Key Takeaways
İnsani Anları Koruyun: İK'da yapay zekâ, gerçek takdiri, koçluğu ve ilişki kurmayı korurken idari yükü azaltmalıdır.
Takdir Tasarımı: Yapay zekâ övgü yazmak yerine çalışanları daha özel, kişisel ve anlamlı takdir ifadelerine yönlendirebilir.
Sinyalleri Bulun: Yapay zekâ, İK liderlerinin güvenilir iş gücü verilerini yorumlamasına, anlamlı örüntüleri belirlemesine ve müdahalenin önemli olduğu yerlere odaklanmasına yardımcı olur.
Yönetici Muhakemesi: Daha iyi çalışan içgörüsü, saha yöneticilerini düşünerek karşılık vermeleri için güçlendirmeli; iş gücü kararlarını onların üstünde merkezileştirmemelidir.
Hesap Verebilirliği Üstlenin: Yapay zekâ önerileri insan denetimi gerektirir; çünkü verimlilik önyargıyı yeniden üretebilir, güveni zayıflatabilir ve muhakemeyi otomasyona dönüştürebilir.
Yapay zekâ tanıma mesajını yazabilir, çalışan bağlılığı anketini özetleyebilir, hatta uzaklaşıyor gibi görünen bir çalışanı işaretleyebilir. Giderek, bir yöneticiye bundan sonra ne yapması gerektiğini bile söyleyebiliyor.
İK liderleri için artık soru, teknolojinin çalışan deneyimine katılıp katılamayacağıyla ilgili değil. Mesele, onun ne kadar ileri gitmesini istediğiniz.
Bu gerilim, Motivosity Baş Ürün Sorumlusu Jesse Dowdle ve Mühendislik Başkan Yardımcısı Dano Gillette ile yakın zamanda gerçekleştirdiğimiz İK'da Yapay Zekânın Geleceği sohbetinin temelinde yer aldı. Onlara göre yapay zekânın İK'daki en faydalı rolü, insan etkileşiminin yerini almak olmayabilir. Bunun yerine, anlamlı etkileşimi zorlaştıran ve onu çevreleyen her şeyi ortadan kaldırmak olabilir.
Dowdle, “İşin insanla ilgili kısımları korunmaya değer kısımlardır,” dedi.
Ona göre yapay zekâ, İK'nın işin “insanlarla ilgili olmayan kısımlarına” harcadığı zamanı azaltmalı; yani insan liderlerini danışmanlık yapmaktan, koçluk vermekten ve ilişkiler kurmaktan uzaklaştıran idari işleri, raporlamayı ve bilişsel yükü azaltmalı.
Bu basit bir ayrım gibi görünüyor. Bunu korumak muhtemelen çok daha zor hâle gelecek.
Verimlilik Deneyimi Tüketmeye Başladığında
Kurumsal yapay zekânın ilk dalgasının büyük bölümü basit bir soru etrafında şekillendi: Neyi otomatikleştirebiliriz?
Söz konusu iş, elektronik tabloları uzlaştırmak ya da analiz ve raporlar oluşturmak olduğunda bu yaklaşım mantıklıdır. Ancak görev bir çalışana teşekkür etmek, bağlılığın azaldığına dair işaretleri yorumlamak veya geleceği hakkında kiminle konuşulması gerektiğine karar vermek olduğunda işler daha karmaşık hâle gelir.
Takdir, bunun yararlı bir örneğidir.
Genel bir çalışan takdir programını ölçeklendirmek görece kolaydır. Şirketler bunu hizmet ödülleri, ayın çalışanı programları, plaketler ve standartlaştırılmış mesajlarla onlarca yıldır tam olarak bu şekilde yapıyor. Dowdle'a göre sorun, ölçeklenebilirliğin çoğu zaman anlamlı olma pahasına elde edilmesi.
“Yapay zekânın mümkün kıldığı şey, daha önce hiç mümkün olmayan ölçekte kişisel takdir düzeyidir,” dedi. “Fırsat, insanların hatırlayacağı türden bireysel takdiri, çok büyük ve dağınık bir kuruluşta bile her gün gerçekleşen bir şeye dönüştürmektir.”
Ancak burada bariz bir tuzak var. Yapay zekâ takdir mesajını yazabiliyorsa neden bunu tamamen ona yaptırmayalım?
Motivosity, geliştirme sürecinde buna yakın bir yaklaşımı denedi.
Başlangıçta, insanların yerine teşekkür edecek bir düğme oluşturalım diye düşünmüştük. İnsanlar bir robottan mesaj almak istemedi.
Bunun yerine şirket, çalışanları kendi takdir mesajlarını daha özgül hâle getirmeye yönlendiren bir yapay zekâ koçu geliştirdi; ne olduğunu, neden önemli olduğunu veya birinin nasıl bir etki yarattığını soruyor, ancak takdir mesajını onların yerine yazmıyordu. Gillette, bu yaklaşımın platformdaki takdir mesajlarının yaklaşık %20 daha uzun olmasını sağladığını söyledi.
