Amerika Birleşik Devletleri Ulusal Ekonomik Araştırma Bürosu (NBER), yapay zeka alanındaki yatırım kararlarını doğrudan etkileyen performans ölçüm sistemleri üzerine yeni bir çalışma kağıdı yayımladı. Araştırmacı Alex Chan imzalı çalışma, kamuya açık yapay zeka kıyaslama testlerinin (benchmark) hem bir araştırma yönlendirici hem de bir sermaye dağıtım mekanizması işlevi gördüğünü vurguluyor. Çalışmanın temel bulgusu şu: Kamuya açık test örnekleri, bir şirketin nihai özel değerlendirme sürecini dışarıya sızdırdığından, yapay zeka geliştiren ekipler bu testleri hedefli biçimde optimize edebiliyor. Bu durum, bir sonraki yatırımcının güvendiği sinyal değerini aşındırıyor; yüksek benchmark skoru gerçek genel zeka kapasitesini değil, teste yönelik çalışmayı yansıtıyor olabilir. Chan, sorunu çözecek bir piyasa tasarımı önerisi de sundu: Geliştirme ve sertifikasyon aşamalarını birbirinden ayırmak. Bu modelde pratik görevler kamuoyuyla paylaşılırken, yatırım kararlarını etkileyen asıl test üreteci, sisteme ait değerlendirme politikası sabitlenene kadar açıklanmıyor. Böylece skor optimize etme güdüsü ortadan kalkıyor ve sinyal güvenilirliği korunuyor. Rapor henüz çalışma kağıdı statüsünde olup hakemli bir dergide yayımlanmamıştır; bulguların kesinlik kazanması için ek inceleme süreci gerekmektedir.