Well‑designed AI collaborators can boost cognitive efficiency and job satisfaction, but opaque or automation-heavy integrations commonly raise anxiety, burnout and disengagement; transparency, explainability and user autonomy are decisive for sustainable human–AI work.
Yapay Zeka Sistemleri ve İnsan İşbirliğinin Psikolojik, Sosyal ve Eğitsel Etkileri
The systematic review finds that human–AI collaboration can improve cognitive efficiency and job satisfaction when systems prioritize transparency, explainability and user autonomy, whereas opaque or automation-intensive integrations tend to increase anxiety, burnout and disengagement.
Yapay zekâ (YZ) sistemlerinin ve YZ destekli robotların işbirliğine dayalı insan çalışma ortamlarına entegrasyonu, çok yönlü psikolojik, sosyal ve eğitsel etkilere yol açmıştır. Bu çalışma, PRISMA 2020 yönergeleri doğrultusunda yürütülen sistematik bir literatür derlemesi sunmakta ve 2019–2025 yılları arasında yayımlanan hakemli çalışmaları sentezlemektedir. İlgili çalışmalar, Scopus, Web of Science ve Google Scholar veri tabanlarında yapılan taramalarla belirlenmiştir. Derlemenin amacı, insan–YZ işbirliğinin ruh sağlığı, duygusal dayanıklılık ve bilişsel dinamikler üzerindeki etkilerini incelemektir. Disiplinlerarası literatüre dayanan analizde; teknostres, otomasyon yorgunluğu, bilişsel aşırı yüklenme, algoritmik kaygı, aşırı güven ve sorumluluk belirsizliği gibi temel olgular ele alınmaktadır. Bulgular, YZ’nin opaklığı, otomasyon yoğunluğu, antropomorfik ve duygusal tasarım özellikleri ile insan merkezli sistem tasarımının, kullanıcıların psikolojik tepkilerini şekillendirmede belirleyici rol oynadığını göstermektedir. İyi tasarlanmış YZ sistemleri bilişsel verimliliği ve iş tatminini artırma potansiyeline sahipken, insan faktörlerini göz ardı eden entegrasyonlar artan kaygı, tükenmişlik ve işten kopma ile ilişkilendirilmektedir. Bu bağlamda çalışma, sürdürülebilir insan–YZ işbirliğini desteklemek amacıyla şeffaflık, açıklanabilirlik ve kullanıcı otonomisini önceleyen insan merkezli bir yaklaşımın benimsenmesinin önemini vurgulamaktadır.
Summary
Main Finding
İnsan–YZ işbirliğinin entegrasyonu, YZ tasarım özellikleri (şeffaflık/açıklanabilirlik, antropomorfizm, duygusal arayüzler) ile otomasyon yoğunluğu ve insan-merkezli tasarımın etkileşimine bağlı olarak hem pozitif (artmış bilişsel verimlilik, iş tatmini) hem de negatif (artmış kaygı, tükenmişlik, işten kopma) psikolojik sonuçlar doğurur. Sürdürülebilir işbirliği için şeffaflık, açıklanabilirlik ve kullanıcı otonomisini önceliklendiren insan-merkezli yaklaşımlar gereklidir.
Key Points
- Kapsam: 2019–2025 arasında yayımlanmış hakemli çalışmaların PRISMA 2020 çerçevesinde sistematik derlemesi.
- Temel psikososyal kavramlar incelendi: teknostres, otomasyon yorgunluğu, bilişsel aşırı yüklenme, algoritmik kaygı, aşırı güven (overtrust), sorumluluk belirsizliği.
- Tasarım belirleyicileri: YZ opaklığı, otomasyon yoğunluğu, antropomorfik ve duygusal tasarım öğeleri ile insan-merkezli sistem tasarımı kullanıcıların psikolojik tepkilerini güçlü biçimde şekillendiriyor.
- Etki yönü iki kutuplu:
- Olumlu: İyi tasarlanmış, açıklanabilir ve destekleyici YZ sistemleri bilişsel verimliliği, görev performansını ve iş tatminini artırabiliyor.
- Olumsuz: Şeffaflık eksikliği, aşırı otomasyon ve insan faktörlerinin göz ardı edilmesi artan kaygı, tükenmişlik, işten kopma ve motivasyon kaybı ile ilişkilendiriliyor.