İlginç olan kısım fazladan kelimeler değil. Önemli olan, bunların arkasındaki ürün kararıdır.
Yapay zekâ teknik olarak görevi tamamlayabilecek durumdaydı. Motivosity, onu bilerek tamamlanma noktasının gerisinde bıraktı.
Gillette, hedefi birinin “daha özgül, daha ilgili ve daha samimi” olmasına yardımcı olmak şeklinde tanımladı; ancak samimiyetin kendisinin yapay zekânın sağlayabileceği bir şey olmadığını da kabul etti.
“Yapay zekâ sizi doğru yönde dürtebilir,” dedi.
Have an account? Log In
Yapay Zekânın Daha İyi Kullanımı Nereye Bakılacağına Karar Vermek Olabilir
Yapay zekânın değer önerisinin çok daha güçlü göründüğü başka bir alan daha var: İK'nın zaten sahip olduğu bilgileri anlamlandırmasına yardımcı olmak.
İnsan ve kültür ekipleri nadiren veri eksikliği yaşadı. Bağlılık puanları, takdir faaliyetleri, performans kayıtları, öğrenme sistemleri ve çalışanı elde tutma ölçütleri bol miktarda veri oluşturuyor. Zorluk, hangilerinin ilgiyi hak ettiğini belirlemekte yatıyor.
Gösterim sırasında Gillette, yapay zekânın tanıma ve etkileşim verileri için bir arayüz olarak kullanıldığını gösterdi; bu sayede bir İK lideri şirket genelindeki görünümden departmanlara, trendlere ve bireysel çalışan sinyallerine geçiş yapabiliyor.
Ancak Motivosity burada başka bir bilinçli ayrım daha yaptı. Yapay zekâ, temel istatistikleri hesaplamıyor.
Gillette, şirketin erken dönemde dil modellerinden aritmetik işlemleri kendilerinin gerçekleştirmesini istemenin güvenilmez sonuçlar üretebileceğini öğrendiğini söyledi. Bunun yerine sayılar, geleneksel sistemler aracılığıyla oluşturuluyor ve API'ler veya dışa aktarılan veriler üzerinden çapraz kontrol edilebiliyor. Yapay zekâ, sonuçları yorumlamak için kullanılıyor.
Bu ayrım, tek bir platformun çok ötesinde önem taşıyor.
İK açısından üretken yapay zekânın vaadi, yeni bilgiler oluşturmaktan çok, bir lider ile hâlihazırda sahip olduğu bilgiler arasındaki mesafeyi azaltmakla ilgili olabilir.
Sistem temel olarak şu soruları yanıtlayabilir: Nereye bakmalıyım? Ne değişti? Hangi örüntüyü gözden kaçırmış olabilirim?
Gillette, amacı liderlerin bilgileri gözden geçirerek “en anlamlı çabayı nereye gösterebilirim?” sorusunu belirlemelerine yardımcı olmak şeklinde tanımladı.
Bu, yapay zekânın başka bir özet yazmasından çok daha önemli sonuçlar doğurabilecek bir uygulaması.
Bir İK lideri, takdirin büyük ölçüde azaldığı bir departmanı, ekibinin bağlılığı azalan bir yöneticiyi veya davranışları aniden değişen bir çalışanı belirleyebilirse yapay zekâ, uçsuz bucaksız kurumsal veriyi eyleme geçmek için bir ipucuna dönüştürebilir.
Ancak yine de harekete geçmesi gereken bir insan var.
Daha İyi İstihbarat, Yöneticileri Daha Önemli Kılar
İK açısından daha büyük değişim belki de burada yatıyor.
Çalışanlara ilişkin istihbaratın ortaya çıkarılması kolaylaştıkça kuruluşlar daha fazla kararı merkezîleştirerek karşılık verebilir. Üst düzey liderlere bir gösterge paneli sunun, istatistiksel aykırı değerleri belirleyin ve iş gücünü yukarıdan yönetin.
Dowdle bunun tam tersi bir yaklaşımı savundu.
Takdir ve diğer çalışan verilerini kullanarak bir kişi hakkında “üç boyutlu bir resim” oluşturmayı anlattı. Bu yalnızca bir satış görevlisinin kotayı tutturup tutturmadığı veya bir çalışanın bir sertifikayı tamamlayıp tamamlamadığıyla ilgili değil; iş arkadaşlarının o kişiyle çalışmaya verdiği değer, güçlü yönlerinin nerede ortaya çıktığı ve kuruluşa sosyal açıdan nasıl katkıda bulunduğuyla da ilgili.
