hem nicel hem nitel veriyi bir araya getiren bütüncül bir etki analizi çerçevesi olarak karşımıza çıkmaktadır. Bununla birlikte, kapsamlı bir SROI analizi yürütmek ve etki raporlaması yapmak insan kapasitesi, zaman yatırımı ve etki ölçümü alanında uzmanlık gerektirir. Özellikle sınırlı kaynaklara sahip kurum ve kuruluşlar için etki verilerinin toplanması, analiz ve raporlama süreçleri ciddi bir iş yükü ve ek finansal maliyetler oluşturabilir. Bu noktada yapay zekânın etki ölçümü sürecini nasıl destekleyebileceği ve kolaylaştırabileceği giderek daha fazla önem kazanmaktadır.
Yapay Zeka Etki Ölçümüne Nasıl Katkı Sağlayabilir?
Yapay zekâ, özellikle veri işleme ve analiz kapasitesi açısından etki ölçüm süreçlerine önemli katkılar sunabilir. Ancak bu katkılar, etki ölçümü çerçevelerinin yerini almaktansa süreci destekleyici ve hızlandırıcı niteliktedir.
1. Veri Toplama ve Analiz Süreçlerinin Hızlandırılması
Sosyal etki ölçümü sonucunda genellikle ortaya büyük miktarda veri çıkar. Yapay zekâ destekli metin analiz araçları sayesinde açık uçlu anket yanıtları ve paydaş görüşmelerinde edinilen bilgiler sınıflandırılabilir ve bu sayede tekrar eden temalar ve ortak noktalar tespit edilebilir (Yang & Ma, 2025). Bu da özellikle geniş ölçekli projelerde analiz süresini azaltmaya yardımcı olacaktır. Diğer bir taraftan etki ölçümünde yapay zekâdan faydalanmak kurumların insan kapasitesinin daha stratejik olarak kullanılması açısından da önemlidir. Kurum çalışanları, veri ayıklama ve sınıflandırma gibi zaman alan işlemler yerine, değerlendirme süreçlerinde normatif analiz gerektiren alanlara daha fazla odaklanabilirler ve böylece kurumlar kaynaklarını yapay zekânın desteğiyle daha verimli bir şekilde kullanmış olur. Etki ölçümü sürecinde değer yargısı gerektiren analizlerin yapılması hala beşerî sermayeye bağımlı olarak insan uzmanlığı gerektirmeye devam etmektedir.
2. Örüntü Analizi
Yapay zekâ sistemleri, farklı projeler arasındaki benzerlikleri ve eğilimleri tespit edebilir (Zhang et al., 2023). Hangi müdahale türlerinin daha yüksek sosyal etki sağladığı ve hangi paydaş gruplarının bu eylemlerden daha fazla fayda elde ettiği gibi sorulara veri temelli yanıtlar üretilebilir. Bu sayede gelecekte kurumların projelerinin tasarımında ve hazırlanmasında kanıta dayalı kararlar alınmasına katkı sağlayabilir. Bununla birlikte bu sistemler çoğunlukla korelasyon temelli analizler üretmektedir. Bu sebeple nedensel çıkarımlar için etki ölçümü çerçeveleri ve metodolojilerine ihtiyaç devam etmektedir.
3. Tahmine Dayalı Model
Etki ölçümlerinden sağlanan yeterli veri birikimi olduğunda, yapay zekâ modelleri belirli müdahalelerin potansiyel sosyal getirisini tahmin etme konusunda kullanılabilir. Bu durum, yatırım kararlarında, finansal risk analizi ve kurum kaynaklarının doğru kullanımı açısından destekleyici olacaktır. Ayrıca yapay zekâ, tekrar eden ve zaman alan analiz süreçlerini otomatikleştirerek insan kapasitesinin daha stratejik alanlara yönlendirilmesine katkı sağlama potansiyeline sahiptir (de la Torre-López et al., 2023). Bu durum, özellikle sınırlı kaynaklara sahip kurumlar için önemli bir avantaj sunmaktadır.
Yapay Zekâ’nın Sınırları: Sosyal Etki Sayılardan İbaret Değildir
Yapay zekâ güçlü bir analiz kapasitesine sahip olsa da sosyal etki ölçümünde bugün geldiğimiz noktada hala yeterli olmadığı görülmekte. Yapay zekâ sistemleri yalnızca mevcut verileri analiz edebilir. Bu da eksik, önyargılı ya da bağlamdan kopuk veri setleri tutarsız ve hatalı sonuçların karar alma süreçlerine yansımasına yol açabilir. Ayrıca, veri setlerinde zaten var olan önyargılar, yapay zekâ tarafından da öğrenilebilir. Bu durum, özellikle kırılgan gruplarla çalışan projelerde verilerin yanlış analiz edilmesine yol açma potansiyeline sahiptir.
SROI hesaplamalarında kullanılan karşıolgusallık gibi subjektiflik içeren oranların belirlenmesi ise çoğu zaman etki ölçümü yapan kişinin saha bilgisine ve paydaş görüşmelerine dayanır. Yapay zekâ sayısal ilişkileri kolaylıkla tespit eder. Fakat sosyal bağlamı tam anlamıyla analiz edebilmesi zordur. Bunun yanında sosyal etki ölçümü normatif bir değerlendirme içerir. Hangi değişimin anlamlı kabul edileceği ya da hangi sonucun önceliklendirileceği gibi kararlar etik ve toplumsal tercihlerle ilişkilidir ve tamamen yapay zekâ ile yapılarak otomatik bir süreç haline getirilemez.
Yapay Zekâ Destekli Etki Analizi
Bu noktada esas soru etki ölçümünde teknolojinin insanın yerini alıp alamayacağı değil, bu süreci nasıl destekleyebileceği ve kolaylaştırabileceğidir. Yapay zekâ veri işleme ve analiz süreçlerinde önemli avantajlar sağlasa da nihai kararlar etki ölçümü uzmanları tarafından verilmelidir.
SROI gibi prensip bazlı etki ölçümü çerçeveleri yalnızca matematiksel bir hesaplamaya dayanmaz, aynı zamanda çok yönlü bir değerlendirme gerektirir. Bu nedenle yapay zekâ, metodolojiler ve çerçevelerin yerine geçmekten ziyade onları destekleyen bir araç olarak konumlandırılmalıdır.
Yapay zekâ, sosyal etki ölçümünde veri analizini hızlandırarak ve örüntüleri ortaya çıkararak yardımcı bir araç olabilir. Ancak sosyal etkinin karmaşık yapısı göz önüne bulundurulduğunda, insan uzmanlığının yerini alması şu aşamada mümkün görünmemekte. Teknoloji ve etki ölçümü uzmanlarının değerlendirmelerinin bir arada kullanıldığı yaklaşımlar, gelecekte etki ölçümünün yönünü belirleyecektir.
Kaynakça
de la Torre-López, J., Ramírez, A., & Romero, J. R. (2023). Artificial intelligence to automate the systematic review of scientific literature. Computing, 105(10), 2171-2194.
Nicholls, J., Lawlor, E., Neitzert, E., & Goodspeed, T. (2012). A guide to social return on investment. The SROI Network.
Yang, Y., & Ma, L. (2025). Artificial intelligence in qualitative analysis: a practical guide and reflections based on results from using GPT to analyze interview data in a substance use program. Quality & Quantity, 1-24.
Zhang, A., Lipton, Z. C., Li, M., & Smola, A. J. (2023). Dive into deep learning. Cambridge University Press.