- Ara bulgular: Antropomorfik/duygusal tasarım hem olumlu (bağlanma, kabul) hem de olumsuz (yanlış güven, sosyal baskı) sonuçlar üretebiliyor; etkiler bağlama ve kullanıcı beklentisine göre değişiyor.
- Politika önerisi özeti: Şeffaflık, açıklanabilirlik, kullanıcı kontrolü/otonomisi ve insan-merkezli iş akışı tasarımının öncelenmesi.
Data & Methods
- Yöntem çerçevesi: PRISMA 2020 yönergelerine göre sistematik literatür taraması ve sentezi.
- Veri kaynakları: Scopus, Web of Science, Google Scholar üzerinden tarama; yalnızca 2019–2025 yılları arasında yayımlanmış hakemli çalışmalar dahil edildi.
- Dahil etme kriterleri: İnsan–YZ işbirliği bağlamında psikolojik, duygusal veya bilişsel çıktıları raporlayan disiplinlerarası çalışmalar.
- Çalışma tipleri: Karışık yöntem (nicel anketler, deneyler, alan çalışmaları), kalitatif çalışmalar (mülakat, etnografi), bazı fizyolojik/performans ölçümleri içeren çalışmalar.
- Yaygın ölçümler: Teknostres/iş stresi ölçekleri, tükenmişlik anketleri, bilişsel yük ölçümleri, görev performansı, kullanıcı tatmini ve benimseme anketleri; bazen gözlemsel/uzunlamasına veriler.
- Sınırlamalar:
- Mevcut literatürde ölçüm heterojenliği ve karşılaştırma zorlukları var.
- Bunun çoğu gözlemsel veya kısa dönem deneysel çalışmalar olduğundan nedensellik konusunda sınırlamalar mevcut.
- Yayın yanlılığı ve dil/erişim kısıtları (ör. sadece belirli dillerdeki çalışmalar) olası.
- Alanlar arası farklılıklar (sağlık, üretim, hizmet sektörü vb.) etkilerin genellenebilirliğini sınırlandırıyor.
Implications for AI Economics
- İşgücü verimliliği ve üretkenlik: İyi tasarlanmış YZ insan bilişsel yükünü azaltarak kısa dönemde görev verimliliğini ve üretkenliği artırabilir; ancak kötü tasarım verimlilik kazançlarını, artan hata oranları ve moral düşüşü yoluyla nötralize edebilir.
- İşin yeniden tasarımı ve görev tahsisi: Otomasyon yoğunluğu arttığında görevlerin yeniden dağılımı, tamamlayıcılık mı yoksa ikame mi olduğuna bağlı olarak uzmanlık talebi ve ücret yapısını etkiler. Psikolojik maliyetler (stres, tükenmişlik) işgücü arzını ve işten ayrılma oranlarını artırabilir.
- İnsan sermayesi ve eğitim yatırımları: YZ entegrasyonunun etkili faydaları için firmalar çalışan eğitimine, açıklanabilirlik araçlarına ve insan-merkezli tasarıma yatırım yapmalı; bu yatırımlar kısa vadeli maliyet gerektirir ancak uzun vadede verimlilik ve azalan sirkülasyon ile geri dönebilir.
- İş gücü piyasası dinamikleri: Psikososyal etkiler işten ayrılma (turnover), sakatlık/izin kullanımı ve sağlık giderlerinde artışa yol açarak firmaların toplam maliyetlerini yükseltebilir; bu da teknoloji benimseme kararlarını değiştirebilir.
- Regülasyon ve standartlar: Şeffaflık ve açıklanabilirlik gereksinimlerini içeren düzenleyici çerçeveler, firmaların YZ tasarımına yaptığı yatırımları etkileyerek piyasa düzeyinde davranışı yönlendirebilir. İşveren sorumluluğu ve görev paylaşımı ilkeleri (liability, accountability) ekonomik teşvikleri etkiler.
- Heterojen etki modellemesi: Ekonomik modeller, işgücü içindeki heterojen psikolojik hassasiyeti (ör. yaş, eğitim, mesleki rol) hesaba katmalı; aksi halde tahminler yanlış yönlenebilir.
- Ölçülebilir dışsallıklar: Psikolojik maliyetler ve faydalar üretim hesaplarına dahil edilmeli (ör. sağlık giderleri, verimlilik kayıpları, bilgi kaybı), aksi takdirde sosyal fayda/maliyet analizleri eksik olur.