Önerisi, bu istihbaratı ön saflardaki yöneticilerin kullanımına sunmaktı.
Çözümün, çalışanlarınızı geliştirmek için aşağıdan yukarıya doğru çalışmasını sağlayın.
Bu, algoritmanın giderek daha önemli çalışan kararları almasına kıyasla yapay zekâ destekli yönetim konusunda oldukça farklı bir vizyon.
Teknoloji fark eder. Yönetici yorumlar. Kişi yanıt verir.
Ve İK, bu üç şeyin gerçekleştiği sistemi tasarlama sorumluluğunu taşımaya devam eder.
More Articles
Yapay Zekâ Hesap Verebilirliği Ortadan Kaldırmaz
İK sistemleri yalnızca bilgileri ortaya çıkarmaktan eylem önermeye doğru ilerlerken hesap verebilirlik, tüm sistemin nasıl tasarlandığının önemli bir unsuru olmaya devam ediyor.
Dowdle, çalışan deneyimi platformlarının giderek daha proaktif hâle gelmesini bekliyor. Birinin gösterge panelini açmasını beklemek yerine yapay zekâ, çalışanı elde tutma riski olduğunu gösteren bir örüntüyü fark edebilir ve bir yöneticiyi Teams, e-posta veya başka bir kanal aracılığıyla bir çalışanla iletişime geçmesi için proaktif biçimde yönlendirebilir.
Söylediğine göre amaç, müdahale hâlâ fark yaratabilecekken yöneticilerin “önem taşıyan anlarda orada olmalarına” yardımcı olmak.
Bu fikirde muazzam bir potansiyel var. Aynı zamanda oldukça açık bir tehlike de bulunuyor.
Bir sistem bir sorunu ne kadar ikna edici biçimde tespit eder ve bir yanıt önerirse, öneriyi kararla karıştırmak da o kadar kolaylaşır.
Dowdle, işe alımı mevcut bir uyarı örneği olarak gösterdi. Otomasyon işe almayı daha verimli hâle getirebilir, ancak bir kuruluşun gerçekte neye değer verdiğiyle çok az ilişkisi bulunan sezgisel kuralları kullanarak güçlü adayları da eleme dışı bırakabilir. Benzer şekilde, otomatik takdir, son derece kişisel bir şeyi başka bir kurumsal standart mektuba dönüştürebilir.
Çözüm, hesap verebilirliği korumaktır.
Dowdle, “Sonuçta birisi hesap vermek zorunda,” dedi. “Yapay zekâ temel işi gerçekleştirse bile, sonucun arkasında durması gereken kişi yine bir insandır.”
İK liderleri açısından bunun anlamı, yapay zekâ destekli bir eylemin uygun olup olmadığına karar verme sorumluluğunu korumak ve sistemi sorumlu taraf olarak görmemektir.
Bu, yapay zekâ çağında yönetimin belirleyici yetkinliklerinden biri hâline geliyor: makinenin önerisini ne zaman kabul edeceğini, ne zaman sorgulayacağını ve ne zaman tamamen göz ardı edeceğini bilmek.
Hedef, Daha Az İnsani İK Değil
Yapay zekânın geleceğine ilişkin, yazılımın işe alımı, yan hakları, bordroyu, çalışan sorularını, performans analizini ve iş gücü kararlarını yürütmesi sayesinde İK'nın büyük ölçüde küçüldüğü bir senaryo var.
Bir başka olasılık daha var.
Yapay zekâ, İK'nın kuruluşların tarihsel olarak sistemleştirmekte zorlandığı konuya, yani insanları anlamaya, daha fazla odaklanmasını sağlayacak kadar idari işi ortadan kaldırıyor.
Dowdle bu gelecek konusunda kesinlikle iyimser. Yapay zekânın bordro, yan haklar ve insan yönetimi çevresindeki uyum odaklı ve işlemsel işlerin büyük bölümünü üstlenerek İnsan Operasyonları ekiplerinin kültüre ve kurumsal etkililiğe daha doğrudan odaklanmasını sağlayacağını düşünüyor.
Bu vizyonun gerçekleşip gerçekleşmeyeceği, yapay zekânın sonunda neler yapabilecek hâle geleceğinden çok, kuruluşların hangi işleri ona devretmeyi seçtiğine bağlı olacak.
Çünkü yetenek, giderek daha yetersiz bir sınır hâline geliyor.
Yapay zekâ, teşekkür mesajını şimdiden oluşturabiliyor. Çok yakında kimin böyle bir mesaja ihtiyacı olduğunu, buna ne zaman ihtiyaç duyduğunu ve bir yöneticinin ne söylemesi gerektiğini de bilebilir.
Asıl tasarım kararı, kuruluşun yapay zekânın o anın yerini almasını mı yoksa bir insanın o anı kaçırmamasını sağlamasını mı istediğidir.