- Araştırma ve politika önerileri:
- Maliyet–fayda analizlerinde açıklanabilirlik ve insan-merkezli tasarım yatırımlarının ROI’sini hesaplamak.
- YZ benimseme modellerine psikolojik maliyet parametrelerini eklemek (turnover, devamsızlık, azalan performans).
- Deneysel/uzunlamasına veri toplayarak nedensel etkilerin belirlenmesi; sektörler arası karşılaştırmalar.
- Regülasyon tasarımında işyeri refahı göstergelerinin (stres, tükenmişlik) takip edilmesi.
Kısa özet: İnsan–YZ işbirliğinin ekonomik etkilerini değerlendirirken yalnızca performans kazançlarına değil, aynı zamanda psikolojik maliyetlere, insan-merkezli tasarımın gerektirdiği yatırımlara ve bunların piyasa-düzeyindeki yansımalarına dikkat etmek gerekir.
Assessment
Paper Typereview_meta
Evidence Strengthmedium — The paper is a systematic review that synthesizes interdisciplinary empirical work, which strengthens the aggregate evidence; however, the underlying studies are heterogeneous and are often cross-sectional, lab-based, small-N, or self-reported, limiting causal claims about AI's effects on mental health and productivity.
Methods Rigorhigh — Follows PRISMA-2020, uses multiple major databases (Scopus, Web of Science, Google Scholar), and applies clear inclusion criteria over a defined time window (2019–2025), but does not report a pooled quantitative meta-analysis (likely due to heterogeneity) and remains susceptible to publication and language biases.
SampleSystematic synthesis of peer-reviewed studies (2019–2025) identified via Scopus, Web of Science and Google Scholar, covering experimental lab studies, field trials, surveys and qualitative research on human–AI and AI-robot collaboration examining psychological outcomes (technostress, automation fatigue, cognitive load, anxiety, trust, overreliance) across multiple sectors and populations with varied sample sizes and geographies.
Themeshuman_ai_collab productivity
GeneralizabilityHeterogeneous study designs, measures and AI system types limit comparability and external validity, Many primary studies are lab-based or small-sample, reducing real-world generalizability, Possible geographic/sector concentration (e.g., tech-heavy samples, OECD countries) restricts applicability to other contexts, Reliance on self-reported mental-health and productivity proxies limits objective inference, Temporal window (2019–2025) captures recent systems but rapid AI evolution may outpace findings, Risk of publication and language bias in the assembled literature
Claims (6)
| Claim | Direction | Confidence | Outcome | Details |
|---|---|---|---|---|
| This study is a systematic literature review conducted following PRISMA 2020 guidelines synthesizing peer-reviewed studies published between 2019 and 2025 identified via searches in Scopus, Web of Science and Google Scholar. Other | null_result | high | scope and coverage of literature search / methodological transparency |
0.4
|
| The interdisciplinary literature identifies technostress, automation fatigue, cognitive overload, algorithmic anxiety, overtrust, and responsibility ambiguity as key phenomena arising from integration of AI systems and AI-enabled robots into collaborative human work environments. Worker Satisfaction | mixed | high | presence/prevalence of psychological and social phenomena (e.g., technostress, automation fatigue, cognitive overload, algorithmic anxiety, overtrust, responsibility ambiguity) |
0.4
|
| AI opacity, automation intensity, anthropomorphic and affective design features, and the degree of human-centered system design are determinant factors shaping users' psychological responses to human–AI collaboration. Worker Satisfaction | mixed | high | users' psychological responses (e.g., trust, anxiety, engagement) |
0.24
|
| Well-designed AI systems have the potential to increase cognitive efficiency and job satisfaction. Task Completion Time | positive | high | cognitive efficiency (and job satisfaction, secondary) |
0.24
|
| Integrations of AI that neglect human factors are associated with increased anxiety, burnout, and disengagement among users. Worker Satisfaction | negative | high | anxiety, burnout, disengagement |
0.24
|
| To support sustainable human–AI collaboration, the authors emphasize adopting a human-centered approach that prioritizes transparency, explainability, and user autonomy. Organizational Efficiency | positive | high | adoption of human-centered design practices (transparency, explainability, user autonomy) to improve collaboration outcomes |
0.04
|